本文來自微信公眾號(hào)“數(shù)據(jù)猿”，【作者】晴天。
大模型的橫空出世，給各行各業(yè)都帶來了震撼式的變化。就業(yè)環(huán)境是不是要變天了？模型開發(fā)是不是要天翻地覆了？作為數(shù)字化建設(shè)的排頭兵，金融行業(yè)以其海量的數(shù)據(jù)源、標(biāo)準(zhǔn)化的信息基礎(chǔ)建設(shè)以及領(lǐng)先的科技能力一直獨(dú)占鰲頭，這一次大模型的出世，是否意味著金融行業(yè)也將率先試水，積極落地？答案是肯定的。
麥肯錫的研究報(bào)告顯示，應(yīng)用生成式AI大模型每年為企業(yè)端帶來的經(jīng)濟(jì)價(jià)值為2.6萬億-4.4萬億美元。其中，全球銀行業(yè)使用大模型可使其每年?duì)I業(yè)收入提高2.8%—4.7%，這一比例高于全球制造業(yè)、零售業(yè)、旅游業(yè)、運(yùn)輸業(yè)和物流業(yè)等所有其他行業(yè)。這一數(shù)字足以見得大模型在金融行業(yè)有著無窮的發(fā)展?jié)摿Α?/p>
然而，雖然數(shù)據(jù)足夠誘人，但是到了落地應(yīng)用這一實(shí)踐環(huán)節(jié)，層出不窮的難題還是讓各大金融機(jī)構(gòu)措手不及。有觀點(diǎn)認(rèn)為，大模型的問世或?qū)⒓觿⌒袠I(yè)“馬太效應(yīng)”催化加劇前后差距。
也有分析給出了截然相反的觀點(diǎn)，認(rèn)為大模型的存在更是為頭部金融機(jī)構(gòu)“彎道超車”帶來了前所未有的機(jī)遇和可能性，而小機(jī)構(gòu)的大模型機(jī)遇卻尚未可知。無論如何，屬于金融業(yè)的大模型時(shí)代已經(jīng)到來！
大模型在金融圈快速落地生根
要想看看大模型在金融圈究竟有多大的影響力，首先我們來看兩組數(shù)據(jù)。第一組：據(jù)智研瞻統(tǒng)計(jì)顯示，2019年中國金融大模型行業(yè)市場(chǎng)規(guī)模250.49億元，2024年Q1中國金融大模型行業(yè)市場(chǎng)規(guī)模90.82億元，同比增長(zhǎng)7.10%。第二組：據(jù)智研瞻預(yù)測(cè)，2024—2030年中國金融大模型行業(yè)市場(chǎng)規(guī)模增長(zhǎng)率在6.36%—7.10%，2030年中國金融大模型行業(yè)市場(chǎng)規(guī)模534.97億元，同比增長(zhǎng)6.94%。
規(guī)模的攀升是一個(gè)明顯指征，不得不說大模型已經(jīng)一夜之間在金融圈遍地開花。那么大模型到底如何在金融圈大展拳腳？以下我們就通過一些實(shí)際應(yīng)用案例來體會(huì)一下，大模型給金融圈帶來的變化。
先說一個(gè)銀行的典型場(chǎng)景人工坐席。在傳統(tǒng)銀行中，遠(yuǎn)程銀行的運(yùn)營團(tuán)隊(duì)往往擁有大量的人工座席，而這些人工座席往往又要面對(duì)超負(fù)荷的質(zhì)檢工作量，提效困難。大模型的出現(xiàn)，則重新定義了這個(gè)群體的作業(yè)和生產(chǎn)模式。
聯(lián)想集團(tuán)基于大模型的能力賦能全流程業(yè)務(wù)場(chǎng)景，讓人工座席增效顯著。在事前運(yùn)營階段，通過輔助知識(shí)維護(hù)，自動(dòng)生成問答式對(duì)話、相似問答等方法，可以迅速提升知識(shí)運(yùn)營的效率。在事中運(yùn)營階段，通過訴求了解、問題解答、工單記錄，可以分別實(shí)現(xiàn)訴求摘要、工單自動(dòng)填寫等功能，充分輔助了全流程，有效降低了座席通話時(shí)長(zhǎng)。在事后管理階段，借助大模型還可以實(shí)現(xiàn)對(duì)客服水平的精細(xì)化質(zhì)檢以及對(duì)工單的智能質(zhì)檢，充分起到了輔助業(yè)務(wù)運(yùn)營全流程的作用。
