作 者 | 杨波 九卦金融圈专栏作家

来 源 | 九卦金融圈

如今，金融业正在迎接大模型的“下半场”，从早期的技术探索转向全面的业务应用。在这场技术变革中，金融机构如何借助大模型提质增效，如何在智能化的浪潮中抢占先机，成为业内关注的焦点。

事实上，当生成式AI席卷全球，大模型一时间洛阳纸贵，更是出现了“百模大战”的盛况，但在众多大模型产品中，能够真正吸引海量用户使用的却是极少数，其中在C端与B端两个市场上都有出色表现的产品更是凤毛麟角，百度是极少数AI全生态布局的头部企业。

考虑到生成式AI技术所具有的高资本、高投入的高门槛特征，本身就极为考验研发企业的资金、技术、研发与人力的综合实力，再加上算力资源的昂贵，大模型要完成商业闭环绝非易事。因此这场大模型市场竞争，将是巨头们的舞台，未来当“百模大战”硝烟散去，剩下的赢家无疑还是互联网巨头，尤其是具备深厚技术底蕴、敢于长期投入的巨头。

回顾金融业过去二十多年的数字化转型历程，先后经历了无纸化、网络化、上云等几个阶段，IT基础设施大幅完善，传统的窗口服务转向互联网化的无接触服务，近些年来AI+大数据的智能风控产品广泛应用，更是极大提升了零售业务的服务效率与易得性。

当AI成为智能时代最重要的基础设施，在金融业从信息化迈向智能化的征途上，金融机构要如何迎接大模型的下半场，又如何让大模型与金融业务深度融合呢？

在AI+数据的双重驱动之下，又将如何加速金融业的智能化进程，九卦金融圈对此做了深度调研，一起听听来自业内的声音与故事。

对于投资机构而言，Gartner曲线是预测新兴技术发展进程的重要参照系。今年八月底所发布的Gartner 2024年新兴技术成熟度曲线就显示，生成式人工智能即将越过期望膨胀期，企业的关注重点继续从基础模型转向提高投资回报率。

从Gartner曲线的变化可以看出，进入到2024年之后，企业客户对大模型的态度也从追逐风口转向️谨慎投资，更加注重投资大模型产品的“投入产出比”。这也意味着，大模型在火爆了一年多之后，当下已进入到下半场的发展阶段。

在九卦金融圈看来，如果说大模型上半场解决的是“有没有”的问题，那么进入到下半场之后，解决的是“好不好”的问题，需要去真正直面行业用户的痛点难点，这在金融行业中显得尤为突出。

换而言之，当下企业对于生成式AI产品的选择更加务实和理性。比如，九卦金融圈就了解到，金融机构更希望将大模型深度应用于实际业务中，让一线员工实实在在地感受到技术升级带来的好处，依靠大模型来实现提质增效，并能提升业务的合规能力。

如果说大模型的上半场更注重技术探索，让公众和企业了解到大模型这个概念，那么进入到下半场之后，行业场景化应用将是大模型能否真正落地的最大考验。

例如，理想形态下的AI大模型无疑是通用人工智能，但经过了一年多时间的技术与产品探索后，对于当下的大模型而言，必然要回归行业定制，让通用大模型根据不同行业的不同场景来进行定制化开发，比如微调大模型的参数，来满足企业多场景下的实际应用开发需求。

这本身也是大模型所具备的重要优势之一。九卦金融圈就从长期从事技术开发的人士处了解到，对于大模型而言，不仅可以满足定制化开发的长尾化、碎片化需求，还能大幅提升开发效率，减少企业的开发成本。

“大模型针对长尾问题，可以基于自己的模型认知和自动编排能力，来解决大量的定制化需求。”显然，金融行业存在海量的定制化需求，考虑到金融机构的业务线与技术线普遍是分离状态，往往是懂业务的不懂技术，懂技术的不懂业务，大模型未来有可能成为一座有效沟通的桥梁，让更多基于业务场景的应用实现落地，这对于金融机构与技术开发者都是个好消息。

