胡群/经济观察网文章 12月24日，恒生电子董事长刘书峰向经济观察网表示：“大规模金融模式还处于起步阶段，企业级应用在中国的落地还处于起步阶段。我非常期待 2025 年的大数据模型。”该模型将在多种金融场景中得到长足发展。”

近日，恒生研究院发布的《2024年大模型在金融行业应用观察》（以下简称《观察》）显示，大模型在投研服务、运营等方面的意图认知和任务管理、投资咨询和客户服务、代码开发等场景执行能力得到充分验证，并已在一些领先的金融机构投入实际生产并发挥实质性作用。

《观察》还认为，由于金融行业对业务复杂性、准确性、可解释性的要求远高于一般应用场景，投资过程中的任何偏差都可能给投资者带来损失，金融机构正在处理的原因包括由于处理客户数据时需要保证足够的准确性，目前还没有一种“杀手级”人工智能原生应用能够彻底颠覆现有商业模式，引领大型金融模式的行业变革。

谨慎行事

2024年11月，恒盛研究院进行市场调研，并根据当前项目实施情况进行分析。结果显示，2024年前三季度，我国公开披露的大型号项目投标总金额达20.75亿元，较2023年全年增长163%。金融行业大型示范获奖项目66个，项目金额达1亿元，占比4.9%。 2024年1月至11月，金融行业大典范获奖项目增至103个，项目金额增至2亿元。

上述调查显示，2024年前11个月分行业中，银行业大型示范项目中标金额为1.14亿元，占比56.8%；证券业3900万元，占比19.2%；保险业1300万元，占比6.6%。这三个行业的大型样板获奖项目合计占比82.6%。

但不可忽视的是，与政务（4.84亿元）、能源（3.1亿元）、通信（2亿元）等行业相比，金融行业大样中标项目金额明显滞后。

为什么会出现这种情况？

刘树峰表示，企业级大模型在金融领域的实际应用步伐比预期慢，进展也比较缓慢。从应用角度来看，大模型在金融行业实际生产中的主要运用是内部赋能。由于直接面向客户的服务涉及合规性和其他潜在问题，例如由“严重的废话”引起的问题，因此在推进客户服务方面需要采取谨慎的方法。

刘树峰表示，在内部赋能方面，包括为企业（To B）服务，大模型应用的一个显着特点就是进入门槛极低。由于自然语言对话不需要额外的学习，只要你能用语言交流，就可以使用它。 ，符合人类自然行为习惯，因此使用门槛很低。随着能力的提升，学习成本也很低，甚至可能是负成本，因为用户一旦开始使用，就不再需要花时间寻找功能按钮和菜单，所以内部赋能的效果就会显现出来。变得更加重要。但金融行业对于大模型直接赋能客户的服务普遍持谨慎态度。

《观察》显示，由于合规要求严格、私有化部署和服务成本高、业务精度要求高等因素，金融行业大规模运营模式的应用场景仍处于探索阶段，输入和输出不成正比。此外，这也与大模型能力和产品成熟度不足，以及公司自身数据质量较差有关。

基础大型号的崛起

目前，金融领域大模型应用研发主要有三种模式：金融机构自研团队、金融科技公司、基础大模型供应商。

《观察》显示，国有大型银行、龙头券商等机构普遍采取自研策略。金融机构自研团队的优势在于对业务理解深入、贴近场景、拥有大量民间金融业务数据、专业知识等。自研的劣势是：金融机构在技术研发创新的广度和深度上可能不如科技公​​司，缺乏足够的长期技术积累和同行经验分享；金融机构资源投入有限，难以长期维持大规模技术研发。和资源投资；自主研发的大模型适合浅层应用场景，但在深度复杂的应用场景中，可能会面临技术和数据处理能力的瓶颈。

恒生电子、中关村科技等机构在运营、投研、投资咨询等特定业务场景推出了大模型应用解决方案。优势在于其治理能力较高，能够将原有系统资源标准化为自然语言，有助于专业化打磨和识别，在特定金融领域拥有深厚的专业知识和经验。但与大型科技公司相比，垂直金融科技厂商在算力、数据资源和人才储备方面相对不足，这可能会限制其在大规模技术开发（如基础大模型）和应用方面的竞争力。此外，金融科技公司还面临金融机构自研和大型科技厂商的双重竞争。

《观察》称，百度、智普、科大讯飞等基础大模型供应商技术实力雄厚，计算资源、数据和人才充足，能够快速迭代创新，推动技术进步和应用落地。然而，在金融业务中，对场景的理解可能不如金融机构和金融科技公司，在将技术应用到具体业务场景时可能面临整合和适配的挑战。

从恒生研究院的研究来看，无论是通用的基础大模型，还是针对金融行业训练的行业大模型，大模型本身的能力都已经跨越了“好用”的临界点。大多数金融机构都会选择与人工智能提供商合作。摩根大通、摩根士丹利、贝莱德、城堡证券、穆迪等海外机构与谷歌合作等；招商证券、中金理财等境内机构。同易钱文、国泰君安、步星、北京银行、华泰证券、火山引擎等合作。

刘树峰表示，由于基础大模型每3.3个月迭代一次，其性能不断提升。相比之下，金融行业垂直大模型的迭代速度明显落后于基础大模型。因此，垂直领域预训练和微调的需求逐渐减少。此外，金融机构如果从基础培训开始，将需要投入巨大的成本，包括计算资源、数据资源和人力资源。据了解，国内大型基础模型供应商的算力成本每年超过10亿元。因此，他预测，金融行业的大模型，甚至大部分行业的垂直大模型，可能会逐渐被功能更全面的基础大模型所取代。金融机构的重点可能会从大行业模型转向关系RAG（检索增强生成技术）、智能代理的发展以及服务门户的转型。

未来颠覆性的原生应用有望诞生

《观察》显示，目前，大模型在券商、银行、私募基金等金融领域的应用已进入实质性部署阶段。从金融机构的实践来看，大模式降本增效的能力已经过了可行性论证阶段，特别是在运营和中后端业务处理方面，将进入实质性发展阶段。在深度决策方面，大型金融模型构建小型模型和关键数据集，用于风险管理、投资决策等领域的辅助建模。

《观察》显示，基于对话的人机交互有望成为连接用户和金融服务的新入口。这不仅将大大简化服务获取流程、提升用户体验，还将促进个性化服务的发展，使金融机构能够更精准地满足客户需求。在通用领域，无论是国外（聊天生成预训练的改造模型）还是国内的豆宝，都已经形成了巨大流量的新入口。在金融领域，新的进入效应是否会首先由互联网平台、金融机构APP或其他新兴的人工智能金融创新平台形成，还有待观察。

刘树峰表示，在通用领域，AI等基于人工智能的原生应用已经成为国际市场的典型代表。与此同时，国内市场的豆宝、Kimi（天元二手材推出的大型机型）等产品也迅速崛起，吸引了众多用户，重新定义了信息检索和知识获取的方式，开辟了新的信息检索和知识获取方式。交通出入口。但在金融领域，目前还没有一款原生应用能够对用户交互产生显着的流量影响，也没有一款“杀手级”人工智能应用能够彻底颠覆现有商业模式、引领行业变革。未来两到三年，大规模模型在各行业的影响力，包括在金融领域是否会出现有影响力的原生应用，将成为值得关注的重要问题。