來源：@華夏時報微博

華夏時報記者 馮櫻子 北京報道

12月6日，由華夏時報主辦，對外經(jīng)濟(jì)貿(mào)易大學(xué)中國金融交易研究中心、華夏時報金融思想薈和華夏時報金融研究院聯(lián)合提供智力支持的2024（第十八屆）華夏機(jī)構(gòu)投資者年會在北京成功舉辦。本屆年會聚焦新質(zhì)生產(chǎn)力，以“向‘新’而行，探尋發(fā)展之‘質(zhì)’”為主題，匯聚業(yè)內(nèi)享有盛譽(yù)的專家、學(xué)者及金融機(jī)構(gòu)高管，凝聚共識，貢獻(xiàn)智慧，推動行業(yè)以“質(zhì)”致遠(yuǎn)。

會上，中金公司研究部執(zhí)行總經(jīng)理姚澤宇發(fā)布《大模型在金融領(lǐng)域價值創(chuàng)造研究報告》并表示，當(dāng)前AI大模型在金融行業(yè)主要應(yīng)用于業(yè)務(wù)場景簡單的非決策類環(huán)節(jié)，在支付、信貸、保險、財富管理、資產(chǎn)管理等場景都有應(yīng)用落地。

科技公司與金融企業(yè)在數(shù)字金融時代形成競合關(guān)系。未來與金融機(jī)構(gòu)合作開發(fā)大模型的服務(wù)商，一定程度上將成為整個金融行業(yè)新的基礎(chǔ)設(shè)施，成為新型具有系統(tǒng)重要性的金融基礎(chǔ)設(shè)施。

AI大模型在金融行業(yè)應(yīng)用于非決策類環(huán)節(jié)

過去這幾年，大模型在金融領(lǐng)域的落地如雨后春筍般出現(xiàn)，英偉達(dá)曾調(diào)研全球400家大型金融機(jī)構(gòu)，其中超過40%的機(jī)構(gòu)已經(jīng)在使用大模型，主要用在報告的生成、客戶體驗、數(shù)據(jù)生成、自身營銷等方面。

大模型的出現(xiàn)給AI與金融的結(jié)合提供更大的想象空間。麥肯錫測算認(rèn)為，AI大模型有望對金融行業(yè)每年帶來2500億-4100億美元的增量價值，約9%——15%的營業(yè)利潤增量。

整體來說，當(dāng)前AI大模型在金融行業(yè)主要應(yīng)用于業(yè)務(wù)場景簡單的非決策類環(huán)節(jié)，在支付、信貸、保險、財富管理、資產(chǎn)管理等場景都有應(yīng)用落地，主要賦能是對客服務(wù)、數(shù)據(jù)挖掘、業(yè)務(wù)助手等環(huán)節(jié)。

但對于金融領(lǐng)域?qū)I(yè)能力要求比較高，涉及提供比較強(qiáng)的金融決策建議，需要承擔(dān)很核心的分析決策環(huán)節(jié)，大模型依然面臨一些約束和挑戰(zhàn)。

由于金融服務(wù)存在時效性強(qiáng)、精準(zhǔn)度高、專業(yè)壁壘高等特點，當(dāng)前大模型在金融領(lǐng)域有專業(yè)上的短板，難以理清復(fù)雜的金融邏輯，將大模型直接用于相關(guān)專業(yè)任務(wù)時，效果上會低于預(yù)期。

目前，大模型應(yīng)用更多是利用它泛化的能力，賦能基礎(chǔ)業(yè)務(wù)環(huán)節(jié)和通用場景，例如信息整理、內(nèi)容生成等。

在提供金融服務(wù)方面，大模型已經(jīng)能夠勝任常規(guī)的基礎(chǔ)金融對話，比如金融資訊、業(yè)務(wù)辦理等，但是在涉及專業(yè)度比較高、個性化相對強(qiáng)等復(fù)雜業(yè)務(wù)時，還難以完全勝任。更多需要人工介入，大模型輔助人工來滿足對于服務(wù)質(zhì)量和合規(guī)的要求。

除了在金融專長有待于進(jìn)一步提升之外，大模型面臨著生成內(nèi)容不可控等問題。應(yīng)用大模型進(jìn)行決策判斷的可及性較低。此外，傳統(tǒng)判別式AI在金融很多分析決策場景里已經(jīng)得到了廣泛的普及和應(yīng)用的成熟，例如大模型風(fēng)控。大模型替代傳統(tǒng)判別式AI的意義并不大。

