“以ChatGPT为代表的AIGC（AI-GeneratedContent，人工智能生成内容）是一种温和的聚变，将像水一样弥漫在我们周围。”在ChatGPT逐渐降温之际，一位人工智能从业者这样说。

　　ChatGPT是由美国OpenAI公司开发的一款聊天机器人程序，能够通过学习和理解人类的语言来进行对话。上述业内人士称，本质上，ChatGPT是AIGC技术进展的一步，AIGC技术主要涉及两个方面,自然语言处理（NLP）和AIGC生成算法。“从结果来看，它生成的内容与人类的逻辑习惯保持高度一致，应用端的成熟度得到极大提升。”

　　自2023年初ChatGPT爆火后，这股“潮水”加速涌向金融、资本行业。有业内人士分析，金融领域本身属于数据密集、沟通高频的行业，此前就已有AIGC应用的雏形产品，因此，金融业也成为本轮ChatGPT浪潮下最受关注的赛道之一。短短半年多时间，国内外金融机构、科技公司纷纷押注这一赛道，在算法模型、数据服务、应用场景等全方位“内卷”。

　　毋庸置疑，AIGC为金融行业带来了更多想象空间。

　　“百模”大战下金融行业抢先“上车”

　　“企业要把大模型做垂直、做专，让大模型对企业更了解。”三六零集团创始人周鸿祎在今年8月举办的亚布力中国企业家论坛夏季高峰会上作出这样的判断。

　　与这一判断相印证的是，在几天之前的ISC2023第十一届互联网安全大会上，360智脑与金融大模型奇富GPT宣布达成战略合作，共同加速完善金融行业大模型。

　　事实上，自年初ChatGPT爆红后，金融行业已抢先“上车”，在大模型垂类搭建中抢饮“头啖汤”。

　　上述人工智能从业者称，金融领域具有应用场景、用户需求上的复杂性，同时有巨大的数据量和独特的术语，这意味着可能需要特定的语言模型。

　　彭博社趁势在3月发布了专门为金融领域打造的大型语言模型（LLM）——BloombergGPT。BloombergGPT是一个涉及500亿参数的语言模型，其训练主要是使用大规模的财务数据。彭博社方面称，BloombergGPT将协助彭博改进现有的金融NLP任务，如情感分析、命名实体识别、新闻分类和问答等。

　　随后，不少债券、保险等金融细分领域也开始试图将大模型与自身板块结合。4月，摩根大通发布报告称，已开始使用一套AI大语言模型，从美联储17位官员的公开讲话中揣摩情绪变化，汇总编成一套货币政策的“鹰鸽指数”。6月，金融科技公司布罗德里奇（Broadridge）子公司LTX宣布，将旗下债券分析平台LiquidityCloud中的实时债券数据，输入到GPT-4大语言模型，打造了BondGPT，主要用于帮助客户回答各种与债券相关的问题。

　　国外ChatGPT浪潮此起彼伏之际，国内金融机构、金融科技公司也开始通过接入第三方、自研等方式入局。2月份以来，邮储银行、中信银行、百信银行、泰康保险、广发证券多家头部金融机构披露了与百度知识增强大语言模型“文心一言”合作，旨在“借船”升级，推进智能对话技术在金融场景的应用。

　　随后在掀起的“百模大战”热潮中，不少金融科技企业密集加入战局。5月，奇富科技发布金融行业通用大模型奇富GPT。据奇富方面介绍，目前应用于获客、运营、风控、贷后服务等业务环节。同月，度小满发布垂直金融行业的开源大模型“轩辕”，它是基于庞大的1760亿参数的Bloom大模型进行训练的。根据官方介绍，在涉及数学计算、场景写作、逻辑推理、文本摘要等13个主要维度中，有10.2%的任务表现超越了ChatGPT3.5。9月初，蚂蚁集团正式发布了金融大模型，聚焦金融场景需求，在“认知、生成、专业知识、专业逻辑、合规性”五大维度28类金融专属任务中表现突出。

　　据第一财经记者不完全统计，目前已有度小满、恒生电子、马上消费金融、蚂蚁集团等15家公司发布金融类大模型，并将之运用于营销、客服、风控、投研等场景。

　　下游场景日渐丰富

　　模型更垂类、适配性更高的同时，下游的金融应用场景也日渐丰富。波士顿咨询公司（BCG）于近期发布的《银行业生成式AI应用报告（2023）》认为，生成式AI可贯穿前中后台各个环节，包括市场和销售、渠道和运营、产品开发、投顾服务、客户服务，以及风险合规等方面。

