2023金融业大模型应用报告

破除虚妄务实求效 中国银保传媒股份有限公司&腾讯研究院2023年11月 序言破除虚妄，务实求效：2023金融业大模型应用报告 黄艾舟 柳晓光 杜增良 胡利明 司晓 腾讯云副总裁 中国银保传媒党委委员、总经理 毕马威企业咨询金融科技主管合伙人 毕马威企业咨询金融数字化转型咨询主管合伙人 腾讯研究院院长 近一年金融业对于大模型的探索和运用日益增多，我们感受到行业对于新技术学习和应用的强烈需求。期待通过本报告的发布，催化“科技+金融+产业”有机融合，营造理性的技术创新应用氛围，助力产业链价值跃迁。 伴随着金融机构数字化体系的演进，金融业数智建设正从“立柱架梁”逐步迈进“积厚成势”。面对以大模型为代表的新兴技术的颠覆式冲击，应理性剖析大模型技术态势，聚焦应用场景，夯实支撑保障体系，探明发展路径，构建安全高效、价值跃迁的金融运营新生态。 大模型能力正逐步渗透至各行各业，催生新一轮创新浪潮和行业变革。在金融领域，行业大模型为金融市场带来了前所未有的机遇，从精准营销、客户服务、代码生成等多个场景，助力金融机构在服务和管理方面实现“效率革命”。展望未来，我们期待金融行业加速迈向AI驱动提质增效的新阶段。 数字经济的蓬勃兴起为金融创新发展构筑广阔舞台，大模型的涌现促使金融科技行业范式变革。在风险防控的前提下，坚持以金融科技支撑金融本质，以审慎包容的心态探索大模型注入金融科技的新能力、新场景与新模式，金融科技必将朝着更加开放、创新、可持续的方向发展。 以大模型为代表的新一代人工智能技术，正在加速改变人们的生活方式，助力千行百业；在金融行业，借助领先的数字化基础，云基础架构和AI的深度结合，大模型的应用将比其他行业更加超前，更快速更深刻的重塑金融服务的体验，提升服务效率，洞悉市场和风险；相信在业界共同的探索创新之下，金融大模型高质量高价值的应用将不断涌现。 引言破除虚妄，务实求效：2023金融业大模型应用报告 行业亟待破局 技术培育 基于大模型的金融场景多在试验性探索和点状尝试，金融产业链尚未形成基于大模型的体系化应用共识和领先范式，尚未形成标准化的应用演进模式与明晰的场景ROI判断框架 本报告将结合腾讯研究院、银保传媒与毕马威在基础大模型的沉淀与洞察、在银行、券商、资管等数字化转型与落地的深度积累，破除虚妄，力求客观、准确地反映相关趋势，以务实求效的核心基准探明金融业大模型的应用场景。 01全球大模型发展趋势研判——02破除虚妄：大模型在金融业的场景落地边界——03务实求效：大模型在金融业的价值与应用——04总结与展望——05页10页19页29页 01全球大模型发展趋势研判 大模型技术发展态势1全球大模型发展趋势研判 第四波AI浪潮核心驱动 近年来，通过在大规模语料库上对Transformer模型进行预训练，研究者们提出了在自然语言处理（NLP）任务中表现突出的预训练语言模型（PLM），并发现随着参数规模的扩大，模型会进化出上下文学习等新型特殊能力，为区分不同参数规模下的语言模型，大语言模型应运而生。 语料库预训练 “百行千模“ 范式变革 大模型能力催生场景变革 通过共性学习进行预训练提升模型水平，结合特性学习适配场景特性，并以“大模型+工具平台+生态”的协同模式完成应用场景的落地。 多模态模型提升决策与生成内容的精准性 多模态模型可以同时处理包括声音、文本、图像、信号、视频等在内的信息，处理内容更加多元，综合性决策与内容生成更加精准 国内外政策环境现状1全球大模型发展趋势研判 从2020年开始，美国、欧洲和中国先后出台面向AI的监管政策，对泛AI应用提出了安全性、透明度、可解释性等方面的要求，人工智能步入监管时代。 2023年，随着生成式AI应用的指数级爆发，全民AI的普及，中国率先发布了针对生成式AI的监管政策： 美国：《人工智能应用监管指南》，2020年1月欧盟：《人工智能白皮书》，2020年2月 1.