金融業對大模型態度變化:從焦慮到理性探索

自ChatGPT問世以來,金融業對人工智能大模型的態度經歷了從焦慮到理性的轉變。起初,行業內普遍擔心技術落後,紛紛組建團隊開展大模型相關工作。隨着時間推移,金融機構開始更加理性地看待大模型,關注其實際應用價值。

目前,多家大型銀行已將大模型列入戰略規劃。據不完全統計,至少11家A股上市銀行在最新半年報中提出正在探索大模型應用。從近期動向來看,金融機構正從戰略和頂層設計層面對大模型進行更深入的思考和規劃。

與年初相比,金融客戶對大模型的理解明顯提升。一些大型銀行率先推出大模型應用,如農行的ChatBCH。隨後,更多金融機構開始關注大模型的實際應用價值,而非單純追求自建模型。

由於算力、成本等限制,金融機構採取了不同的大模型應用策略。大型機構傾向於自建企業大模型,中小機構則更多採用公有雲API或私有化部署服務。爲解決算力問題,一些機構選擇自建算力,另一些則採用混合部署方案。

數據治理也成爲金融機構的重點工作。越來越多的機構開始構建數據中臺和治理體系。有銀行通過MLOps方式建立大模型數據閉環,實現了數據的高效管理和處理。

在應用場景方面,金融機構普遍選擇從內部場景入手,如智慧辦公、智能開發等。代碼助手和客服助手是較易見效的應用領域。然而,大模型在金融核心業務中的應用仍面臨挑戰,需要進一步探索。

一些金融機構已開始基於大模型重構IT系統,採用分層模式,將大模型作爲中樞,整合傳統模型。多模型策略也被廣泛採用,以優選最佳效果。

大模型的應用對金融行業人才結構帶來影響。一方面,部分傳統崗位面臨被替代風險;另一方面,大模型相關人才缺口巨大。金融機構正通過多種方式培養和引進AI人才,以支持大模型應用的持續發展。

總的來說,金融業對大模型的態度已從初期的焦慮轉向理性探索,正在積極尋找適合自身的應用路徑和發展模式。