來源|消金界

近日，海爾消費金融與火山引擎合作成立了金融大模型聯合創新實驗室，構建消費金融垂直大模型。

從通用金融大模型到專項金融大模型，大模型已經被視為可以重塑金融業的“新質生產力”。

過去一年，國內多家銀行開始構建金融行業垂直領域的AI大模型，通過發展金融大模型，得以充分挖掘內部金融數據資源的潛力，為自身發展提供新的動能。

頭部消費金融公司也緊隨其后入局金融大模型，招聯金融、馬上消費此前已經發布了自己的專項金融大模型應用。

金融大模型垂直賽道上，已經擠滿了選手。

頭部銀行紛紛布局大模型

我們之前就提到過，銀行業擁有巨量的數據，豐富的應用場景，經過多年的數字化轉型積累，天然適配大模型的發展。

加之現在，銀行一方面有普遍的“增長焦慮”，一方面又有“降本增效”的需求，而大模型在信息處理和內容加工方面釋放生產力效果明顯，這讓銀行更加有動力追求金融大模型。

所以我們看到，在通用大模型之后的行業大模型方面，銀行業尤其是大銀行表現得非常積極。

2023年，工商銀行率先在國內建立了千億級的AI大模型技術體系。據工行首席技術官透露，工商的大模型，優先面向金融文本和金融圖像分析理解創作的智力密集型場景，以助手形式，人機協同提升業務人員工作質效。

建設銀行也非常重視大模型的研發，啟動了“方舟計劃”，推進金融大模型建設和應用。建行“方舟計劃”有三大目標——在業務場景應用落地、促進員工工作模式轉變、奠定人工智能時代競爭優勢。

在大模型基礎能力建設方面，建設銀行大模型已具備信息總結、信息推斷、信息擴展、文本轉換、安全與價值觀、復雜推理、金融知識等7項一級能力。基礎應用建設方面，建設銀行已經上線“方舟”助手、“方舟”工具箱、向量知識庫等金融大模型基礎應用。

郵儲銀行也緊跟金融大模型的發展，將大模型技術融合進“郵儲大腦”，構建新型生成式AI能力，重塑數字金融服務模式，在研發測試、運營管理、客戶營銷、智能風控等領域實現應用。

2023年年初，農業銀行金融 AI 大模型應用 ChatABC，并在內部以多輪問答助手、工單自動化回復助手等形式面向內部員工開放試用。

股份行中，2023年，招商銀行啟動了大模型生態建設，開展大語音模型建設和應用，搭建大模型體驗平臺，在專業場景自研百億級參數大模型，積極探索大模型在零售、批發、中后臺的應用。

興業銀行發布了百億級大模型 ChatCIB。中信銀行上線了中信大模型平臺，完成千億級開源大模型部署。

北京銀行是城商行發展金融大模型的代表，發布了AIB平臺，深度融入生成式人工智能技術，系統構建“AI+”金融全圖景。

從部署大模型的銀行分布看，雖然通用大模型和金融大模型的發展，已經是一個確定性的趨勢，但深度研發金融大模型的銀行，還是少數頭部銀行。

金融大模型落地場景

銀行投入重金研發金融大模型，最終目的肯定是為了應用——對外提升客戶的體驗，對內賦能員工、提質增效。

而無論為金融大模型貼上如何重要的標簽，我們觀察金融大模型真實的發展水平，還是要看已經在銀行那些應用場景中實現落地應用。

2023年，工商銀行的大模型主要用于遠程銀行符合和賦能業務運營。工行大模型技術在坐席助手場景落地，全年服務量21.5億筆，接聽率和智能分流率同業領先。工行還上線了首個基于大模型的網點員工智能助手，提升網點效能，2023年運營領域智能處理業務量3.2億筆，比上年增長14%。

建設銀行大模型在業務場景應用方面，實現智能客服工單生成、自動化生產營銷創意內容和文案等業務的智能化。其中，智能客服工單生成每單平均節約客服工作時間15-20秒，可用率達82% ，一致性達80%。

