衝刺“千億級” 金融AI大模型再破局
來源：媒體滾動
來源：中國經營報
本報記者 王柯瑾 北京報道
隨着人工智能（AI）技術的飛速發展，大模型正成爲全球關注的焦點，預示着未來科技的重大變革。
就金融領域的應用來看，短短兩年時間，從百億級別參數到千億級別參數，以銀行爲主要代表的金融機構從佈局到破局，試圖不斷解鎖AI在金融業的潛力和應用邊界。
蘇商銀行相關人士在接受《中國經營報》記者採訪時表示，金融業廣泛應用的千億級大模型將向多模態和智能體發展。一方面，向多模態大模型發展，能夠處理文本、圖像、音頻、視頻等多維數據，將在智能客服、風控等場景深度應用。另一方面，智能體技術將使模型更靈活地適應不同任務需求，實現業務流程自動化。此外，大模型的可解釋性、合規性管理將日益重要，以確保模型透明、安全，符合金融監管的嚴格要求。
中國銀行（601988.SH）研究院研究員馬天嬌在接受記者採訪時表示，千億級大模型表現出更強的通用性和全面性，但構建千億級大模型耗資巨大，對金融業而言將面臨技術和成本兩方面的挑戰。
服務數字經濟需求
日前，浙江農商聯合銀行官網發佈關於企業級基礎大模型採購公開招標公告，招標內容包括採購企業級基礎大模型，採購內容主要包含千億級參數基礎大模型及模型升級、定製化人天服務。
此前，招商銀行（600036.SH）曾披露過“預訓練基礎大語言模型（千億級）採購項目”結果。中信銀行（601998.SH）也在其採購需求調研徵集公告中表示，爲支撐該行大模型平臺信創算力集羣建設，具備千億級大模型的微調訓練和推理能力，開展大模型信創算力服務器採購項目。
所謂千億級大模型是指參數數量達到千億級別的大型深度學習模型，這些模型因其龐大的參數規模能夠捕捉和學習極其複雜的數據特徵和模式，從而在自然語言處理、圖像識別等人工智能領域展現出卓越的性能和泛化能力，但也需要巨大的計算資源和存儲空間來支持其訓練和推理過程。
當前金融機構在大模型的應用上，百億級和千億級都有涉及。
以銀行業爲例，工商銀行（601398.SH）率先建成全棧自主可控的千億級參數規模AI大模型技術體系，領跑行業創新應用。從該行的實踐看，其打造的全棧自主可控的千億級AI大模型技術體系，由“三大技術支撐”“八大業務領域創新應用”“五大應用範式”共同組成。在2024年半年報中，工商銀行曾披露，該行深化千億級大模型技術建設與賦能，已在金融市場、信貸風控、網絡金融等領域數十個業務場景落地應用，新動能新優勢加快培育。
交通銀行（601328.SH）方面披露，該行與科大訊飛、華爲等頭部科技企業合作，成立了人工智能聯合創新實驗室。經過一年的時間，通過聯創共建機制，持續打磨企業級AI能力整合平臺，逐步實現對算力、算法、數據服務運營的統一管理，搭建千卡異構算力集羣，構建出多層次、多能力、多形態的千億級金融大模型。
談及金融業對於千億級大模型的佈局，中央財經大學證券期貨研究所研究員楊海平表示：“一是數字經濟加快發展，政務場景、生產場景、生活場景數字化升級進展明顯，包括大型銀行在內的金融機構佈局千億級大模型是服務數字化場景，提供有效金融解決方案的現實需要。二是隨着AI+的展開，數字經濟將進入新階段，金融機構發展千億級大模型，構建基於大模型的服務生態，也是針對AI+的超前佈局。參數量是影響大模型基礎能力的重要因素之一，相較而言，千億級大模型的通用性更突出，數據處理、分析能力更強。”
佈局與破局的路徑
自2023年年初至今，從佈局到破局，大模型重塑了金融業多個業務領域。