再說一個(gè)質(zhì)檢的場(chǎng)景。傳統(tǒng)小模型，在智能質(zhì)檢的進(jìn)程中，往往都有一些先天的局限性，比如質(zhì)檢項(xiàng)單一，無法匹配全渠道服務(wù)；準(zhǔn)確率低，難以應(yīng)對(duì)復(fù)雜流程和邏輯；漏檢風(fēng)險(xiǎn)大，人力難以將自然語言的表達(dá)方式全面擴(kuò)寫，導(dǎo)致漏檢；投入大、周期長(zhǎng)，傳統(tǒng)小模型智能質(zhì)檢需要人工對(duì)業(yè)務(wù)規(guī)則進(jìn)行全面梳理配置，耗時(shí)耗力。容聯(lián)云大模型產(chǎn)品負(fù)責(zé)人唐興才認(rèn)為，導(dǎo)致這些的原因第一是由于質(zhì)檢機(jī)器人沒有準(zhǔn)確理解對(duì)話內(nèi)容；第二是無法對(duì)全量會(huì)話進(jìn)行全局統(tǒng)計(jì)和深入解讀，比如結(jié)合上下文后判斷。
針對(duì)這些問題，容聯(lián)云將大小模型結(jié)合，創(chuàng)新打造大模型質(zhì)檢代理（容犀Quality Management Agent），對(duì)全量會(huì)話進(jìn)行“大模型語義質(zhì)檢+小模型規(guī)則質(zhì)檢”，真正實(shí)現(xiàn)效果與性能雙重保障，并結(jié)合多年的證券knowhow，推出“證券行業(yè)-大模型質(zhì)檢代理解決方案”。該大模型質(zhì)檢代理（QM Agent）熟練掌握證券專業(yè)術(shù)語，深入對(duì)網(wǎng)開單向見證人工回訪、常規(guī)存量客戶智能外呼回訪等業(yè)務(wù)場(chǎng)景，對(duì)服務(wù)記錄進(jìn)行全量智能質(zhì)檢，助力券商保障業(yè)務(wù)流程的合規(guī)性與高效性，提升服務(wù)質(zhì)量，優(yōu)化客戶體驗(yàn)。
在落地應(yīng)用中，容聯(lián)云與某券商的合作，對(duì)接券商智能外呼系統(tǒng)、回訪管理系統(tǒng)等業(yè)務(wù)系統(tǒng)、構(gòu)建客戶服務(wù)智能質(zhì)檢系統(tǒng)，對(duì)工作規(guī)范、服務(wù)意識(shí)及風(fēng)險(xiǎn)把控進(jìn)行全面質(zhì)檢，實(shí)現(xiàn)質(zhì)檢準(zhǔn)確率大于94%、漏判率小于3.5%。
下面再讓我們來看一個(gè)金融智能營銷的應(yīng)用案例。楓清科技（Fabarta）在與龍盈智達(dá)合作打造了基于圖智能和大模型的金融營銷平臺(tái)。通過圖算法和圖數(shù)據(jù)庫以及大模型的應(yīng)用，可以有效地發(fā)現(xiàn)潛在客戶之間的復(fù)雜關(guān)系和網(wǎng)絡(luò)，從而提供智能化的風(fēng)險(xiǎn)評(píng)估報(bào)告，幫助銀行更好地了解風(fēng)險(xiǎn)，減少不良貸款率，提高資產(chǎn)質(zhì)量。利用圖分析平臺(tái)，提供用戶友好的圖數(shù)據(jù)可視化工具，幫助更好地理解客戶信息以及風(fēng)險(xiǎn)情況，展示其實(shí)控人、集團(tuán)關(guān)系、交易鏈路等信息以及潛在風(fēng)險(xiǎn)，提供直觀的決策支持，并通過大模型智能生成風(fēng)險(xiǎn)分析報(bào)告。同時(shí)，注重合規(guī)性和數(shù)據(jù)隱私，幫助銀行提升營銷目標(biāo)用戶的挖掘以及風(fēng)險(xiǎn)識(shí)別，從而實(shí)現(xiàn)更好的業(yè)績(jī)表現(xiàn)與可持續(xù)盈利。
