文：王方然 來源：第一财經(jīng)

“以ChatGPT爲代表的AIGC（AI-GeneratedContent，人工智能(néng)生成(chéng)内容）是一種(zhǒng)溫和的聚變，將(jiāng)像水一樣(yàng)彌漫在我們周圍。”在ChatGPT逐漸降溫之際，一位人工智能(néng)從業者這(zhè)樣(yàng)說。

ChatGPT是由美國(guó)OpenAI公司開(kāi)發(fā)的一款聊天機器人程序，能(néng)夠通過(guò)學(xué)習和理解人類的語言來進(jìn)行對(duì)話。上述業内人士稱，本質上，ChatGPT是AIGC技術進(jìn)展的一步，AIGC技術主要涉及兩(liǎng)個方面(miàn),自然語言處理（NLP）和AIGC生成(chéng)算法。“從結果來看，它生成(chéng)的内容與人類的邏輯習慣保持高度一緻，應用端的成(chéng)熟度得到極大提升。”

自2023年初ChatGPT爆火後(hòu)，這(zhè)股“潮水”加速湧向(xiàng)金融、資本行業。有業内人士分析，金融領域本身屬于數據密集、溝通高頻的行業，此前就已有AIGC應用的雛形産品，因此，金融業也成(chéng)爲本輪ChatGPT浪潮下最受關注的賽道(dào)之一。短短半年多時間，國(guó)内外金融機構、科技公司紛紛押注這(zhè)一賽道(dào)，在算法模型、數據服務、應用場景等全方位“内卷”。

毋庸置疑，AIGC爲金融行業帶來了更多想象空間。

“百模”大戰下金融行業搶先“上車”

“企業要把大模型做垂直、做專，讓大模型對(duì)企業更了解。”三六零集團創始人周鴻祎在今年8月舉辦的亞布力中國(guó)企業家論壇夏季高峰會(huì)上作出這(zhè)樣(yàng)的判斷。

與這(zhè)一判斷相印證的是，在幾天之前的ISC2023第十一屆互聯網安全大會(huì)上，360智腦與金融大模型奇富GPT宣布達成(chéng)戰略合作，共同加速完善金融行業大模型。

事(shì)實上，自年初ChatGPT爆紅後(hòu)，金融行業已搶先“上車”，在大模型垂類搭建中搶飲“頭啖湯”。

上述人工智能(néng)從業者稱，金融領域具有應用場景、用戶需求上的複雜性，同時有巨大的數據量和獨特的術語，這(zhè)意味著(zhe)可能(néng)需要特定的語言模型。

彭博社趁勢在3月發(fā)布了專門爲金融領域打造的大型語言模型（LLM）——BloombergGPT。BloombergGPT是一個涉及500億參數的語言模型，其訓練主要是使用大規模的财務數據。彭博社方面(miàn)稱，BloombergGPT將(jiāng)協助彭博改進(jìn)現有的金融NLP任務，如情感分析、命名實體識别、新聞分類和問答等。

随後(hòu)，不少債券、保險等金融細分領域也開(kāi)始試圖將(jiāng)大模型與自身闆塊結合。4月，摩根大通發(fā)布報告稱，已開(kāi)始使用一套AI大語言模型，從美聯儲17位官員的公開(kāi)講話中揣摩情緒變化，彙總編成(chéng)一套貨币政策的“鷹鴿指數”。6月，金融科技公司布羅德裡(lǐ)奇（Broadridge）子公司LTX宣布，將(jiāng)旗下債券分析平台LiquidityCloud中的實時債券數據，輸入到GPT-4大語言模型，打造了BondGPT，主要用于幫助客戶回答各種(zhǒng)與債券相關的問題。

國(guó)外ChatGPT浪潮此起(qǐ)彼伏之際，國(guó)内金融機構、金融科技公司也開(kāi)始通過(guò)接入第三方、自研等方式入局。2月份以來，郵儲銀行、中信銀行、百信銀行、泰康保險、廣發(fā)證券多家頭部金融機構披露了與百度知識增強大語言模型“文心一言”合作，旨在“借船”升級，推進(jìn)智能(néng)對(duì)話技術在金融場景的應用。