郵儲銀行大模型的落地場景也很豐富，測試孵化了“研發助手”，輔助需求分析、UI設計、代碼生成、系統測試等研發全流程，提升端到端研發效率；上線了柜面“小郵助手”，為柜員提供在線業務知識問答，提升業務辦理效率；推出情感模型會話洞察與“靈動智庫”服務增強企業微信運營功能，提升基層精細化客戶洞察能力；打造智能風控“智能審查助手”，輔助法審工作合規高效。

農業銀行加快推進大模型技術預研孵化，客服知識庫上線答案推薦、知識庫輔助搜索等功能。

平安銀行則將大模型技術用于零售貸款審批、運營管理數智化升級、消保降訴、汽車金融 AI 驗車等場景，結合計算機視覺、多模態等技術，形成綜合人工智能解決方案。

興業銀行的金融大模型ChatCIB聚焦財富、投資、報告等垂直領域，上線 6 類數字助手。其中，企金產品助手知識問答準確率達90%，研報摘要助手每年可增效 54 人，代碼生成助手輔助集團研發人員提升研發效能，客服坐席助手可自動擴展相似問并輔助生成進線案例小結等，提升遠程銀行營銷水平及智能運營效率。

北京銀行自研“京智大模型”形成了宣傳文案、智能周報、文章翻譯、工作總結、會議紀要、通知撰寫、代碼生成、代碼注釋等基礎應用場景。

從這些銀行的金融大模型落地應用場景看，大模型確實將銀行的數字化向前推進了一步，但是當前，銀行金融大模型的應用多用于客服、辦公、運營、營銷等領域，還沒有觸及銀行的核心業務。

通用金融大模型初現端倪

基礎的通用大模型，訓練需要投入大量的數據，然后就是需要大量的算力，算法難度也大，因此成本極高。所以我們看到，即使是大銀行，發展金融大模型的模式也是先接入基礎大模型，然后用自有語料訓練調試，建立金融行業大模型和企業大模型。

對銀行來說，這確實是一種更為現實的方式。

據了解，工商銀行、交通銀行、北京銀行等多家銀行，與華為合作成立創新實驗室。在大模型方面，銀行與華為的合作，主要圍繞華為云的盤古大模型，建立大模型訓推平臺，孵化自主可行的金融行業大模型，探索大模型在智能營銷、智能運營、智能風控、智能辦公等金融全場景的應用。

目前看，華為云的盤古大模型被銀行接入最多。華為云稱，盤古大模型在營銷、風控、客服、投研等多種金融通用場景具備較為完善的能力，支持語言、語音、視覺、多模態多種任務，包含金融知識識別、金融知識理解、金融文本生成、金融推理計算、金融語音表達、金融圖像識別、金融視覺風控多項任務效果。

另一個值得關注的金融大模型是馬上消費的天鏡大模型。

中國信息通信研究院人工智能研究中心，聯合了業內50家單位，編制了金融大模型標準，并組織了兩輪可信AI大模型標準符合性驗證，參評單位包括了大模型技術廠商、互聯網企業、人工智能企業、科研院所、初創企業等。其中在金融大模型專項上，只有華為、馬上消費2家企業。

華為云的盤古大模型和馬上消費的天鏡大模型V1.0參與了可信AI大模型標準符合性驗證，完成金融大模型標準符合性驗證，是首批通過金融大模型標準符合性驗證的產品。

據悉驗證主要考察目前的金融大模型在語言、語音、視覺、多模態任務等方面的能力支持度，評估金融大模型在數據合規性、模型可控性、服務可靠性方面的應用成熟度。

以華為云盤古大模型和馬上消費天鏡大模型為代表的專項金融大模型，讓更多的中小銀行用上金融大模型成為可能。

大銀行接入基礎大模型然后自己訓練，對于需要考慮投入產出比的中小銀行，可以直接接入通用的金融大模型，然后微調形成針對某個具體領域的任務大模型，直接賦能具體業務。

以往的每次數字化變革，都很容易形成分化，加大大型銀行和中小銀行之間的差距，而在大模型時代，借由不同的落地方式，中小銀行也許可以通過極低的成本，來縮小甚至拉平與大銀行之間的差距。

從這個意義上講，金融大模型對銀行業的重塑，確實值得期待。