《互联网信息服务深度合成管理规定》正式将生成式AI纳入我国的监管范围，要求生成式AI服务提供者应当采取技术或者人工方式对输入数据和合成结果进行审核，并在合理、显著的位置向公众提供深度合成的情况。2.《生成式人工智能服务管理暂行办法》标志着我国对生成式AI的治理监管进入体系化阶段，《办法》明确了对生成式AI实行分类分级监管的基调，涵盖从模型训练、应用运行到模型优化的全生命周期，并规定了服务开发者、提供者的算法备案义务，未来，算法安全监测、数据安全管理、个人数据保护将成为AIGC开发和使用过程中的合规要项。 中国：《新一代人工智能伦理规范》，2021年9月中国：《互联网信息服务算法推荐管理规定》，2022年3月 美国：《人工智能风险管理框架》，2023年1月中国：《互联网信息服务深度合成管理规定》，2023年1月 欧盟：《人工智能法案》，2023年6月中国：《生成式人工智能服务管理暂行办法》，2023年7月 •《数据保护法》（2021年6月）：加强对消费者数据的保护，并对处理消费者数据的实体提出新的要求。处理消费者数据的实体将被要求制定和实施保护个人数据的安全计划，收集数据需要消费者同意，消费者有权访问、更正和删除其个人数据。•《金融数据透明度法案》（2022年12月）：要求联邦金融监管机构在格式、可搜索性和透明度方面采用特定的数据标准，以进一步推动监管技术和人工智能应用的发展。 7-此处政策为典型示例，未全部列示 AI的第四波浪潮所带来的颠覆式创新1全球大模型发展趋势研判 “为什么市场上出现了各类大模型公司，以往的AI方案都会说成基于大模型的更新/升级，为什么第四波浪潮为全自动智能化。”! “某商业银行想要升级渠道交互能力，沟通过程中发现90%的方案都是基于大模型，各类方案都在强调大模型或生成式人工智能的优势” 为什么是大模型？-第四波浪潮的颠覆式创新 *离不开算力、数据规模的增长 大模型的涌现能力 人工智能产业化新范式 大模型的涌现能力，即当规模达到一定水平时，性能显著提高，超出随机水平，定义为“在小型模型中不存在但在大型模型中产生的能力” 开发范式的转变与大模型的能力带来AI产业化新范式，解决AI应用长尾问题 逐步推理 通过使用自然语言描述的混合多任务数据集进行微调，能够在没有使用显式示例的情况下遵循新的任务指令，具有更好的泛化能力； 假设已经为语言模型提供了一个自然语言指令和/或几个任务演示，它可以通过完成输入文本的单词序列的方式来为测试实例生成预期的输出，而无需额外的训练或梯度更新； 对于小型语言模型而言，通常很难解决涉及多个推理步骤的复杂任务。通过使用思维链提示策略，大模型可以利用包含中间推理步骤的提示机制来解决这类任务，从而得出最终答案。 应用能力与方向演进趋势1全球大模型发展趋势研判 02破除虚妄：大模型在金融业的场景落地边界 当大模型与金融业相结合，有三个核心问题亟需解答2破除虚妄：大模型在金融业的场景边界 如何判断所建场景应当使用哪类大模型？1 明晰大模型选用的判定方向 基于大模型的能力视角，其在金融业的赋能点是哪些？2 厘清大模型赋能应用场景方向 大模型在金融业落地的支撑保障是什么？ 正确认识大模型落地的全要素 ①大模型选用的判定方向-大模型的定位与核心特性2破除虚妄：大模型在金融业的场景边界 以基础大模型作为技术基座，通过行业大模型满足场景特定需求，推动大模型与行业应用融合。 ①大模型选用的判定方向-大模型的场景适配2破除虚妄：大模型在金融业的场景边界 选择合适的解决方案迎合自身的管理与业务需求，以落地效能清晰界定场景使用模型：大模型将能够通过非常快速的扩展、微调，以及精准定位，颠覆包括营销、风控、内容创作、资管、培训、客户服务、电商、广告、社交媒体、搜索引擎等在内的众多场景。 这些领域的每一个应用程序都将被重新设计和改写，形成不同的界面（如对话式）和商业模式（如极致千人千面的精准营销）。 