□朱太辉

近两年来，具有庞大参数和复杂结构的大模型快速迭代，模型能力快速提高。2023年，OpenAI升级发布了功能更强但成本更低的GPT-4 Turbo，PikaLabs推出了AI视频生成工具Pika1.0，谷歌发布了可以同时识别和理解文本、图像、音频、视频和代码五种信息的Gemini，国内的大模型也相继推出。整体来看，大模型的参数规模不断扩大，将人机交互、数字化智能化转型推向了新的高度。

金融行业是大模型推广应用首选场景。在通用大模型基础上，利用行业数据进行混合训练，形成具体行业的大模型，输出MaaS服务（模型即服务），是大模型输出应用的重要模式。在金融行业，金融市场的使用主体和服务客户规模庞大，金融行业前期的信息化数字化为应用大模型积累了极强的数据基础，金融业务种类多样且具有极大的智能化改进需求，金融机构具有较强的成本支付能力且愿意为数智化转型加大资源投入，是大模型专业化推广应用的重要领域。

大模型可适用于改造金融的前中后台。2023年5月，BloombergGPT发布的金融业大语言模型测试结果表明，基于混合数据集训练推出的金融大模型用于解决金融行业内的各类任务，且性能还优于已有的模型。从国内外金融机构的实践探索来看，大模型在金融业既可用于前台的营销、客服、投顾等领域，也可用于中台的风控、运营、核保等领域，还可用于后台的产品研发、合规管理、方案制定等领域，创新业务模式和提高运营效率，应用空间非常大。

金融大模型发展需协同做好合规、风险和数据管理。当前金融机构对大模型的应用还处于探索、研发或试用阶段。调研显示，未来1-5年大模型将在金融行业大范围落地。

以下三方面问题的处理将影响大模型在金融业的发展进程：一是监管部门要渐进式优化监管，消除金融机构在经营管理中应用大模型的政策不确定性；二是金融机构要管控好模型风险，保障大模型在金融业务中的适用性和精准性；三是相关部门要加快推进数据开放和消除人群之间的“数据鸿沟”，提升大模型金融服务的广覆盖和普惠性。

（作者系国家金融与发展实验室研究员）