在客戶營銷、運營助手、智能客服等場景金融大模型應用不斷涌現的同時，也有金融機構獨闢蹊徑，利用大模型與自然語言處理技術賦能合規風控。如興業銀行（601166.SH）聚焦反洗錢這一細分領域，自主研發推出AML-GPT模型，該模型是金融業首個在反洗錢可疑報告智能生成領域運用的大模型。
“此前在沒有智能輔助工具的情況下，我們每天需要處理約30份可疑交易報告，每份報告都需要經歷從開展調查、分析交易流水與行爲特徵到撰寫報告的過程，每份報告處理時長爲20~60分鐘。”興業銀行某分行一位基層反洗錢員工表示。由此，AI大模型對金融業務的賦能可見一斑。
實際上，金融與AI有天然的契合點。中國銀行業協會發布的《2024年度中國銀行業發展報告》指出，AI大模型技術能夠充分挖掘銀行業的海量數據，而銀行業具有適用AI大模型技術的豐富場景。當前，AI大模型正推進我國銀行業服務、營銷、產品等領域的全面革新，催化“未來銀行”加速到來。在2023年年報中，近20家上市銀行披露了大模型領域的技術研發和應用進展。銀行業不斷完善關於AI的戰略佈局，探索形成“AI+金融”的中長期規劃佈局，加強AI人才梯隊建設；重視數據和算力，做強AI基礎技術底座，提升數據治理能力，打破數據壁壘，構建開放共享的數據生態，深化與產業界各方合作，促進雙向融合互促，增強技術能力和應用能力；圍繞價值創造，着眼於解決金融業務發展中的痛點難點，把握好方向和節奏，從風險可控的場景出發穩步推進，打造適宜的AI應用生態；堅持底線思維，加強大模型安全風險管理，將AI相關風險納入全面風險管理框架之中。
興業研究公司分析認爲，自2023年以來，已有多家境內銀行探索生成式人工智能在銀行業務中的應用。當前，各銀行引入、研發和運用大模型出現了一些共性特徵：一是“引入千億級大模型”輔以“自研百億級大模型”成爲金融機構大模型來源的主流趨勢。二是大模型應用場景重點集中在內部辦公質效的提升，而面向客戶的場景則主要爲智能客服。
“千億級大模型表現出更強的通用性和全面性，能夠應對各種任務，開發定製化服務，在多元金融業務場景中實現創新性應用，助力金融機構達到降本增效、提升競爭力等目標。但構建千億級大模型耗資巨大，對模型調試和打磨需要更高的技術能力，尤其是在大模型與專業場景結合這一方面，如何發揮千億級大模型的價值，打造符合金融機構特定需求的垂直領域和專業場景，對金融機構來說是技術和成本兩方面的挑戰。”馬天嬌分析認爲，“未來，大型金融機構或投入更多資金自主研發千億級大模型，中小金融機構則通過採購或從外部引入大模型，實現成本效益最大化。”
對於多數中小金融機構而言，如何平衡大模型的投入與產出，實現成本效益最大化十分重要。
對此，蘇商銀行相關人士表示：“一是做好規劃。從場景、算力、數據等方面提前規劃並做好價值評估，避免低效投入。二是擁抱開源。中小金融機構可以充分利用開源的成本優勢，加快大模型應用的探索和應用。三是構建專業化人才團隊。堅持‘以我爲主’，外部合作爲補充，穩步積累核心能力。四是高效利用算力資源。以蘇商銀行爲例，我行自建的算力平臺初具規模，融合了容器雲、異構算力虛擬化、高性能計算專網、智能化資源調度和管理等技術，可滿足行內千億級大模型推理和微調需求。五是應用場景控制。優先在關鍵業務場景應用，聚焦提升業務成效，避免非核心領域的過度投入。”
對於中小金融機構佈局AI大模型而言，楊海平提示，應用大模型還是要堅持量力而行，不要盲目追求參數規模。“一方面，可以在充分分析場景需求的基礎上，確定恰當的模型參數量級；另一方面，如提供服務方案確實需要，可以探索多家金融機構聯合共建的模式。”