近日，海尔消费金融与火山引擎合作成立了金融大模型联合创新实验室，构建消费金融垂直大模型。
从通用金融大模型到专项金融大模型，大模型已经被视为可以重塑金融业的“新质生产力”。
过去一年，国内多家银行开始构建金融行业垂直领域的AI大模型，通过发展金融大模型，得以充分挖掘内部金融数据资源的潜力，为自身发展提供新的动能。
头部消费金融公司也紧随其后入局金融大模型，招联金融、马上消费此前已经发布了自己的专项金融大模型应用。
金融大模型垂直赛道上，已经挤满了选手。
01
头部银行纷纷布局大模型
我们之前就提到过，银行业拥有巨量的数据，丰富的应用场景，经过多年的数字化转型积累，天然适配大模型的发展。
加之现在，银行一方面有普遍的“增长焦虑”，一方面又有“降本增效”的需求，而大模型在信息处理和内容加工方面释放生产力效果明显，这让银行更加有动力追求金融大模型。
所以我们看到，在通用大模型之后的行业大模型方面，银行业尤其是大银行表现得非常积极。
2023年，工商银行率先在国内建立了千亿级的AI大模型技术体系。据工行首席技术官透露，工商的大模型，优先面向金融文本和金融图像分析理解创作的智力密集型场景，以助手形式，人机协同提升业务人员工作质效。
建设银行也非常重视大模型的研发，启动了“方舟计划”，推进金融大模型建设和应用。建行“方舟计划”有三大目标——在业务场景应用落地、促进员工工作模式转变、奠定人工智能时代竞争优势。
在大模型基础能力建设方面，建设银行大模型已具备信息总结、信息推断、信息扩展、文本转换、安全与价值观、复杂推理、金融知识等7项一级能力。基础应用建设方面，建设银行已经上线“方舟”助手、“方舟”工具箱、向量知识库等金融大模型基础应用。
邮储银行也紧跟金融大模型的发展，将大模型技术融合进“邮储大脑”，构建新型生成式AI能力，重塑数字金融服务模式，在研发测试、运营管理、客户营销、智能风控等领域实现应用。
2023年年初，农业银行金融 AI 大模型应用 ChatABC，并在内部以多轮问答助手、工单自动化回复助手等形式面向内部员工开放试用。
股份行中，2023年，招商银行启动了大模型生态建设，开展大语音模型建设和应用，搭建大模型体验平台，在专业场景自研百亿级参数大模型，积极探索大模型在零售、批发、中后台的应用。
兴业银行发布了百亿级大模型 ChatCIB。中信银行上线了中信大模型平台，完成千亿级开源大模型部署。
北京银行是城商行发展金融大模型的代表，发布了AIB平台，深度融入生成式人工智能技术，系统构建“AI+”金融全图景。
从部署大模型的银行分布看，虽然通用大模型和金融大模型的发展，已经是一个确定性的趋势，但深度研发金融大模型的银行，还是少数头部银行。
02
金融大模型落地场景
银行投入重金研发金融大模型，最终目的肯定是为了应用——对外提升客户的体验，对内赋能员工、提质增效。
而无论为金融大模型贴上如何重要的标签，我们观察金融大模型真实的发展水平，还是要看已经在银行那些应用场景中实现落地应用。
2023年，工商银行的大模型主要用于远程银行符合和赋能业务运营。工行大模型技术在坐席助手场景落地，全年服务量21.5亿笔，接听率和智能分流率同业领先。工行还上线了首个基于大模型的网点员工智能助手，提升网点效能，2023年运营领域智能处理业务量3.2亿笔，比上年增长14%。
建设银行大模型在业务场景应用方面，实现智能客服工单生成、自动化生产营销创意内容和文案等业务的智能化。其中，智能客服工单生成每单平均节约客服工作时间15-20秒，可用率达82% ，一致性达80%。
