在技術(shù)新浪潮涌動之下，一切都在改變，一切都可能發(fā)生。

——馨金融

洪偌馨、伊蕾/文

最近，在全球科技巨頭的助推下，生成式AI以及其背后的大模型發(fā)展一日千里。

就在不久前，OpenAI發(fā)布GPT-o1。在上一代大模型強大交互能力的基礎(chǔ)上，新一代大模型的「思考能力」顯著提升，能夠?qū)Ω鼜?fù)雜的問題進行拆解和推演。

其CEO奧特曼也在博客中預(yù)言，超級人工智能將在幾千天后到來，人類將步入智能時代。

作為最早步入「AI時代」的行業(yè)之一，新技術(shù)還能為金融行業(yè)帶來怎樣的突破與變革？在最近舉行的2024年香港金融科技周活動上，「大模型在金融行業(yè)的應(yīng)用」也成為了最受關(guān)注的話題。

「以o1推理大模型為代表的新一波生成式AI技術(shù)在金融領(lǐng)域的應(yīng)用，將從外圍場景深入到核心業(yè)務(wù)，直接影響金融行業(yè)的核心決策質(zhì)量，在為客戶的產(chǎn)品和服務(wù)體驗上帶來巨大突破的同時，將會重塑金融科技行業(yè)?！?/strong>度小滿CEO朱光在科技周主論壇上表示。

此前，大模型在金融領(lǐng)域的應(yīng)用主要聚焦于智能客服、內(nèi)部辦公提效等外圍場景，但隨著大模型的加速迭代和能力提升，情況正在迅速發(fā)生變化。

朱光分享了度小滿用推理大模型在業(yè)務(wù)側(cè)進行的一些創(chuàng)新性探索。其中，在信貸和保險領(lǐng)域，通過分析客戶的個體情況，大模型已經(jīng)可以給出具體的決策建議和執(zhí)行方案。

另外，在量化投資領(lǐng)域，通過大模型也可以挖掘高價值的因子，進而優(yōu)化投資算法。

這不僅為市場展現(xiàn)了大模型應(yīng)用更具想象力的未來圖景，也在一定程度上揭示了行業(yè)發(fā)展的未來趨勢——從外圍場景到核心決策，從降本增效的輔助工具進化為真正的數(shù)智化「生產(chǎn)力」。

1、潛力無限

過去一年，金融行業(yè)迎來一場「大模型」盛宴，包括云廠商、金融機構(gòu)以及金融科技公司等在內(nèi)的各類市場參與者都在加緊布局。

作為典型的數(shù)據(jù)密集型產(chǎn)業(yè)，金融行業(yè)確實是大模型應(yīng)用的理想領(lǐng)域。雖然發(fā)展的時間不長，但它已經(jīng)滲透到許多企業(yè)的日常工作流程中。

以度小滿的實踐來看，作為國內(nèi)首個千億級金融大模型「軒轅」的開發(fā)者，大模型已經(jīng)應(yīng)用在度小滿的各個業(yè)務(wù)場景，從營銷、客服、風(fēng)控、辦公再到研發(fā)。

比如，在代碼助手方面，用大模型輔助生成的代碼采納率能夠達到42%，幫助公司整體研發(fā)效率提升20%；在客服領(lǐng)域，大模型推動服務(wù)效率提升25%；在智能辦公領(lǐng)域，大模型目前的意圖識別準(zhǔn)確率已達到97%。

這些應(yīng)用不僅可以提升服務(wù)效率，也能夠替代一部分的人力，降低金融機構(gòu)的服務(wù)成本。

然而，相較于人們對于「智能時代」的想象與期待，大模型顯然還有更大的潛力可以挖掘。

朱光認(rèn)為，生成式AI技術(shù)要對一個行業(yè)帶來巨大變革有兩個前提，「一是必須讓核心的客戶體驗發(fā)生巨大改變；二是必須對業(yè)務(wù)的核心決策產(chǎn)生影響。比如信貸業(yè)務(wù)，只有當(dāng)大模型能夠?qū)τ诳蛻舻慕鹑诜?wù)體驗帶來影響、對風(fēng)險決策、經(jīng)營決策這樣的核心業(yè)務(wù)決策產(chǎn)生重大影響的時候，才真正釋放出大模型的潛力?！?/p>

根據(jù)度小滿的測試結(jié)果，在信貸領(lǐng)域，推理大模型可以通過分析客戶的銀行流水，推理出其還款能力，不僅能夠提供是否放貸的簡單決策結(jié)果，還能給出更具體的貸款額度建議。

而在保險業(yè)務(wù)方面，GPT-o1大模型也可以根據(jù)不同客戶的個體情況給出承保決策和差異化保險定價方案。

朱光表示，「推理大模型的決策質(zhì)量我們還在做更多的測試去驗證，但它已經(jīng)掌握了風(fēng)控知識并具備推理能力，讓我們看到了未來核心決策應(yīng)用上的巨大潛力」。

