文因互联公布了基于“文因大模型”联通多个金融场景的解决方案 。根据介绍，该解决方案覆盖债权发行、IPO、ESG评级评价、智能投研、智能投顾、信贷评估、债券评级、合规审计、新闻写作、工业维修等多个场景，定位是“为金融人提供安全高效副驾驶” 。
与产品相对应的是，一些行业标准也初露端倪 。7月末，腾讯云与中国信通院共同启动行业大模型标准联合推进计划，双方宣布联合牵头中国首个金融行业大模型标准的编制工作 。
据介绍，该标准对金融行业大模型的评估方法覆盖了投研、投顾、风控、营销、客服、银行、保险、证券等应用场景，并对大模型在数据合规性、可追溯性、私有化部署、风险控制等方面提出要求 。
应用层策略之争
金融大模型的应用与商业化同根同源，商业化是最终目标，应用是实现商业化的必要路径 。
由于应用的方向不同，金融大模型所展现出来的能力也不同 。按照模型能力输出的方式，具体可以分为中心化和非中心化两种方式 。
中心化模式即企业调用通用大模型或第三方垂直模型的 API 去构建业务功能；非中心化模式则是企业根据使用场景和功能，以专有数据对通用模型进行微调，形成一个或多个基于实际业务的小模型 。
腾讯云金融大模型的应用策略，是风控层面的从零到整 。具体而言，针对金融机构动态化风控建模的需求，把专家经验抽象成一系列风控策略集，进而组成风控大模型，再以风控大模型应对假人假机、假人真机、真人假机的欺诈行为 。
据报道，某金融机构的渠道和客群变化较快，基于传统的专家联合建模方式效率较低、成本较高，无法满足风控系统快速迭代要求，接入腾讯云行业大模型后，模型迭代周期从17天缩短到3天，建模效率提升60% 。
这一做法与交叉信息技术研究院常务副院长林常乐的观点不谋而合 。林常乐提出了大模型中的相关专业领域参数与专业模型相结合的技术路线，通过将专业模型的精度参数写入大模型，实现专业领域模型与大模型的衔接 。
恒生电子与恒生聚源共同推出的智能投研平台WarrenQ-Chat，则是追求金融信息的精准度，用户通过对话指令，轻松获得金融行情、资讯和数据，且每一句生成的对话均支持原文溯源，确保消息出处可追溯 。
科大讯飞“星火智能客服”则更注重以AI能力提升客户交互体验 。据科大讯飞研究院副院长、金融科技事业部CTO 赵乾介绍，星火智能客服基于泛领域开放式知识问题能力、大模型和行业知识库及外部App对接，可以解决新知识难更新、事实类问答容易“张冠李戴”等问题；通过情景式思维链逻辑推理，可为用户推荐个性化产品，赋能营销获客 。
百川智能创始人王小川认为，大模型80%的价值可能蕴含在非中心化的模型和服务里 。
商业化将向何处？
据极客公园报道，有消息表示，随着监管明确，第一批合规模型放出是值得期待的 。同时目前在 To B 领域的应用上，实际上已没有官方的合规要求，这将助推大模型落地企业，也将推动工具层和应用层发展 。
但面向C端，合规先行是必然 。正如国家金融与发展实验室副主任杨涛所说，当人工智能大模型在金融领域应用时，更需关注大模型的可审计性、可解释性等难题以及参与金融活动引发的风险特征变化、数据保护、责任分担、合规边界等问题，并强化数据伦理、算法伦理、主体伦理、行为伦理等方面的治理 。
中国工程院院士、复旦大学金融科技研究院院长柴洪峰认为，目前大模型在金融垂直领域仍未挖掘出涌现效应 。
一方面，由于金融数据及知识的私密性导致难以共享，无法构建一个庞大的数据集，对此可以增强产学研的联动性，共同构建更强的金融垂直领域基座模型；另一方面由于金融数据模态更多，难以进行统一的处理建模，而如今的大模型对此种多模态的表达能力仍有待加强 。
文因互联创始人鲍捷则提出了关于商业化层面的约束问题，金融客户并没有无限的预算，通常只有几十万最多几百万的前期投入 。实际约束往往来自于分布式训练、数据清洗过程、提示词优化、各种数据格式，以及为达到更好的训练效果如何平衡全参数训练和提示工程的比例、降低成本，这都是需要在实际项目中解决的难题 。
有从业者认为，当前金融大模型在商业化上的探索，最终的客户依然会落在中小金融机构上 。从监管环境、市场竞争、数据安全等多个角度来看，头部金融机构都没有使用外部大模型的理由和意愿 。
推荐阅读
- 大模型会改变我们的生活吗？
- AI大模型要革AI的命
- 新华社研究院发布国产大模型报告：讯飞星火第一，百度文心第二
- 从语言模型到多模态，AI大模型如何当好“人类助手”引热议
- AI大模型 疯狂内卷
- 大模型速度狂飙2.39倍！清华联手微软首提SoT，让LLM思考更像人类
- 把大模型装进手机，分几步？
- 国产AI大模型哪家强？十大维度横评四款主流大模型！
- 网易胡志鹏：从游戏到产业，AI大模型价值正显现
- 清华发布SmartMoE：一键实现高性能MoE稀疏大模型分布式训练