中国金融大模型发展白皮书

核心观点

• AI大模型成为新质生产力的重要组成部分，国内外科技公司正加速布局。
• 金融行业AI大模型的研发投入和应用较为显著，且具有一定的应用特殊性和应用挑战。
• 金融行业对数据质量、推理准确性及响应速度，以及在管控、合规、安全层面的要求更高。
• 生成式AI的行业应用循序渐进，从内部辅助运营到外部对客提效，从业务边缘到核心。
• 未来GenAI投资将平均分配在生产力提升应用场景、跨行业水平职能应用场景、以及垂直行业专属应用场景上。

关键数据

• 2023年，中国金融行业AI and Generative AI投资规模达到XX亿元，到2024年将达到XX亿元，增幅达到XX%。
• 全球已有XX%的企业在生产环境中引入了几个GenAI增强的应用，并专注于扩展；中国的这一比例仅为XX%，但中国开始投资或做POC测试的企业达XX%。
• 未来6个月内，金融机构主要的落地场景包括支付清算、智能投研、内部研发（代码生成、测试等）、数据分析（报表生成与分析、数据建模、数据决策等）、欺诈/洗钱/威胁监测、资产管理（资产尽调、资产评估及定价等）。

研究结论

• 金融行业生成式AI应用场景的落地可以从场景应用评估与选择、面向场景的工程化落地分步推进。
• 金融机构应根据自身战略目标、业务需求、技术能力、资源禀赋、风险偏好选择大模型应用路径。
• 金融机构落地大模型的过程中，需要综合考虑数据价值链管理、模型的选择与部署、AI平台搭建、以及AI治理等要素。
• 多模态技术、AI智能体、通过大小模型协同应用和构建大模型生态资源共享平台是金融机构落地大模型的主要趋势。
• 随着大模型在预训练及推理过程中算力成本的降低以及模型性能的提升，其在管理和业务决策类场景中也将发挥出更大的应用价值。