除了以上應(yīng)用，金融大模型還在智能投顧、保險(xiǎn)、個(gè)人信貸、用戶行為分析等眾多金融領(lǐng)域有廣泛的應(yīng)用。比如，智能投顧領(lǐng)域，Wealthfront和Betterment平臺(tái)，使用大模型來分析市場(chǎng)數(shù)據(jù)和用戶行為，根據(jù)用戶的風(fēng)險(xiǎn)偏好、投資目標(biāo)和市場(chǎng)情況，自動(dòng)調(diào)整投資組合，以達(dá)到最優(yōu)的資產(chǎn)配置；在保險(xiǎn)行業(yè)，Lemonade保險(xiǎn)公司利用大模型進(jìn)行風(fēng)險(xiǎn)評(píng)估和理賠處理，通過分析用戶的在線行為和社交媒體數(shù)據(jù)，提供個(gè)性化的保險(xiǎn)產(chǎn)品，并在理賠時(shí)使用人工智能技術(shù)來快速識(shí)別和處理合法的索賠請(qǐng)求，大大縮短了理賠時(shí)間等等。
這些案例充分展示了大模型如何在金融領(lǐng)域?qū)崿F(xiàn)創(chuàng)新，提高服務(wù)效率，降低成本，并為用戶帶來更加個(gè)性化和高質(zhì)量的金融體驗(yàn)。隨著技術(shù)的不斷進(jìn)步，我們可以預(yù)見大模型將在金融領(lǐng)域扮演越來越重要的角色。
大模型于金融業(yè)而言是挑戰(zhàn)更是機(jī)遇
怎么來準(zhǔn)確定義金融大模型是個(gè)非常好的問題。既不是通用大模型的拿來主義，也非通用大模型+金融場(chǎng)景的生硬加法。金融大模型更像是一場(chǎng)對(duì)金融行業(yè)的系統(tǒng)化重塑，重塑的范圍包括但不限于基礎(chǔ)設(shè)施、模型算法、業(yè)務(wù)流程、場(chǎng)景應(yīng)用等等。
據(jù)《2024年金融業(yè)生成式人工智能應(yīng)用報(bào)告》顯示，生成式AI正在席卷金融業(yè)，釋放新的生產(chǎn)力，賦能銀行數(shù)字化轉(zhuǎn)型，以前所未有的方式重塑全球金融業(yè)的格局。有望給金融業(yè)帶來3萬億規(guī)模的增量商業(yè)價(jià)值，并可能徹底改變交易的進(jìn)行、投資的管理和風(fēng)險(xiǎn)的評(píng)估方式。
然而，大模型能成為金融業(yè)的救命解藥嗎？大模型的出現(xiàn)，是否就意味著金融業(yè)可以搖身一變，加速直沖智能化巔峰？顯然，在光鮮亮麗的背后，大模型在金融業(yè)的發(fā)展也并未如預(yù)期中的一路坦途，伴隨著各種各樣的瓶頸挑戰(zhàn)，大模型在金融業(yè)的摸索試探也從未停止。
大模型本質(zhì)是一個(gè)海量參數(shù)的深度學(xué)習(xí)算法，受制于模型黑箱、計(jì)算復(fù)雜度高、可解釋性不足、推理結(jié)果不可預(yù)知等先天因素，大模型在金融業(yè)想要有更深入的發(fā)展要克服的障礙還有很多。
首先，金融大模型要解決的就是“黑箱”問題。金融大模型因其復(fù)雜的模型結(jié)構(gòu)以及海量的參數(shù)，使得模型的決策過程不透明，難以解釋。然而，在金融領(lǐng)域，模型的可解釋性卻恰恰尤為重要，因?yàn)楸O(jiān)管機(jī)構(gòu)和用戶都需要理解模型是如何做出決策的。提高模型的可解釋性，可以幫助建立用戶信任，同時(shí)滿足監(jiān)管和審計(jì)的雙重要求。那么，有沒有方法解決？
在面對(duì)“黑箱”難題時(shí)，楓清科技（Fabarta）給出了“一體兩翼”的解法。如何理解“一體兩翼”？簡(jiǎn)單來說，就是為了幫助企業(yè)降低模型幻覺、可解釋性差，提升推理能力而設(shè)計(jì)的產(chǎn)品矩陣。在引擎層，以Data-Centric AI為核心理念構(gòu)建的多模態(tài)智能引擎。支持圖、向量、表格、時(shí)序、JSON等多種數(shù)據(jù)模態(tài)的融合與處理，將傳統(tǒng)數(shù)據(jù)庫的“存儲(chǔ)&計(jì)算”架構(gòu)演進(jìn)為“記憶&推理”架構(gòu)，可以為AI智能應(yīng)用提供私有記憶和可解釋的精確推理;。在數(shù)據(jù)翼，通過智能化方式，通過元數(shù)據(jù)智能補(bǔ)齊、統(tǒng)一語義層等實(shí)現(xiàn)，做到AI落地的數(shù)據(jù)就緒；在智能翼，通過知識(shí)引擎和智能體引擎，助力企業(yè)場(chǎng)景落地。通過“一體兩翼”的產(chǎn)品矩陣，有效幫助企業(yè)減少幻覺、提升推理能力和可解釋性，并提供數(shù)據(jù)安全與數(shù)據(jù)時(shí)效性。為了讓用戶真正能夠信任大模型并且使用好大模型產(chǎn)品，可以通過幾個(gè)方面來消除用戶的顧慮。
