大模型時代下金融業的變革與挑戰

ChatGPT的問世在金融業引發了一陣焦慮，這個對技術充滿信仰的行業擔心被時代潮流拋在身後。然而，這種焦慮正逐漸平復，思路也變得更加清晰和理性。金融業對大模型的態度經歷了幾個階段：最初的焦慮、紛紛組建團隊、尋找方向和落地遇到困難、轉向理性，到現在關注標杆案例並嘗試驗證過的場景。

越來越多的金融機構開始從戰略層面重視大模型。多家上市銀行在最新半年報中明確提出正在探索大模型應用，並從頂層設計層面進行更清晰的思考和路徑規劃。

金融客戶對大模型的理解較幾個月前有明顯提升。年初時，雖然熱情高漲，但對大模型的本質和應用方式了解有限。一些大型銀行率先行動，開始進行各種宣傳。隨着多家廠商發布大模型，頭部金融機構的科技部門積極與大廠探討大模型建設。

5月後，受算力資源緊缺、成本高昂等因素影響，金融機構開始更關注應用價值，而非單純建設自己的算力和模型。大型金融機構可引入領先基礎大模型，自建企業大模型，採用微調形式發展專業領域任務大模型。中小金融機構則可按需引入各類大模型的公有雲API或私有化部署服務。

金融行業對數據合規性、安全性、可信性要求高，大模型落地進展略滯後於年初預期。一些機構正尋求解決落地過程中的各種障礙，如在算力方面採取自建、混合部署等方式。數據治理方面，越來越多金融機構開始構建數據中臺和數據治理體系。

金融機構和服務商正在探索各種應用場景，如智慧辦公、智能開發、智慧營銷等。但普遍認爲應先從內部應用開始，再逐步擴展到外部。代碼助手和客服助手被認爲是能快速見效的場景。

大模型的應用正對金融行業人員結構帶來挑戰和變革。一些傳統崗位面臨被替代的風險，但同時也創造了新的機會。人才缺口仍然巨大，特別是在AI和大模型領域。金融機構正積極培養相關人才，以支持AI大平台的構建和應用創新。

未來，金融行業將重新架構系統，讓大模型成爲智能化、數字化系統的基礎。大模型與傳統小模型的協同也將成爲趨勢。這個過程中，金融機構的人員結構將迎來調整，掌握大模型技能的人才將更具競爭力。