随後(hòu)在掀起(qǐ)的“百模大戰”熱潮中，不少金融科技企業密集加入戰局。5月，奇富科技發(fā)布金融行業通用大模型奇富GPT。據奇富方面(miàn)介紹，目前應用于獲客、運營、風控、貸後(hòu)服務等業務環節。同月，度小滿發(fā)布垂直金融行業的開(kāi)源大模型“軒轅”，它是基于龐大的1760億參數的Bloom大模型進(jìn)行訓練的。根據官方介紹，在涉及數學(xué)計算、場景寫作、邏輯推理、文本摘要等13個主要維度中，有10.2%的任務表現超越了ChatGPT3.5。9月初，螞蟻集團正式發(fā)布了金融大模型，聚焦金融場景需求，在“認知、生成(chéng)、專業知識、專業邏輯、合規性”五大維度28類金融專屬任務中表現突出。

據第一财經(jīng)記者不完全統計，目前已有度小滿、恒生電子、馬上消費金融、螞蟻集團等15家公司發(fā)布金融類大模型，并將(jiāng)之運用于營銷、客服、風控、投研等場景。

下遊場景日漸豐富

模型更垂類、适配性更高的同時，下遊的金融應用場景也日漸豐富。波士頓咨詢公司（BCG）于近期發(fā)布的《銀行業生成(chéng)式AI應用報告（2023）》認爲，生成(chéng)式AI可貫穿前中後(hòu)台各個環節，包括市場和銷售、渠道(dào)和運營、産品開(kāi)發(fā)、投顧服務、客戶服務，以及風險合規等方面(miàn)。

其中，機構布局最多的是智慧客服、投顧咨詢等财富管理領域。

此前，在金融行業已有不少AIGC應用的雛型，有些正在取代金融從業者。以銀行業爲例，一方面(miàn)，各主流銀行基本都(dōu)推出了AI智能(néng)客服，如工商銀行推出的“工小智”、招商銀行推出的“AI小招”等；另一方面(miàn)，在債市交易、洗錢監測等環節也引入AI輔助，如建設銀行推出可以智能(néng)詢報價的貨币市場“AI交易員”，中信銀行在洗錢風險監測方面(miàn)，打造了“洗錢線索AI智能(néng)監測”項目。

但在交通銀行副行長(cháng)錢斌看來，這(zhè)些産品距離真正的通用人工智能(néng)還(hái)相差甚遠，基本還(hái)停留在大算力和專用能(néng)力層面(miàn)。ChatGPT的出現帶來颠覆性可能(néng)，從固定任務場景觸發(fā)，逐步進(jìn)化爲通過(guò)自然語言接受指令、理解人類意圖并不斷叠代。

一位銀行科技業務人士也表示，引入AIGC最新技術後(hòu)，可以改變以前“把天聊死”的局面(miàn)，尤其是其核心的“對(duì)話”能(néng)力，可以在很大程度上提升用戶體驗，提高溝通效率。

中信證券非銀行金融業分析師薛姣進(jìn)一步指出，财富管理是金融科技最大的增長(cháng)點，第三方财富管理（含保險在内的大理财）最大痛點是投顧服務線上化，投顧服務線上化的難點是用戶交互。

ChatGPT爆紅後(hòu)，金融機構正在加速利用其提升客戶服務效率。例如，九方财富與華爲雲、科大訊飛在8月初推出“九方智能(néng)投顧數字人”，可以回答客戶有關投資組合管理、股票和基金選擇、投資策略、風險管理、資産配置及其他與投資和财務相關的專業問題。螞蟻集團近期發(fā)布的面(miàn)向(xiàng)個人用戶的智能(néng)金融助理“支小寶2.0”和服務金融産業專家的智能(néng)業務助手“支小助”，則將(jiāng)金融模型能(néng)力同時應用至C端、B端場景，旨在進(jìn)一步提升理财、保險等金融領域的投顧效率。