显然，大模型的下半场会更加强调价值创造。在过去，很多AI产品脱离实验室走到用户环境后，无法敏捷应对海量的badcase、持续体系化地改善对话质量，为了更好地解决实际业务难题，大模型服务厂商需要在运营交付中沉淀。以意图工程、用研工程和知识工程为核心的产品运营方法，通过依托数以万计的用户feedback进行专业的强化训练，持续提升客户体验和准确率等关键指标，促进数据飞轮的通路顺畅，并把技术能力的建设重心转向实际业务场景的应用创新，脚踏实地去解决行业客户痛点。

这也印证了百度创始人、董事长兼首席执行官李彦宏的判断：没有应用，大模型将一文不值。大家不要卷模型了，要去卷应用。

最后，大模型作为这波AI技术创新的指标性产品，目前还在不断演化升级之中，考虑到AI 技术的复杂性，企业要真正跑赢下半场，就必须创新构建AI开放生态，促进技术、数据与应用及产业之间深度融合，这又更加考验大模型企业的综合能力。

九卦金融圈在行业调研中发现，对于大中型金融机构而言，当业务的线上化、云化已基本上完成之后，下一步面临的就是智能化怎么走的问题，尤其在“数据驱动”之下，当下正需要通过大模型落地来加速业务流程全链条的智能化进程。

更重要的是，金融机构在业务上的高度敏感性，在合规上的刚性要求，都使其具有高度的定制化需求，这也与大模型下半场的典型特征高度符合。从这个角度来看，金融业无疑是适合大模型落地的重要行业之一。

事实上，大型金融机构近些年也在加大对金融科技的投入力度，来自上市公司的年报数据显示，六大国有银行2023年对于金融科技的投资金额超过1200亿元，不少来自金融机构的自研大模型产品也已出现在市场上。

不过，当大模型被金融机构管理者提上议事日程之后，“什么样的大模型适合自己”、“如何训练适合自己业务的大模型”、“完全自研还是寻求外部合作”等问题就应运而生，考虑到大模型所需要的极高算力及原创开发门槛，金融机构一旦选择市场上完全开源的大模型产品，随之而来的是安全性方面的长期隐患，甚至不得不加大在产品安全上的投入力度，这可能会得不偿失，这就极为考验金融机构管理者的洞察力与判断力。

当然，市场上也永远不缺乏“吃螃蟹者”，正是基于大模型技术的落地，某大型商业银行成功构建了全行级的人工智能平台，并不断推进平台升级，积极拓展应用场景，利用生成式大型模型的技术优势，成功孵化出包括货币交易机器人、金融领域对话生成、金融领域辅助文档分析以及金融领域投诉分析在内的多项AI原生应用。

在数据智能方面，该行对接全行数据集市，统一实现数据获取、分析和智能数据统一建模，同时，升级后的智能风控产品也取得了极大进步，零售信贷的自动化审批判断处理从5分钟压缩至10秒以内，并实现了以天为周期的风控模型迭代。

这正是得益于引入了百度智能云千帆大模型平台及AI应用产品。作为百度高速增长中的业务，百度智能云基于“芯片-框架-模型-应用”四层全栈布局的技术能力，针对金融行业面临的复杂场景及业务需求，于2023年正式向市场推出智慧金融解决方案开元1.0版本。该方案旨在助力金融企业高效积累模型与数据资产，实现AI原生应用的低成本、系统化构建，从而加速金融业务智能化转型与升级。

经过一年时间的实践，百度智能云开元智慧金融解决方案2.0版本现已实现了大幅升级。相比于前代版本，更加全栈自研的开元2.0在进一步加强模型与工具平台升级和异构算力管理能力提升的同时，在通用大模型基础上增强了行业专业性，以更加全栈自研的端到端解决方案，强化底层算力管控、平台工具沉淀和场景应用落地，全方位帮助金融机构实现核心业务的降本增效。