　　其中，机构布局最多的是智慧客服、投顾咨询等财富管理领域。

　　此前，在金融行业已有不少AIGC应用的雏型，有些正在取代金融从业者。以银行业为例，一方面，各主流银行基本都推出了AI智能客服，如工商银行推出的“工小智”、招商银行推出的“AI小招”等；另一方面，在债市交易、洗钱监测等环节也引入AI辅助，如建设银行推出可以智能询报价的货币市场“AI交易员”，中信银行在洗钱风险监测方面，打造了“洗钱线索AI智能监测”项目。

　　但在交通银行副行长钱斌看来，这些产品距离真正的通用人工智能还相差甚远，基本还停留在大算力和专用能力层面。ChatGPT的出现带来颠覆性可能，从固定任务场景触发，逐步进化为通过自然语言接受指令、理解人类意图并不断迭代。

　　一位银行科技业务人士也表示，引入AIGC最新技术后，可以改变以前“把天聊死”的局面，尤其是其核心的“对话”能力，可以在很大程度上提升用户体验，提高沟通效率。

　　中信证券非银行金融业分析师薛姣进一步指出，财富管理是金融科技最大的增长点，第三方财富管理（含保险在内的大理财）最大痛点是投顾服务线上化，投顾服务线上化的难点是用户交互。

　　ChatGPT爆红后，金融机构正在加速利用其提升客户服务效率。例如，九方财富与华为云、科大讯飞在8月初推出“九方智能投顾数字人”，可以回答客户有关投资组合管理、股票和基金选择、投资策略、风险管理、资产配置及其他与投资和财务相关的专业问题。蚂蚁集团近期发布的面向个人用户的智能金融助理“支小宝2.0”和服务金融产业专家的智能业务助手“支小助”，则将金融模型能力同时应用至C端、B端场景，旨在进一步提升理财、保险等金融领域的投顾效率。

　　而未来，应用端的想象空间或许还更大。恒生电子董事长刘曙峰在近期的外滩大会上表示，大模型技术对财富管理服务的改变可能是全业务链的，在“投”、“顾”两端以及风控、运营、量化交易等领域都将发挥重要作用。此外，在量化交易方面，大模型可以提供类似舆情因子这样的特色AI数据，帮助实现指令识别、指令交易的辅助工作。

　　在他看来更深层次的影响是，大模型还可以赋能金融机构的内部开发、数据生产。从长远来看，80%的代码将会是人工智能生成的，20%架构级的核心代码才会由人工提供。

　　金融领域应用的缺口

　　近期，随着ChatGPT逐渐降温，AIGC概念也有“熄火”趋势。网站流量监测服务商Similarweb统计数据显示，今年前5个月，ChatGPT全球访问量环比增幅明显下降，分别为131.6%、62.5%、55.8%、12.6%、2.8%；6月份的访问量更是环比下滑9.7%。

　　由此，有部分市场观点认为，AIGC在金融行业的应用在短期爆发后，难有“长劲”接续。

　　那么，金融领域AIGC的前景到底如何？国家金融与发展实验室副主任杨涛撰文指出，人工智能的应用价值在于解决金融领域存在的问题。

　　杨涛认为，目前金融行业存在八大需求，而人工智能在组织运营、服务能力、风险管理方面的应用度更高一些，受技术和制度因素影响，在解决其他金融需求方面尚显不足。

　　一位金融机构内部人士也指出，金融服务行业需求确实存在，尤其是风险管理、服务能力板块。此前，AI赋能、增强效率已是不少金融机构科技部门的“主线”。今年以来，各大机构基本都在强化对金融科技领域的投入。

　　金融服务领域的缺口也确实存在。以投顾市场为例，中国结算官网最新发布的数据显示，截至7月底，A股投资者数量达到2.2亿人。中证协数据显示，截至7月底，中国证券市场的投资顾问群体数量已达7.9万人，人均服务约2750位个人投资者。九方财富在近期的发布会上表示，美国投资顾问人均服务客户数为156人。对比来看，目前中国8万~10万的投顾人员规模，在庞大的人口基数和经济发展速度下，远远满足不了个人投资者的服务需求。