行业大模型：可控性、ROI 基础大模型：创造性、体验式 行业大模型主要面向垂直特定领域的专业场景，容错性相对较低，且追求合理的ROI，以B端的企业服务为主 基础大模型主要面向泛知识、泛领域的通识场景，追求交互体验，当前以C端的内容消费为主， 可助力企业以合理成本训练场景模型，并推演具有高商业价值场景应用的平台或服务 场景特征：一定条件下的自动化、智能化服务 场景特征：多模态内容自动生成 基于数据的智能决策 报表自动生成 自动链接业务流程 策略智能生成 商业规划、决策优化 … … ②大模型赋能应用场景方向2破除虚妄：大模型在金融业的场景边界 大模型将基于原生场景，以不同的技术路径优化或变革业务逻辑，以多种方式融入并带来功能升级和业态变革。 丰富内涵：丰富企业传统场景的业务内容 受制于原有技术条件，企业的数字化建设只能作用于特定业务场景的流程管理，无法深入到执行环节，但大模型的加持使得在具体业务执行环节中辅助或者代替员工工作成为可能，将延伸业务边界，丰富场景内容。 旧场景升级 能力提升：强化原有AI场景的效能及形式 与原有AI算法进行融合，在机器学习的任务中引入大模型的涌现、逻辑推理和多模抽取提炼能力，以获得更好的任务表现，如搜索引擎优化、个性化推荐等。两类AI技术虽存在技术路径差异，但能够在细分任务上做拆解，进行细颗粒度的技术共生。 技术底座：以大模型重构企业级智能架构基座 目前，生成式AI场景主要指以自然语言处理、语音技术、图片解析为核心的对话机器人、数字人等场景，而大模型的出现，意味着技术路径转换和技术能力的增强，大模型可在部分场景和任务中替换原有小模型底座，如对话、抽取、内容理解等，同时也能够基于大模型开发新的场景。 新场景变革 大模型在部分场景替换小模型： 小模型支持业务场景： ②创新能力的场景泛化-旧场景的升级2破除虚妄：大模型在金融业的场景边界 金融行业的数字化程度在全行业中相对领先，拥有高价值的领域数据资产，是大模型率先落地的垂直领域之一。大模型将依托其多种能力为金融行业带来原有业务场景的升级，持续丰富业务内涵，提升现有数字化基础的效能与形式体验： 以开/闭卷问答能力为核心 数字人：“大模型+数字人”的服务用户形态极大概率成为金融服务的主流方式，以期通过其提供的7×24小时智能自助服务拓展营销与服务渠道，使得用户获取金融服务入口发生潜在迁移和变化。 智能外呼：基于大模型打造智能聊天机器人，可在线上渠道通过文字交流辅助客户咨询或办理业务，大模型的引用使得文字与语音更加“人性化”，增强共情能力与理解能力，进一步链接客户。场景举例：在信贷流程中，依托AI信贷员和用户交谈以收集高效材料 场景举例：金融企业内部服务的“数字员工”，服务客户的“数字客服” 以数学推理能力为核心 风险管理：基于大模型多模态解析能力，全面释放金融结构化和非结构化数据资产价值，在以往“经验规则+统计/机器学习模型”的基础上引入多模态计算能力，更好的识别风险、预警风险与控制风险。 投资决策：依托于大模型的数学推理能力，赋予原先以计算为核心的投决模型更加丰富的多维参考信息和更加动态的衡量标准，全面提升模型的决策能力，让模型能够输出更加详尽的决策过程而不只是答案。 场景举例：审查客户风险时，基于客户的结构化数据、可利用的图片数据、相关舆论信息进行综合解析与建模判断 场景举例：交易决策建议，固定资产投资建议等 以文本生成能力为核心 行业研究：基于大模型的知识推理能力，让原先的行业研究模型具备理解分析图表、舆情、往年数据等更广范围信息的能力，得出更加可靠的行业研究结论，提升行研报告的均质化水平。 智能合约：引入规则信息和利益导向，基于大模型起草或审查合同条款审查合同，快速甄别潜在的利益冲突条款，并加快合同流程，有助于规避潜在风险、提升合同撰写的均质化水平。 场景举例：投资、基金、券商行业研究报告智能化撰写 场景举例：自动生成金融