針對(duì)幻覺問題，可以通過這幾種方式進(jìn)行緩解：可以利用外掛知識(shí)庫方式限定回答范圍，杜絕大模型“胡說八道”；也可以將確定的知識(shí)構(gòu)建圖譜，利用圖譜結(jié)合大模型進(jìn)行問題回答，通過確定性知識(shí)減少大模型回答的幻覺問題。
針對(duì)可解釋性，一方面可以進(jìn)行知識(shí)溯源，在進(jìn)行文本內(nèi)容生成時(shí)，針對(duì)生成的內(nèi)容用戶可直觀地看到回答來源，同時(shí)可以通過點(diǎn)擊角標(biāo)直接跳轉(zhuǎn)到對(duì)應(yīng)文檔中的具體段落，做到回答可追溯；同時(shí)可以將大模型思考過程展示給用戶，做到過程可解釋。
楓清科技（Fabarta）為企業(yè)提供基于知識(shí)引擎與大模型雙輪驅(qū)動(dòng)的智能體應(yīng)用支撐平臺(tái)，通過統(tǒng)一語義層，可以將企業(yè)的多模態(tài)數(shù)據(jù)轉(zhuǎn)化為大模型可理解的知識(shí)，存儲(chǔ)在圖和向量融合的多模態(tài)智能引擎中，結(jié)合Hybrid RAG能力，借助平臺(tái)的可擴(kuò)展能力（包括解析器自定義注冊(cè)、大模型和向量算法自定義注冊(cè)和使用、智能體工具以及自定義擴(kuò)展等），在生成式人工智能落地企業(yè)場(chǎng)景過程中，可以幫助企業(yè)有效地解決可解釋性差、推理能力弱的問題，減少大模型幻覺，提升企業(yè)對(duì)于時(shí)效性數(shù)據(jù)的使用，加速企業(yè)級(jí)大模型場(chǎng)景落地。
其次，如何在模型復(fù)雜度與操作便捷性之間尋找到合適的平衡點(diǎn)是金融領(lǐng)域一個(gè)復(fù)雜而關(guān)鍵的挑戰(zhàn)。隨著模型復(fù)雜度的增加，其性能可能會(huì)提高，但同時(shí)也可能導(dǎo)致操作難度增加，影響用戶體驗(yàn)。如何無法找到二者之間的合理平衡，那么不但金融大模型的優(yōu)勢(shì)無法發(fā)揮觸達(dá)，還會(huì)進(jìn)一步影響用戶體驗(yàn)以及最終決策。那么如何破圈？容聯(lián)云在這個(gè)問題下分四個(gè)維度，給予我們一個(gè)全新的思維鏈路。
第一，通過優(yōu)化模型性能，提升大模型的精確度和泛化能力以及部分場(chǎng)景結(jié)合小模型的高性能的優(yōu)勢(shì)。這一步有幾個(gè)關(guān)鍵點(diǎn)，尤為重要。
模型壓縮與量化。模型壓縮，剪枝去除不重要的連接或參數(shù)，降低模型復(fù)雜度和存儲(chǔ)需求，同時(shí)對(duì)性能影響較??；知識(shí)蒸餾將復(fù)雜模型的知識(shí)提取到較小的模型中，保持較高準(zhǔn)確性的同時(shí)減小模型規(guī)模，便于部署和應(yīng)用，適合對(duì)計(jì)算資源有限的金融場(chǎng)景。
算法優(yōu)化。緩存重用：在推理過程中，重復(fù)利用已經(jīng)計(jì)算過的中間結(jié)果，避免重復(fù)計(jì)算，提高效率；模型融合：將多個(gè)相關(guān)的小模型融合為一個(gè)大模型，減少模型切換和數(shù)據(jù)傳輸?shù)拈_銷。