邮储银行大模型的落地场景也很丰富，测试孵化了“研发助手”，辅助需求分析、UI设计、代码生成、系统测试等研发全流程，提升端到端研发效率；上线了柜面“小邮助手”，为柜员提供在线业务知识问答，提升业务办理效率；推出情感模型会话洞察与“灵动智库”服务增强企业微信运营功能，提升基层精细化客户洞察能力；打造智能风控“智能审查助手”，辅助法审工作合规高效。
农业银行加快推进大模型技术预研孵化，客服知识库上线答案推荐、知识库辅助搜索等功能。
平安银行则将大模型技术用于零售贷款审批、运营管理数智化升级、消保降诉、汽车金融 AI 验车等场景，结合计算机视觉、多模态等技术，形成综合人工智能解决方案。
兴业银行的金融大模型ChatCIB聚焦财富、投资、报告等垂直领域，上线 6 类数字助手。其中，企金产品助手知识问答准确率达90%，研报摘要助手每年可增效 54 人，代码生成助手辅助集团研发人员提升研发效能，客服坐席助手可自动扩展相似问并辅助生成进线案例小结等，提升远程银行营销水平及智能运营效率。
北京银行自研“京智大模型”形成了宣传文案、智能周报、文章翻译、工作总结、会议纪要、通知撰写、代码生成、代码注释等基础应用场景。
从这些银行的金融大模型落地应用场景看，大模型确实将银行的数字化向前推进了一步，但是当前，银行金融大模型的应用多用于客服、办公、运营、营销等领域，还没有触及银行的核心业务。
03
通用金融大模型初现端倪
基础的通用大模型，训练需要投入大量的数据，然后就是需要大量的算力，算法难度也大，因此成本极高。所以我们看到，即使是大银行，发展金融大模型的模式也是先接入基础大模型，然后用自有语料训练调试，建立金融行业大模型和企业大模型。
对银行来说，这确实是一种更为现实的方式。
据了解，工商银行、交通银行、北京银行等多家银行，与华为合作成立创新实验室。在大模型方面，银行与华为的合作，主要围绕华为云的盘古大模型，建立大模型训推平台，孵化自主可行的金融行业大模型，探索大模型在智能营销、智能运营、智能风控、智能办公等金融全场景的应用。
目前看，华为云的盘古大模型被银行接入最多。华为云称，盘古大模型在营销、风控、客服、投研等多种金融通用场景具备较为完善的能力，支持语言、语音、视觉、多模态多种任务，包含金融知识识别、金融知识理解、金融文本生成、金融推理计算、金融语音表达、金融图像识别、金融视觉风控多项任务效果。
另一个值得关注的金融大模型是马上消费的天镜大模型。
中国信息通信研究院人工智能研究中心，联合了业内50家单位，编制了金融大模型标准，并组织了两轮可信AI大模型标准符合性验证，参评单位包括了大模型技术厂商、互联网企业、人工智能企业、科研院所、初创企业等。其中在金融大模型专项上，只有华为、马上消费2家企业。
华为云的盘古大模型和马上消费的天镜大模型V1.0参与了可信AI大模型标准符合性验证，完成金融大模型标准符合性验证，是首批通过金融大模型标准符合性验证的产品。
据悉验证主要考察目前的金融大模型在语言、语音、视觉、多模态任务等方面的能力支持度，评估金融大模型在数据合规性、模型可控性、服务可靠性方面的应用成熟度。
以华为云盘古大模型和马上消费天镜大模型为代表的专项金融大模型，让更多的中小银行用上金融大模型成为可能。
大银行接入基础大模型然后自己训练，对于需要考虑投入产出比的中小银行，可以直接接入通用的金融大模型，然后微调形成针对某个具体领域的任务大模型，直接赋能具体业务。
以往的每次数字化变革，都很容易形成分化，加大大型银行和中小银行之间的差距，而在大模型时代，借由不同的落地方式，中小银行也许可以通过极低的成本，来缩小甚至拉平与大银行之间的差距。
从这个意义上讲，金融大模型对银行业的重塑，确实值得期待。
