大模型技术在金融业的应用：从焦虑到理性

ChatGPT的出现引发了金融业的广泛关注。起初，行业内部充满焦虑，担心落后于技术潮流。随着时间推移，这种焦虑逐渐平息，取而代之的是更加理性和清晰的思考。

金融机构对大模型的态度经历了几个阶段:初期的焦虑和担忧、积极组建团队探索、遇到落地困难后的理性思考，以及目前的有选择性试用。值得注意的是，不少金融机构已将大模型纳入战略层面。多家上市银行在最新半年报中明确提出正在探索大模型应用。

随着对大模型的理解加深，金融机构的关注点从单纯建设模型转向了应用价值。大型金融机构倾向于自建企业大模型，而中小机构则更多考虑引入现有服务。

在落地过程中，金融机构面临算力、数据治理等挑战。一些机构采取自建算力、混合部署等方式解决算力问题。同时，数据治理也得到加强，如构建数据中台和采用MLOps模式等。

目前，大模型在金融业的应用主要集中在智慧办公、智能开发、客服等外围场景。业内普遍认为，短期内不宜将大模型直接用于面向客户的核心业务。代码助手、文档问答等应用已在多家机构落地，但距离深入业务层面还有一定距离。

从顶层设计来看，一些金融机构正在基于大模型重构系统架构，采用分层模式和多模型策略。这种新架构强调大模型的中枢作用，同时兼顾传统模型的价值。

大模型的应用也给金融行业带来人才挑战。一方面，某些岗位面临被替代的风险；另一方面，大模型相关人才缺口巨大。一些机构已开始采取行动，如设计培训课程、组建联合项目组等，以提升现有人员能力。

总的来说，大模型技术在金融业的应用正从初期的盲目热情转向理性探索。金融机构需要在保证安全性和合规性的前提下，逐步将大模型融入业务流程，同时培养相关人才，以适应这一技术带来的变革。