降低模型計(jì)算成本。輕量化模型設(shè)計(jì)：采用模型剪枝、量化等技術(shù)，減少模型參數(shù)和計(jì)算量，提高推理速度。比如容聯(lián)云赤兔大模型提供了多種參數(shù)版本的選擇，可以在不同場(chǎng)景下使用；會(huì)話洞察、話術(shù)挖掘、質(zhì)檢等離線場(chǎng)景，可以很好地平衡算力消耗與效果的優(yōu)勢(shì)。分布式計(jì)算：利用高性能計(jì)算集群和分布式訓(xùn)練技術(shù)，加速模型訓(xùn)練過程。比如實(shí)時(shí)輔助、智能知識(shí)庫、智能問答等場(chǎng)景，后端結(jié)合了上面提到的緩存、分布式計(jì)算等能力，可以最大程度地優(yōu)化算力使用與用戶體驗(yàn)。
第二，用戶操作便捷性產(chǎn)品設(shè)計(jì)。首先是簡(jiǎn)化操作流程。設(shè)計(jì)簡(jiǎn)潔明了的用戶界面，減少用戶操作步驟和復(fù)雜度；通過智能助手或聊天機(jī)器人，為用戶提供操作指引和幫助。其次是提供個(gè)性化服務(wù)。利用大模型分析用戶行為和偏好，構(gòu)建精準(zhǔn)的用戶畫像，提供個(gè)性化的金融產(chǎn)品和服務(wù)；根據(jù)用戶畫像和實(shí)時(shí)市場(chǎng)情況，為用戶提供定制化的投資建議、風(fēng)險(xiǎn)評(píng)估等服務(wù)。
第三，數(shù)據(jù)質(zhì)量的不穩(wěn)定性。金融數(shù)據(jù)的準(zhǔn)確性直接影響大模型的預(yù)測(cè)能力。金融大模型依賴于高質(zhì)量的數(shù)據(jù)來進(jìn)行風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)。數(shù)據(jù)質(zhì)量的不穩(wěn)定、數(shù)據(jù)的不完整性、時(shí)效性不足或偏差都可能導(dǎo)致模型無法準(zhǔn)確捕捉風(fēng)險(xiǎn)因素，從而影響決策的準(zhǔn)確性。同時(shí)，數(shù)據(jù)質(zhì)量還直接關(guān)系到模型訓(xùn)練的效果。不穩(wěn)定的數(shù)據(jù)可能導(dǎo)致模型過度擬合或欠擬合，影響模型的泛化能力。要想從根本上解決數(shù)據(jù)質(zhì)量的問題，金融機(jī)構(gòu)還需要通過建立和完善數(shù)據(jù)治理框架，確保數(shù)據(jù)的準(zhǔn)確性、完整性和一致性，并投入更多的資源來確保數(shù)據(jù)的清洗、驗(yàn)證和更新，以維持模型的準(zhǔn)確性和可靠性。
第四，老生常談的數(shù)據(jù)隱私與安全問題。數(shù)據(jù)隱私和安全是大模型應(yīng)用中的核心問題。金融數(shù)據(jù)通常包含敏感信息，如個(gè)人身份、財(cái)務(wù)狀況等。大模型在處理這些數(shù)據(jù)時(shí)，必須遵守?cái)?shù)據(jù)保護(hù)法規(guī)，在數(shù)據(jù)收集、存儲(chǔ)和處理過程中，確保用戶的隱私權(quán)益得到保護(hù)，并采取嚴(yán)格的安全措施來防止數(shù)據(jù)泄露。
大模型的金融之路在腳下還是在遠(yuǎn)方？
我們?cè)诳创魏我粋€(gè)行業(yè)的發(fā)展，以及新技術(shù)的誕生總喜歡看現(xiàn)在和未來兩個(gè)維度。看現(xiàn)在即是看當(dāng)下應(yīng)用落地，看未來即是看遠(yuǎn)景規(guī)劃與發(fā)展趨勢(shì)。金融大模型也不例外。
從ChatGPT開始，大模型席卷全球遍及千行百業(yè)。卷完了模型，卷應(yīng)用，歷經(jīng)百模大戰(zhàn)之后，大模型開始重新尋回價(jià)值本源，市場(chǎng)也逐漸進(jìn)入冷靜期。那么接下來金融大模型該如何布局？又有哪些趨勢(shì)與機(jī)會(huì)？循著這些問題的引領(lǐng)，答案也逐步揭開。
