□记者 苏洁

随着视频生成模型Sora的问世，人工智能再次掀起讨论热潮。在全球范围内，越来越多的银行和保险机构已经投资并采用生成式人工智能。与此同时，还有大量金融机构正在快速了解这项突破性科技。

近期，清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心共同编写的《2024年金融业生成式AI应用报告》（以下简称《报告》）发布，就生成式人工智能技术创新及其在金融业应用的共性问题做了探讨，为金融机构有效采用这项突破性科技提供了行动指南。

生成式AI重塑全球金融

当前，凭借无与伦比的计算能力和先进的数据分析能力，生成式AI正在席卷金融业，释放新的生产力，以前所未有的方式重塑全球金融业的格局，有望给金融业带来3万亿元规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。

泰康人寿人工智能研究院院长刘岩对此认为，“生成式AI将加速推动‘金融+AI’向‘AI+金融’的转型升级”。比如一个充满想象的应用场景，利用ChatGPT快速处理和审查大量金融数据，包括实时市场趋势、客户偏好、历史表现和宏观经济需求。从海量信息中获得的见解便可以使金融机构做出明智的决策，并提供符合客户独特需求和愿望的定制服务。生成式AI在银行的嵌入会对银行产生深刻影响，正在重塑全球金融业。

《报告》指出，在零售银行和财富业务上，生成式AI可以创建合成数据来帮助训练，为虚拟助手创建更准确的自然语言模型；在中小企业银行业务上，除了支持更复杂的虚拟助理之外，生成式AI还将帮助解释包含非数字数据（例如商业计划）的小企业贷款申请；在商业银行业务领域，生成式AI将加速商业银行的后台任务，它还可以通过增加某些经济条件下业务绩效的稀疏数据来帮助训练预测算法；在投资银行和资本市场上，生成式AI可以帮助银行对包含复杂、非流动性金融产品的资产负债表进行压力测试，通过综合各种场景的测试数据，该技术可以帮助金融稳定措施更加精确并降低合规成本；在支付领域，生成式AI进一步重塑交易方式，基础大模型支持的聊天机器人和虚拟助理提供即时客户支持、解决查询，甚至提供个性化的金融产品和服务；在投资和财富管理方面，人工智能算法通过仔细分析大量的金融数据来发挥其魔力，这使投资者能够精确而敏锐地做出数据驱动的决策，从而提高潜在回报。

重要的是，生成式AI对银行业务的影响将推动银行自身的组织变革。也就是说，生成式AI将成为“副驾驶”，赋能银行员工，提升员工的数字化能力，让传统的流程专家加速转型成为数智化数据专家，推动银行员工绩效的重新定义和改革。

一向较为稳定的保险业也正在经历大模型应用带来的一场革命。国内头部保险公司高管表示，“对保险业来说，生成式AI是一项革命性技术，不仅仅是提升效率，后续还会带来商业模式的重大冲击。现阶段，我们应该追求它的多样性，而不仅仅是准确性”。

生成式AI的潜在优势

《报告》认为，金融机构拥抱生成式AI有五大优势：

第一，嵌入运营，提高效率。国内头部银行的科技负责人表示，“相比传统模型，生成式AI大模型是很好用的工具和技术手段，具有创造能力，便于生成文件草案、海报底板，端到端更近，最突出的是工作效率的提升、能辅助代码编写等，大幅提升从想法到原型的开发速度。”嵌入生成式AI技术，银行、保险等金融机构可以进一步简化手动流程，最大限度地减少错误并减少人工干预的需要。

第二，拓展业务，加快数字化转型。金融业是单位数据产出的行业，当前我国金融机构的数据资产规模达到了千亿级，而且数据质量高，数据正在成为我国金融机构的核心竞争力，如果能够充分挖掘运用，潜在价值超过万亿元。

