大模型时代下金融业的变革与挑战

ChatGPT的问世在金融业引发了一阵焦虑，这个对技术充满信仰的行业担心被时代潮流抛在身后。然而，这种焦虑正逐渐平复，思路也变得更加清晰和理性。金融业对大模型的态度经历了几个阶段：最初的焦虑、纷纷组建团队、寻找方向和落地遇到困难、转向理性，到现在关注标杆案例并尝试验证过的场景。

越来越多的金融机构开始从战略层面重视大模型。多家上市银行在最新半年报中明确提出正在探索大模型应用，并从顶层设计层面进行更清晰的思考和路径规划。

金融客户对大模型的理解较几个月前有明显提升。年初时，虽然热情高涨，但对大模型的本质和应用方式了解有限。一些大型银行率先行动，开始进行各种宣传。随着多家厂商发布大模型，头部金融机构的科技部门积极与大厂探讨大模型建设。

5月后，受算力资源紧缺、成本高昂等因素影响，金融机构开始更关注应用价值，而非单纯建设自己的算力和模型。大型金融机构可引入领先基础大模型，自建企业大模型，采用微调形式发展专业领域任务大模型。中小金融机构则可按需引入各类大模型的公有云API或私有化部署服务。

金融行业对数据合规性、安全性、可信性要求高，大模型落地进展略滞后于年初预期。一些机构正寻求解决落地过程中的各种障碍，如在算力方面采取自建、混合部署等方式。数据治理方面，越来越多金融机构开始构建数据中台和数据治理体系。

金融机构和服务商正在探索各种应用场景，如智慧办公、智能开发、智慧营销等。但普遍认为应先从内部应用开始，再逐步扩展到外部。代码助手和客服助手被认为是能快速见效的场景。

大模型的应用正对金融行业人员结构带来挑战和变革。一些传统岗位面临被替代的风险，但同时也创造了新的机会。人才缺口仍然巨大，特别是在AI和大模型领域。金融机构正积极培养相关人才，以支持AI大平台的构建和应用创新。

未来，金融行业将重新架构系统，让大模型成为智能化、数字化系统的基础。大模型与传统小模型的协同也将成为趋势。这个过程中，金融机构的人员结构将迎来调整，掌握大模型技能的人才将更具竞争力。