首先來看看應(yīng)用。從應(yīng)用角度，金融大模型的潛力已經(jīng)遠(yuǎn)遠(yuǎn)超出了當(dāng)前的應(yīng)用范圍。除了在信貸評(píng)估、風(fēng)險(xiǎn)管理、量化投資、客戶服務(wù)、反欺詐等領(lǐng)域的成熟應(yīng)用外，金融大模型還可以深入挖掘更多場(chǎng)景。與此同時(shí)，大模型還可以輔助設(shè)計(jì)更加符合市場(chǎng)需求的金融產(chǎn)品，實(shí)現(xiàn)產(chǎn)品的快速迭代和優(yōu)化。此外，金融大模型還可以在供應(yīng)鏈金融、綠色金融等新興領(lǐng)域發(fā)揮重要作用，推動(dòng)金融行業(yè)的可持續(xù)發(fā)展。
其次，我們來談?wù)勞厔?shì)。據(jù)《大模型重塑金融業(yè)態(tài)》報(bào)告指出，金融行業(yè)在大模型浪潮影響下，將呈現(xiàn)四個(gè)未來發(fā)展趨勢(shì)。首先，金融行業(yè)有望步入AI驅(qū)動(dòng)的新階段。其次，通過AI Agent等實(shí)現(xiàn)技術(shù)普惠推動(dòng)金融服務(wù)普惠。再次，金融AI倫理建設(shè)將持續(xù)增強(qiáng)。最后，金融領(lǐng)域更開放的行業(yè)生態(tài)將加速形成。
在筆者看來，除了以上趨勢(shì)顯而易見的是未來的金融大模型還將趨向于更加智能化、個(gè)性化和自動(dòng)化。一方面，大模型的學(xué)習(xí)能力和數(shù)據(jù)處理能力將得到顯著提升，經(jīng)過訓(xùn)練之后模型能夠處理更復(fù)雜的金融問題，提供更精準(zhǔn)的決策支持。另一方面，隨著數(shù)據(jù)量的激增和計(jì)算能力的提升，大模型將能夠更好地理解和預(yù)測(cè)市場(chǎng)動(dòng)態(tài)，為金融機(jī)構(gòu)提供更為深入的洞察。此外，金融大模型的可解釋性和透明度也將得到加強(qiáng)，這不僅有助于增強(qiáng)用戶對(duì)模型的信任，也有助于滿足監(jiān)管機(jī)構(gòu)的要求。
對(duì)于金融機(jī)構(gòu)而言，要想在金融大模型的發(fā)展浪潮中占據(jù)有利地位，必須進(jìn)行長(zhǎng)遠(yuǎn)的戰(zhàn)略規(guī)劃和布局。首當(dāng)其沖的便是要持續(xù)加大對(duì)人工智能和大數(shù)據(jù)分析技術(shù)的投入，構(gòu)建起強(qiáng)大的技術(shù)基礎(chǔ)底座。這不僅包括硬件設(shè)施的建設(shè)，也包括軟件和算法的開發(fā)。其次，單點(diǎn)創(chuàng)新不是目的，打通多渠道多部門，提煉共同范式，實(shí)現(xiàn)多領(lǐng)域的應(yīng)用整合，才能事半功倍。第三，重視人才培養(yǎng)和團(tuán)隊(duì)建設(shè)，吸引和培養(yǎng)一批既懂金融又懂技術(shù)的復(fù)合型人才。此外，還需要與科技公司、高校和研究機(jī)構(gòu)等外部合作伙伴有效聯(lián)動(dòng)，共同推動(dòng)金融大模型的研發(fā)和應(yīng)用。當(dāng)然，最重要的是在發(fā)展的同時(shí)，還應(yīng)當(dāng)考慮到監(jiān)管政策的變化，確保金融大模型的應(yīng)用符合法律法規(guī)的要求，并保護(hù)好用戶的數(shù)據(jù)安全和隱私。
在全球科技不斷迭新突破的大潮中，金融機(jī)構(gòu)需要時(shí)刻保持敏銳的洞察力，需要緊跟技術(shù)發(fā)展的步伐，不斷夯實(shí)基礎(chǔ)底座、探索深挖新場(chǎng)景，牟定布局、明晰方向，穩(wěn)步前行。金融大模型的蓬勃發(fā)展，不僅使整個(gè)產(chǎn)業(yè)快速步入新一輪發(fā)展周期，更讓整個(gè)行業(yè)的深層次變革迎來重要契機(jī)。彼得·德魯克曾說：“預(yù)見未來最好的方式就是創(chuàng)造未來。”金融大模型的未來發(fā)展之路既在腳下，更在遠(yuǎn)方。
