大模型在金融业的落地探索：从狂热到理性

ChatGPT的问世在金融业引发了一波焦虑浪潮。这个对技术充满信仰的行业生怕在飞速发展的时代中落伍。不过,这种焦虑心态正逐渐回归理性,人们的思路也变得更加清晰。

银行业内人士描述了金融业对待大模型态度的几个阶段:年初时普遍感到焦虑,担心落后;春季纷纷组建团队开展探索;夏季在落地过程中遇到困难,开始变得理性;如今则在关注标杆案例,尝试验证过的应用场景。

值得注意的是,不少金融机构已经开始从战略高度重视大模型。据不完全统计,A股上市公司中至少有11家银行在最新半年报中明确提出正在探索大模型应用。从近期动作来看,他们正在战略层面和顶层设计层面进行更清晰的思考和路径规划。

随着对大模型理解的加深,金融机构的态度也发生了变化。年初时普遍希望自建大模型,但受限于算力资源紧缺、成本高昂等因素,现在更加关注应用价值。大型金融机构倾向于引入基础大模型并自建企业大模型,而中小机构则更多考虑直接使用现有的大模型服务。

为解决大模型落地过程中的各种难题,金融机构正在积极寻找解决方案。在算力方面,有的选择自建,有的采用混合部署方式。在数据方面,越来越多机构开始重视数据治理,构建数据中台和数据治理体系。

目前,金融机构普遍采取"先内后外"的策略,优先在内部场景应用大模型。代码助手、智慧办公等非核心场景已有较多落地案例。但距离在核心业务中深度应用还有一定距离。

一些机构已经开始在顶层设计层面进行改变,基于大模型重构整个智能化、数字化系统。普遍采用分层架构,让大模型发挥中枢作用,同时与传统小模型协同。

大模型的应用也给金融行业的人才结构带来了挑战。一方面,某些岗位面临被替代的风险;另一方面,大模型相关人才又出现严重短缺。金融机构正在通过各种方式培养和引进人才,以应对这一挑战。

随着大模型在金融业的进一步落地,相关人员的技能要求也在提升。未来,熟练掌握大模型应用的开发人员将更具竞争优势。金融机构的人员结构也将随之发生调整和变革。