⇅点击上方蓝字
每一个有商业梦想的人都会关注我们~
刘曙峰
恒生电子董事长
12月22日，国民财富发展研究合作平台“AI+金融”峰会暨中国财富管理50人论坛2024年会主题论坛在北京召开，恒生电子董事长刘曙峰受邀出席大会，发表了题为《金融行业大模型应用观察》的主题演讲，深入分享金融大模型的现状与发展趋势。
以下为刘曙峰演讲内容：
通用领域：基础模型超过“好用”临界点
刘曙峰表示，在通用领域，当前大模型技术和大模型推动的产业发展方兴未艾，在更长的上下文、更多的模态、更深的推理思考过程三个维度，大模型技术在持续进步，能力不断向纵深发展。
当前，基础模型的竞争格局暂时呈现国际领先于国内、闭源领先于开源的态势，并显现出寡头收敛的迹象。
从产业侧来看，首先，大模型支出与大模型软件市场高速增长，综合市场研究机构Gartner和IDC数据，去年全球IT支出整体增长率为5.6%，AI领域增长率达到33%，而大模型支出的增长率高达144%。
其次，算力成本持续下降。根据清华大学刘知远教授团队的研究，每过3.3个月，参数量减半的模型可达到当前最先进模型的性能水平。但因为对模型参数要求同步增加，总体支出规模将保持在一定量上。
同时，各厂商基于AI的收入快速增长，但基础模型层和应用层均处于投入期，尚未观察到盈亏平衡的案例，预计未来应用层会比基础模型层更快达成盈亏平衡。
再次，大模型产业的投融资热度收敛，正逐渐从基础设施向场景应用转变。
从应用层来看，基础大模型的能力已经超过“好用”的临界点，通用AI原生应用快速发展，大模型原生应用已形成新流量入口。
而在垂域应用上，包括金融在内的各行业应用还处于初级阶段，各垂直应用场景不断落地，仍以效率提升为主要形态。
金融大模型：正进入应用转换时期
“基于以上观察，金融业到底要做基础模型还是行业模型？”刘曙峰向听众抛出一个重要问题。
“我认为，基础模型的迭代速度显然高于行业模型，垂直领域预训练和微调的必要性越来越低，绝大多数行业大模型可能将被基础大模型所取代。金融行业建设重点从行业大模型转向基于行业know how（专业知识）的RAG技术、Agent开发及入口的改造上，这些投入也能够发挥行业优势。”
他进一步展开道，目前，金融机构中银行、券商对大模型投入较靠前，行业侧重于应用层场景探索。
通过对国内财富资管市场215个项目的调查发现，金融机构的需求场景以内部赋能为主，直接面向客户的服务仍审慎推进。在金融行业，大模型的应用价值可以分为提升效率、价值创造和深度决策三个方面。
提升效率即金融机构在AI编程、账户业务自动化、合规审核、客户服务与支持等场景加速实现流程自动化，全方位提升工作效率。
价值创造是通过更好的用户交互、更好的用户触达、更深层的用户理解，发现和创造金融消费需求，推动用户和收入增长，在投顾助手、用户互动与营销、个性化理财产品推荐、构建新金融服务产品、智能投研等场景下，价值创造被证明是有效，但仍面临合规等问题，还在不断试验和发展中。
深度决策即利用AI在交易机会洞察、资产价格预测、高频交易、流动性风险评估、信用风险评估等方面提高传统模型的效率，为更复杂的决策提供更为全面、精准的数据分析结果及预测信息，提升投资收益，降低风险。在深度决策部位，行业仍处于探索阶段。
根据刘曙峰的观察，大模型在金融行业的应用虽仍处于初级阶段，但已跨越了能力临界点，正进入向大范围应用转换的时期。
在2025年及之后的两三年，我们期待有大模型原生应用在金融业出现，给行业带来深远影响。
如何拥抱大模型技术变革？
基于这些观察，刘曙峰对金融机构更好地拥抱大模型技术变革提出了三点建议：
第一，对金融机构而言，大模型是降本增效的利器，集中体现在对数字员工的广泛采用上。当然这并非简单地替代关系，而是把流程性、助理类的任务交给更高效、低成本的大模型，让人才专注于更具价值的创造性工作。
第二，大模型可能是影响用户流量的入口，集中会体现在对客交互部分APP的变化上，不管是嵌入的大模型应用还是原生的大模型应用入口，都是值得尝试和推进的。
第三，大模型技术具有普惠性，是弯道超车的机会。尽管基础大模型的训练成本极高，但其使用成本却相对低廉。根据恒生在其在线客服平台“U+”的实践经验，大模型的使用成本折算到每个活跃用户每年仅数元，或许随着调用频次的增加，成本会提到数十元，但仍是一项非常普惠的技术。
在使用成本持续下降的背景下，大模型将不同的机构重新又拉到同一个起跑线，行业内的know-how仍然是关键竞争力。广大金融机构可以充分地利用这个机会，实现突破性的发展。
关注“浙商杂志”视频号
文丨《浙商》全媒体中心主笔 孙岚 通讯员 梁坤
编辑丨施晓艳
审核｜姚恩育
监制｜冯永明 余广珠