而未來，應用端的想象空間或許還(hái)更大。恒生電子董事(shì)長(cháng)劉曙峰在近期的外灘大會(huì)上表示，大模型技術對(duì)财富管理服務的改變可能(néng)是全業務鏈的，在“投”、“顧”兩(liǎng)端以及風控、運營、量化交易等領域都(dōu)將(jiāng)發(fā)揮重要作用。此外，在量化交易方面(miàn)，大模型可以提供類似輿情因子這(zhè)樣(yàng)的特色AI數據，幫助實現指令識别、指令交易的輔助工作。

在他看來更深層次的影響是，大模型還(hái)可以賦能(néng)金融機構的内部開(kāi)發(fā)、數據生産。從長(cháng)遠來看，80%的代碼將(jiāng)會(huì)是人工智能(néng)生成(chéng)的，20%架構級的核心代碼才會(huì)由人工提供。

金融領域應用的缺口

近期，随著(zhe)ChatGPT逐漸降溫，AIGC概念也有“熄火”趨勢。網站流量監測服務商Similarweb統計數據顯示，今年前5個月，ChatGPT全球訪問量環比增幅明顯下降，分别爲131.6%、62.5%、55.8%、12.6%、2.8%；6月份的訪問量更是環比下滑9.7%。

由此，有部分市場觀點認爲，AIGC在金融行業的應用在短期爆發(fā)後(hòu)，難有“長(cháng)勁”接續。

那麼(me)，金融領域AIGC的前景到底如何？國(guó)家金融與發(fā)展實驗室副主任楊濤撰文指出，人工智能(néng)的應用價值在于解決金融領域存在的問題。

楊濤認爲，目前金融行業存在八大需求，而人工智能(néng)在組織運營、服務能(néng)力、風險管理方面(miàn)的應用度更高一些，受技術和制度因素影響，在解決其他金融需求方面(miàn)尚顯不足。

一位金融機構内部人士也指出，金融服務行業需求确實存在，尤其是風險管理、服務能(néng)力闆塊。此前，AI賦能(néng)、增強效率已是不少金融機構科技部門的“主線”。今年以來，各大機構基本都(dōu)在強化對(duì)金融科技領域的投入。

金融服務領域的缺口也确實存在。以投顧市場爲例，中國(guó)結算官網最新發(fā)布的數據顯示，截至7月底，A股投資者數量達到2.2億人。中證協數據顯示，截至7月底，中國(guó)證券市場的投資顧問群體數量已達7.9萬人，人均服務約2750位個人投資者。九方财富在近期的發(fā)布會(huì)上表示，美國(guó)投資顧問人均服務客戶數爲156人。對(duì)比來看，目前中國(guó)8萬~10萬的投顧人員規模，在龐大的人口基數和經(jīng)濟發(fā)展速度下，遠遠滿足不了個人投資者的服務需求。

薛姣認爲，ChatGPT的語義理解、多輪對(duì)話、信息輸出能(néng)力爲未來全面(miàn)的客戶服務效率提升打開(kāi)了想象空間。一方面(miàn)，在面(miàn)對(duì)零售客戶時，通過(guò)智能(néng)客服直接與客戶互動，替代人工基礎性工作，如實時行情分析、定制化咨詢推送、盤後(hòu)賬戶總結；另一方面(miàn)，可以賦能(néng)理财師，形成(chéng)後(hòu)端支持，如調取海量數據庫，提供市場分析、輿情分析、文本書寫等功能(néng)。

事(shì)實上，在“百模大戰”後(hòu)，應用層面(miàn)數據邊界、儲備、體驗與流程或成(chéng)爲決勝的關鍵。劉曙峰認爲從現在多家公布的金融大模型來看，一到兩(liǎng)年内基礎模型將(jiāng)會(huì)達到相對(duì)比較一緻的水平。但各家公司在應用深度上會(huì)有所差别。

諸多挑戰

在Netflix推出的紀錄片《監視資本主義：智能(néng)陷阱》中，劇作家索福克勒斯在片首鄭重提醒：進(jìn)入凡人生活的一切強大之物，無不具有弊端。

在ChatGPT以“強大之物”的姿态快速滲透各行各業的背後(hòu)，諸多挑戰尚待攻克。

合規問題或是首道(dào)“關卡”。不少業内人士認爲，金融是具有高度專業性的領域，因此在提供金融服務時的“對(duì)話”比一般聊天的容錯率更低。而目前大模型存在的“幻覺”問題，在人機對(duì)話中給出一些事(shì)實錯誤、推理錯誤，難以實時更新信息。