算力层面，百度智能云开元智慧金融解决方案2.0以百度百舸AI异构计算平台为底座，可紧耦合资源管控与模型调度，同时信创适配升级满足国产化需求，实现当前金融机构算力调度既要实现芯片异构管理，又需实现模型纳管与调度优化的综合需求；平台层面，千帆大模型平台提供从模型服务到应用开发的端到端支持，可帮助金融行业客户实现多类子集能力抽象和快速封装，通过丰富的组件支持智能体的灵活编排与快速开发；应用层，银行保险销售助手、投研助手等实用工具全新升级，搭载财富智顾、资产智评行业级增强组件后，数据训练效率、意图识别准确率大幅提升，并聚焦资产运营、客户运营、运营支撑三大领域，为金融机构提供全方位、端到端的大模型应用解决方案。

在合作模式上，国有大行、头部券商、保险公司更倾向于与外部科技公司合作，来搭建行业模型和基础平台，百度智能云则发挥自身在底层算力和模型部署及平台能力上的先发优势，真正实现了“强强合作”，让大模型在金融机构内部顺利落地，并能持续产生价值。

除了银行之外，百度智能云在金融领域的保险、证券、投资等细分赛道也大有斩获。以保险行业为例，泰康保险集团基于百度智能云千帆大模型平台搭建了统一的知识与大模型应用底座，建设出新一代泰康知识平台，可对全集团数据进行自动挖掘、解析和加工，形成精细化知识点，大幅提升知识资产价值，目前已在多个场景中成功应用，泰康内勤员工可以通过企业搜索或口语化地提问，快速获取公司最新制度、通知、公告等信息，大幅提高知识获取和办公效率。

此外，泰康人寿携手百度智能云正式推出了以角色扮演、对话方式场景演练的新颖培训产品——“AI智训绩优版”，基于大模型能力模拟各种具有真实感的客户沟通场景，无需配置详细剧本和话术即可打造“客户分身”，以寓教于乐、融学于趣、化教于乐的场景对抗演练形式为保险代理人提供个性化的训练指导和陪伴，来帮助一线提升展业能力。

目前，文心大模型日均调用量突破7亿，百度智能云千帆大模型平台已累计帮助用户精调了3万个大模型，开发出70多万个企业级应用，领跑国内大模型市场。

显然，金融机构数字化转型的重要目标就是实现数据驱动，尤其需要激活组织内部散落在各个部门的数字资产，在目前的实践中，当金融行业数字化转型行至中场，大模型技术恰恰是激活企业数字资产的最有效手段。

事实上，大模型不只是大型金融机构必须具备的基础能力，对于中小金融机构也同样重要，廊坊银行副行长陈树军对九卦金融圈表示：谁能快速形成AI升级版的解决方案，谁能得到市场，得到发展，获得先机。

随着这波AI创新浪潮，部分中小银行也提出了AI银行、智慧银行的提法，已将AI视作零售业务新突破的杀手锏，强化机构内部的风控能力。

光大信托普惠金融部副总经理祝世虎也看好大模型在智能风控领域的应用前景，他认为，在智能风控领域，大模型相较小模型具有以下优势：大模型能够以低成本迁移得到金融大模型能力；大模型能够感知风险浓度，小模型侧重风险排序；大模型可以事前感知欺诈态势，而小模型侧重欺诈事件；大模型可以感知风险背后人的问题，而小模型无法感知；大模型能够有效对抗黑产，而小模型容易被大模型产生的黑产所攻击；大模型可以应对新型风险，因为它可以做预测、做感知，而小模型基于历史数据预测未来的这种方法论，就决定了它在对抗新型风险上存在一些不足。

不仅如此，金融市场是参与人数最多、运行最复杂的市场之一，防范风险、趋利避害是金融机构的永恒追求，大模型的市场研判及未来预测能力还有待发挥。

虽说当下大模型的应用还处于初级阶段，但伴随着智能体等AI技术的日趋成熟，假以时日，大模型在前端预测上的优势也有机会激发出来，可将行业知识、外部经济环境等多方面信息聚合在一起，实时生成有效的智能决策建议，这不仅是管理者的重要决策参考，还能真正帮助金融机构跨越智能化的鸿沟。

更重要的是，大模型技术作为新质生产力的代表，通过行业应用的真正落地，实现了人工智能对千行百业的深度融合。大模型不只是行业竞争的利器，更是深度参与国际竞争、实现金融强国的重要抓手。