AI大模型推動金融業(yè)競爭格局分化

從未來的趨勢來說，未來將是大小模型協(xié)同、Co-pilot嵌入更多場景、AI Agent重塑展業(yè)模式。

雖然大模型存在專業(yè)能力的有限、生成結(jié)果不可控、算法可解釋性較差等階段性問題，在合規(guī)性和適當(dāng)性方面缺少一定保障，但伴隨著技術(shù)的進(jìn)步，它能夠帶動大模型能力邊界提升，以及出現(xiàn)一些新的解決方案來減少大模型的短板。大模型賦能金融行業(yè)的空間也能進(jìn)一步打開。

未來，大模型與小模型將協(xié)同互補(bǔ)，賦能更多金融業(yè)務(wù)場景。其中大模型主要優(yōu)勢在于語義理解、信息歸納、內(nèi)容生成；小模型（傳統(tǒng)判別式AI）主要優(yōu)勢在于輸出結(jié)果可控、穩(wěn)定、精確度高。小模型被大模型調(diào)用、提升輸出內(nèi)容專業(yè)度和精確度

同時伴隨大模型能力的增強(qiáng)，Co-pilot的價值創(chuàng)造空間進(jìn)一步打開，將賦能更多金融場景和業(yè)務(wù)流程，提升金融從業(yè)者服務(wù)半徑和展業(yè)質(zhì)效，從簡單的協(xié)助搜集處理呈現(xiàn)信息，逐漸延伸到輔助更多核心分析決策場景，例如生成一些具有一定的業(yè)務(wù)價值，可供專業(yè)人員參考的決策建議。

此外，未來金融機(jī)構(gòu)也可能基于大模型發(fā)展AI Agent，進(jìn)一步簡化重塑展業(yè)模式。對內(nèi)，AI Agent理解任務(wù)需求、拆解任務(wù)環(huán)節(jié)、統(tǒng)籌調(diào)度各方資源；對外，AI Agent升級用戶交互體驗，提供更加定制化的金融服務(wù)。

從賦能空間角度來說，財富管理、資產(chǎn)管理或是大模型在金融行業(yè)賦能空間最大的領(lǐng)域，保險、信貸領(lǐng)域存在一定的賦能空間，而對于支付業(yè)務(wù)的賦能空間相對較小。

具體來看，例如在需求側(cè)，財富管理、資產(chǎn)管理領(lǐng)域，信息不對稱程度比較高，決策流程往往更長。大模型通過賦能金融服務(wù)的交互，投資者教育的環(huán)節(jié)，能提升投資者信息搜集、分析能力、金融認(rèn)知的水平。幫助降低信息不對稱，提升投資者決策的質(zhì)量。

在渠道側(cè)，財富管理和資產(chǎn)管理服務(wù)周期比較長，服務(wù)頻率相對較高，供需雙端匹配的效率較低，大模型能夠賦能營銷獲客、客戶運(yùn)營、產(chǎn)品推薦等環(huán)節(jié)，使渠道側(cè)的展業(yè)人員能夠更高效提供更加有溫度的客戶陪伴和更專業(yè)的金融服務(wù)。

財富管理、資產(chǎn)管理領(lǐng)域分析決策有很多主觀判斷，產(chǎn)品服務(wù)提供的質(zhì)量本身不確定性比較高。大模型能夠賦能專業(yè)人員擴(kuò)大信息搜集半徑，提升專業(yè)分析決策效率，從而為客戶提供相對質(zhì)量更高的金融產(chǎn)品和服務(wù)。

從業(yè)務(wù)環(huán)節(jié)來看，大模型在財富管理、資產(chǎn)管理業(yè)務(wù)的營銷獲客，客戶運(yùn)營、產(chǎn)品推介，投資投研這四個環(huán)節(jié)，都有更大的應(yīng)用空間。

從潛在業(yè)務(wù)增量來看，目前財富、資管仍然存在用戶滲透率相對較低，投資者體驗相對較差，投資者回報不理想等問題，大模型能夠幫助提升獲客的轉(zhuǎn)化率，客戶的留存率，客戶的滿意度等方面。