第三，增强合规，加速创新。生成式AI自动化的文件提取、比对以及内容生成功能，将金融机构中的流程专家转型成数据专家，减少人为的流程干扰因素，减少对专家技术的依赖和离职变动风险，增强内部开发和技术创新能力，创新的银行将从“采用技术的银行”迈向“最懂技术的银行”，并向“最懂银行的先进技术服务商”领域拓展，充分释放其高质量数据价值。

第四，改善客户体验，个性化定制与差异化发展。通过利用生成式AI大模型的力量，金融机构可以提供个性化的推荐、量身定制的财务建议，甚至通过聊天机器人和虚拟协助提供帮助。通过分析客户数据和了解个人偏好，这些人工智能驱动的系统可确保无缝和个性化的客户体验。

第五，规则的改变者。生成式AI将会是金融业游戏规则的改变者，大模型开发商既是金融服务机构的客户，也能成为金融监管部门的合作对象。通过大模型技术快速分析提取文本并实时识别异常，可以快速识别潜在风险和欺诈活动，实际上有助于金融机构保护自身安全，确保为所有人提供更安全的金融生态系统。

尚存多方挑战

《报告》指出，在享受新质生产力带来的高效与便利之余，我们还需正视所面临的现实挑战，尤其在数据安全、风险防控、道德和监管方面。

香港科技大学计算科学与工程系教授郭嵩认为，生成式AI未来要面对一些挑战。例如，通过打造一种全新的服务模式，让大模型具备解决金融现实问题的能力；针对金融数据孤岛问题，他带领团队研究了一种面向大规模大模型的联邦微调算法，提升了联邦训练的可扩展性。“怎么让它变得安全，特别是符合一些规定，怎么把规则和伦理变成系统提示，把系统提示植入大模型以产生合规的内容，这些也是关键问题。”郭嵩表示。

北京智源人工智能研究院副院长曹岗指出，一个大的科技浪潮总是会有一些瑕疵。“我们训练一个模型，训练过程中让模型知道哪些是对的，哪些是错的，吸收速度加快，把模型能力在小参数模型里面尽量提高”。

度小满数据智能部总经理杨青认为，大模型面临的挑战包括专业金融知识欠缺、能力不满足金融任务、训练和运营成本高昂等。杨青介绍，为了联合社区共同应对这些挑战，度小满在2023年5月开源了千亿级金融大模型“轩辕”，9月发布了轩辕70B参数的大模型，今年1月开源了成本更低的轩辕13B模型。未来还将发布更多不同参数开源的金融大模型，不断迭代和升级已有模型，不断降低用户使用成本，与行业伙伴共建生态。

在工银科技技术总监孙科伟看来，大模型开创了人机协同新范式。孙科伟认为，大模型可以替代部分人力，由此带来了一种角色和范式变化的挑战。“我们需要解决技术稳定性问题、技术逻辑性问题，综合考虑大模型技术在内容生成、多模态、小样本等方面的技术优势及生成不可控风险，坚持问题导向和需求导向。”他解释。

未来已来

大模型“杀手级”应用真正改变人类社会生活还有多长时间？

《报告》指出，尽管ChatGPT持续火爆，带动金融大模型的开发热潮，以及金融机构投资并采用大模型技术，但生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期。依据Gartner新兴技术成熟曲线，预计1-2年内，首批大模型增强的金融机构会进入成熟应用期，3年后将会带动金融业生成式AI的规模化应用。

郭嵩认为，所谓的“杀手级”应用主要是能够产生巨大效益、积极影响的，但科学跃迁不是人能够预料的，因此要把“传统产业用生成式AI重塑一下”，创造新的价值，这就是“杀手级”。

孙科伟表示，“‘杀手级’应用是需要时间的，不是一蹴而就的”。“杀手级”应用的出现将是成本和成效博弈的过程。

纵使生成式AI的落地有诸多困难和不确定因素，但无论是金融业还是其他行业，都对其充满了期待。目前，对于金融业来说，积极主动地拥抱生成式人工智能这项变革性技术，并着手负责任的人工智能治理策略显得愈发重要。