興業銀行總行金融科技研究院負責人李鋒認爲ChatGPT有很多能(néng)力，最先可以用在金融行業的客服場景。但是，它生成(chéng)的回答是否專業，對(duì)銀行理财、産品、風險的理解是否高度嚴謹，這(zhè)是需要考慮的。

“由于大語言模型的基本工作方式是分析文本中的詞彙、句法結構、語義信息等，并捕捉它們之間的模式和概率分布，因此，它更傾向(xiàng)于基于統計規律生成(chéng)回答，而非進(jìn)行深入的邏輯推理或形成(chéng)高級的認知能(néng)力。”中國(guó)工程院院士鄭緯民近期在公開(kāi)發(fā)言中指出，大模型在生成(chéng)文本時可能(néng)會(huì)受限于訓練數據中存在的偏見和誤導性信息，在某些情況下可能(néng)會(huì)産生不準确或不合理的回答。

鄭緯民進(jìn)一步指出，目前，有效辦法是利用知識圖譜技術幫助模型解決這(zhè)些問題。知識圖譜具備精确的知識推導能(néng)力，可以與大模型技術形成(chéng)互補。

除合規壓力外，楊濤指出，算法歧視、大數據殺熟、信息洩露等金融科技倫理挑戰，也給人工智能(néng)應用帶來“陰影”，仍需深入探索如何用“負責任”的科技創新打造“有溫度”的金融服務。

其中，信息洩露問題更是業内關注的焦點。天元律師事(shì)務所合夥人李昀锴指出，在商業場景下，用戶輸入的信息很可能(néng)涉及公司商業秘密，導緻公司的營業信息、技術信息直接被(bèi)洩露。而OpenAI平台并未對(duì)用戶輸入的信息提供保護。以三星電子爲例，在引入聊天機器人ChatGPT不到20天，便曝出機密資料外洩。據《economist》報道(dào)，半導體設備測量資等内容或已被(bèi)存入ChatGPT學(xué)習資料庫中。

針對(duì)上述問題，監管方已有回應。2022年11月3日，國(guó)家互聯網信息辦公室、工業和信息化部、公安部聯合發(fā)布了《互聯網信息服務深度合成(chéng)管理規定》，加強對(duì)深度合成(chéng)技術的管理，确保其發(fā)展與安全，推進(jìn)深度合成(chéng)技術依法、合理、有效地被(bèi)利用。

2023年8月15日，國(guó)家互聯網信息辦公室等七部門聯合發(fā)布的《生成(chéng)式人工智能(néng)服務管理暫行辦法》正式實施，明确不同業務場景之下不同主體的合規義務，同時明确必須對(duì)AIGC生成(chéng)的内容進(jìn)行标記。

在近期召開(kāi)的2023Inclusion·外灘大會(huì)上，不少企業對(duì)于大模型中的隐私問題也作出回應。螞蟻集團首席隐私官聶正軍表示，第一是在模型訓練階段可以使用匿名化的工具；第二是，在大模型的商業化應用落地時，要把服務他方産生的數據和自營業務裡(lǐ)使用到的數據進(jìn)行隔離。

“先進(jìn)技術的應用在隐私保護過(guò)程中發(fā)揮的作用會(huì)越來越大。”百度數據合規法務負責人徐全全認爲要真正做到數據合規，除了要做好(hǎo)公司治理、管理團隊治理工作，還(hái)離不開(kāi)系統化、自動化的工具。

此外，她強調未來隐私保護工作要走協同治理道(dào)路。每家企業要履行隐私保護、數據合規方面(miàn)的責任，同時也要和上下遊的合作夥伴協同共治。

值得注意的是，若暫時抛開(kāi)上述合規性、倫理性問題，多位業内人士表示，語言模型的訓練需要更多的計算量和模型參數量，對(duì)算力要求和系統消耗將(jiāng)是一大挑戰。對(duì)于金融機構而言，如需深入該領域應用，則還(hái)需要平衡成(chéng)本與收益的問題。