從應(yīng)用落地的空間來說，相較于風(fēng)控、交易、IT這些中后臺的支持賦能環(huán)節(jié)，對于財富管理資管機(jī)構(gòu)來說，他們在營銷獲客、在客戶運(yùn)營陪伴、產(chǎn)品的推介、投資投研四個環(huán)節(jié)里，痛點相對更加顯著，大模型能解決這些痛點就意味著能創(chuàng)造更多價值和增量。

姚澤宇提到，科技公司難以取代金融機(jī)構(gòu)，兩者更多是在數(shù)字金融時代形成了競合關(guān)系。同時在規(guī)模效應(yīng)之下，未來與金融機(jī)構(gòu)合作開發(fā)大模型的服務(wù)商，可能會集中在少數(shù)技術(shù)領(lǐng)先的科技公司手上，使得這些科技公司、大模型廠商，就像云廠商一樣在一定程度上成為整個金融行業(yè)新的基礎(chǔ)設(shè)施，成為新型具有系統(tǒng)重要性的金融基礎(chǔ)設(shè)施。

姚澤宇表示，之所以說科技公司和持牌機(jī)構(gòu)之間是競合關(guān)系而非簡單的替代，主要是因為金融行業(yè)強(qiáng)監(jiān)管屬性和高專業(yè)壁壘，且對于金融信息的時效性、金融數(shù)據(jù)質(zhì)量要求比較高。

未來產(chǎn)業(yè)格局，既有“馬太效應(yīng)”的加劇分化，又有“乘數(shù)效應(yīng)”的重新洗牌。頭部金融機(jī)構(gòu)的預(yù)算相對更足，有更多的業(yè)務(wù)規(guī)模優(yōu)勢，掌握更多主動權(quán)，相比之下中小機(jī)構(gòu)有種種方面的劣勢，所以頭部機(jī)構(gòu)的領(lǐng)先優(yōu)勢會進(jìn)一步擴(kuò)大。資金體量、業(yè)務(wù)體量、金融能力，是相乘的關(guān)系，企業(yè)必須每一個長板都足夠長。

行業(yè)應(yīng)未雨綢繆、加強(qiáng)協(xié)作

未來，在加強(qiáng)各方協(xié)作方面，姚澤宇提到，頭部機(jī)構(gòu)應(yīng)發(fā)揮“頭雁作用”，共建共享金融大模型、行業(yè)數(shù)據(jù)庫、算力資源池，降低中小機(jī)構(gòu)部署大模型的成本門檻。明確行業(yè)數(shù)據(jù)、算法共享開放標(biāo)準(zhǔn)和激勵機(jī)制等。

探索分級分類監(jiān)管方面，基于不同金融場景、業(yè)務(wù)流程的風(fēng)險特征，分門別類設(shè)定大模型應(yīng)用的準(zhǔn)入標(biāo)準(zhǔn)和監(jiān)管制度針對向金融機(jī)構(gòu)提供大模型服務(wù)的第三方供應(yīng)商，完善其備案制度、風(fēng)險評估機(jī)制、內(nèi)控運(yùn)營要求，未來或可進(jìn)一步對其設(shè)立持牌準(zhǔn)入門檻。

同時，發(fā)展風(fēng)控技術(shù)，探索調(diào)用外部專業(yè)數(shù)據(jù)庫等知識增強(qiáng)工具，提升大模型的輸出內(nèi)容精確度、專業(yè)度完善大模型內(nèi)容輸出過程中的過濾標(biāo)準(zhǔn)，提升實時風(fēng)控監(jiān)測能力積累差異化、高質(zhì)量金融專業(yè)數(shù)據(jù)庫，加大模型調(diào)優(yōu)、反饋階段投入，提升模型價值對齊程度，防范算法歧視風(fēng)險發(fā)展多樣化的算法架構(gòu)和模型應(yīng)用，防范算法趨同風(fēng)險。

此外，完善內(nèi)部風(fēng)控制度。金融機(jī)構(gòu)及第三方技術(shù)服務(wù)商或可針對性地設(shè)立完善大模型相關(guān)的內(nèi)部風(fēng)控及合規(guī)管理機(jī)制頭部機(jī)構(gòu)亦可對外輸出風(fēng)險管理經(jīng)驗及技術(shù)解決方案，構(gòu)建行業(yè)自律標(biāo)準(zhǔn)，賦能中小金融機(jī)構(gòu)提升風(fēng)控水平。

責(zé)任編輯：孟俊蓮 主編：張志偉