　　薛姣认为，ChatGPT的语义理解、多轮对话、信息输出能力为未来全面的客户服务效率提升打开了想象空间。一方面，在面对零售客户时，通过智能客服直接与客户互动，替代人工基础性工作，如实时行情分析、定制化咨询推送、盘后账户总结；另一方面，可以赋能理财师，形成后端支持，如调取海量数据库，提供市场分析、舆情分析、文本书写等功能。

　　事实上，在“百模大战”后，应用层面数据边界、储备、体验与流程或成为决胜的关键。刘曙峰认为从现在多家公布的金融大模型来看，一到两年内基础模型将会达到相对比较一致的水平。但各家公司在应用深度上会有所差别。

　　诸多挑战

　　在Netflix推出的纪录片《监视资本主义：智能陷阱》中，剧作家索福克勒斯在片首郑重提醒：进入凡人生活的一切强大之物，无不具有弊端。

　　在ChatGPT以“强大之物”的姿态快速渗透各行各业的背后，诸多挑战尚待攻克。

　　合规问题或是首道“关卡”。不少业内人士认为，金融是具有高度专业性的领域，因此在提供金融服务时的“对话”比一般聊天的容错率更低。而目前大模型存在的“幻觉”问题，在人机对话中给出一些事实错误、推理错误，难以实时更新信息。

　　兴业银行总行金融科技研究院负责人李锋认为ChatGPT有很多能力，最先可以用在金融行业的客服场景。但是，它生成的回答是否专业，对银行理财、产品、风险的理解是否高度严谨，这是需要考虑的。

　　“由于大语言模型的基本工作方式是分析文本中的词汇、句法结构、语义信息等，并捕捉它们之间的模式和概率分布，因此，它更倾向于基于统计规律生成回答，而非进行深入的逻辑推理或形成高级的认知能力。”中国工程院院士郑纬民近期在公开发言中指出，大模型在生成文本时可能会受限于训练数据中存在的偏见和误导性信息，在某些情况下可能会产生不准确或不合理的回答。

　　郑纬民进一步指出，目前，有效办法是利用知识图谱技术帮助模型解决这些问题。知识图谱具备精确的知识推导能力，可以与大模型技术形成互补。

　　除合规压力外，杨涛指出，算法歧视、大数据杀熟、信息泄露等金融科技伦理挑战，也给人工智能应用带来“阴影”，仍需深入探索如何用“负责任”的科技创新打造“有温度”的金融服务。

　　其中，信息泄露问题更是业内关注的焦点。天元律师事务所合伙人李昀锴指出，在商业场景下，用户输入的信息很可能涉及公司商业秘密，导致公司的营业信息、技术信息直接被泄露。而OpenAI平台并未对用户输入的信息提供保护。以三星电子为例，在引入聊天机器人ChatGPT不到20天，便曝出机密资料外泄。据《economist》报道，半导体设备测量资等内容或已被存入ChatGPT学习资料库中。

　　针对上述问题，监管方已有回应。2022年11月3日，国家互联网信息办公室、工业和信息化部、公安部联合发布了《互联网信息服务深度合成管理规定》，加强对深度合成技术的管理，确保其发展与安全，推进深度合成技术依法、合理、有效地被利用。

　　2023年8月15日，国家互联网信息办公室等七部门联合发布的《生成式人工智能服务管理暂行办法》正式实施，明确不同业务场景之下不同主体的合规义务，同时明确必须对AIGC生成的内容进行标记。

　　在近期召开的2023Inclusion·外滩大会上，不少企业对于大模型中的隐私问题也作出回应。蚂蚁集团首席隐私官聂正军表示，第一是在模型训练阶段可以使用匿名化的工具；第二是，在大模型的商业化应用落地时，要把服务他方产生的数据和自营业务里使用到的数据进行隔离。

　　“先进技术的应用在隐私保护过程中发挥的作用会越来越大。”百度数据合规法务负责人徐全全认为要真正做到数据合规，除了要做好公司治理、管理团队治理工作，还离不开系统化、自动化的工具。

　　此外，她强调未来隐私保护工作要走协同治理道路。每家企业要履行隐私保护、数据合规方面的责任，同时也要和上下游的合作伙伴协同共治。

　　值得注意的是，若暂时抛开上述合规性、伦理性问题，多位业内人士表示，语言模型的训练需要更多的计算量和模型参数量，对算力要求和系统消耗将是一大挑战。对于金融机构而言，如需深入该领域应用，则还需要平衡成本与收益的问题。

（文章来源：第一财经）