大模型技術在金融業的應用：從焦慮到理性

ChatGPT的出現引發了金融業的廣泛關注。起初，行業內部充滿焦慮，擔心落後於技術潮流。隨着時間推移，這種焦慮逐漸平息，取而代之的是更加理性和清晰的思考。

金融機構對大模型的態度經歷了幾個階段:初期的焦慮和擔憂、積極組建團隊探索、遇到落地困難後的理性思考，以及目前的有選擇性試用。值得注意的是，不少金融機構已將大模型納入戰略層面。多家上市銀行在最新半年報中明確提出正在探索大模型應用。

隨着對大模型的理解加深，金融機構的關注點從單純建設模型轉向了應用價值。大型金融機構傾向於自建企業大模型，而中小機構則更多考慮引入現有服務。

在落地過程中，金融機構面臨算力、數據治理等挑戰。一些機構採取自建算力、混合部署等方式解決算力問題。同時，數據治理也得到加強，如構建數據中臺和採用MLOps模式等。

目前，大模型在金融業的應用主要集中在智慧辦公、智能開發、客服等外圍場景。業內普遍認爲，短期內不宜將大模型直接用於面向客戶的核心業務。代碼助手、文檔問答等應用已在多家機構落地，但距離深入業務層面還有一定距離。

從頂層設計來看，一些金融機構正在基於大模型重構系統架構，採用分層模式和多模型策略。這種新架構強調大模型的中樞作用，同時兼顧傳統模型的價值。

大模型的應用也給金融行業帶來人才挑戰。一方面，某些崗位面臨被替代的風險；另一方面，大模型相關人才缺口巨大。一些機構已開始採取行動，如設計培訓課程、組建聯合項目組等，以提升現有人員能力。

總的來說，大模型技術在金融業的應用正從初期的盲目熱情轉向理性探索。金融機構需要在保證安全性和合規性的前提下，逐步將大模型融入業務流程，同時培養相關人才，以適應這一技術帶來的變革。