這也為整個金融行業(yè)帶來了更大的想象空間。

清華大學(xué)經(jīng)管學(xué)院在此前發(fā)布的《2024年金融業(yè)生成式AI應(yīng)用報告》中指出，生成式AI重新定義客戶體驗，正在形成新服務(wù)。

預(yù)計1-2年內(nèi)，首批大模型增強的金融機構(gòu)會進入成熟應(yīng)用期，3年后將會帶動金融業(yè)生成式AI的規(guī)?；瘧?yīng)用，并且有望為整個金融業(yè)帶來3萬億增量。

在此基礎(chǔ)上，如果大模型能夠在客戶體驗、業(yè)務(wù)決策等更多核心場景中加速落地，它也將真正重塑金融機構(gòu)的業(yè)務(wù)流程、商業(yè)模式，為金融行業(yè)釋放更多新的生產(chǎn)力。

2、越過「山丘」

當(dāng)然，任何新技術(shù)的開發(fā)與應(yīng)用都不會是一片坦途，著眼于當(dāng)下，大模型要越過「山丘」，還面臨著重重挑戰(zhàn)。

一個最核心的問題是：處理復(fù)雜決策問題需要大模型的底層技術(shù)能力提供足夠支撐，而這需要更多的數(shù)據(jù)、算力、資源和時間去「喂養(yǎng)」。

比如，GPT-o1通過思維鏈大幅提升了推理能力，它能夠?qū)?fù)雜的問題拆解為更簡單的步驟，還會在當(dāng)前方法無效時，嘗試其他方式。

但研究顯示，思維鏈僅對1000億以上參數(shù)模型的推理有顯著提升，這直接拉動了算力需求的增長。

與此同時，如何將技術(shù)與具體的業(yè)務(wù)場景相結(jié)合，則對機構(gòu)的能力提出了更高要求。尤其對于金融行業(yè)來說，風(fēng)險控制永遠(yuǎn)是第一「生命線」。

以風(fēng)控業(yè)務(wù)為例，長久以來，居于核心地位的風(fēng)險判斷和決策環(huán)節(jié)屬于傳統(tǒng)人工智能的監(jiān)督學(xué)習(xí)范疇。

如果想要將更多工作交給大模型，就要妥善解決它存在的幻覺問題、出現(xiàn)缺乏可解釋性行為的可能。

這使得市場參與者們必須保持更加審慎的態(tài)度，尋求穩(wěn)妥和可靠的解決方案，需要更多既懂技術(shù)又了解業(yè)務(wù)的復(fù)合型人才，基于更多實踐和驗證，建立更高效和可靠的人與機器、甚至機器與機器的協(xié)作模式來減少潛在風(fēng)險。

在此基礎(chǔ)上，機構(gòu)還要考慮成本、效率、投資回報等問題，畢竟，無法真正實現(xiàn)商業(yè)可持續(xù)的技術(shù)很難找到真正的出路。

這也是金融企業(yè)面向未來進行布局時必須思考的問題，如果大模型的應(yīng)用是行業(yè)發(fā)展的必然趨勢，是金融業(yè)邁向新階段的「基礎(chǔ)設(shè)施」，他們到底該采取怎樣的行動路線。

尤其對于一些中小金融機構(gòu)而言，在整個行業(yè)日益邁向開放、協(xié)同的趨勢之下，自己進行「從零到一」的開發(fā)不僅面臨著巨大的成本壓力、缺乏規(guī)模效應(yīng)，還可能因為參數(shù)不足面臨更高的風(fēng)險。

如果能夠結(jié)合自身的業(yè)務(wù)發(fā)展需求，通過與巨頭協(xié)同合作獲得更好的底層能力支撐，并將更多重心放在應(yīng)用側(cè)，未償不是一個更好的選擇。

而對于一些資源稟賦更好的頭部機構(gòu)來說，發(fā)揮自身優(yōu)勢去開發(fā)和部署、調(diào)整和訓(xùn)練模型，探索業(yè)務(wù)發(fā)展的更多可能、不斷打破技術(shù)的「天花板」，也是他們必須承擔(dān)起的使命。

事實上，在今年5月度小滿開源了大模型「軒轅」之后，短短幾個月內(nèi)，它不僅通過了《生成式人工智能服務(wù)管理暫行辦法》備案，而且第三代大模型「軒轅3.0」已經(jīng)發(fā)布。

根據(jù)「軒轅3.0」在金融場景中的任務(wù)測評結(jié)果，其在金融事件解讀、金融業(yè)務(wù)分析、投研應(yīng)用能力和風(fēng)險管理等測量維度上已經(jīng)超越OpenAI發(fā)布的上一代模型GPT-4o。

從這個角度來看，在技術(shù)新浪潮涌動之下，一切都在改變，一切都可能發(fā)生。