中国对外经济贸易信托有限公司首席战略官 陶斐斐
基于深度学习技术和大规模数据集训练的生成式人工智能(AIGC)在全球范围内迅猛发展，相关应用成为数字经济时代引领金融变革的重要驱动力。在金融数字化向纵深推进的当下，金融行业已经成为大模型落地的热门垂直领域之一，“AIGC+
金融”将更好地赋能业务场景和业务创新。从中长期来看，AIGC
应用将贯穿资产生成、资产管理、资产服务、财富管理的金融全价值链。本文结合国内外的实践用例，基于价值链视角探讨金融机构落地AIGC 的关键要点。
一、AIGC 为金融数字化注入新动能
人民银行发布的《金融科技发展规划(2022—2025
年)》提出要深刻认识数据要素重要价值，深挖数据综合应用场景，发挥数据和技术双轮驱动作用。原银保监会发布的《关于银行业保险业数字化转型的指导意见》提出全面深化数据在业务经营、风险管理、内部控制中的应用。伴随金融数字化转型向纵深推进，AIGC
作为数字经济时代引领产业变革的重要技术，将为金融数字化注入新动能。
2023 年2
月中共中央、国务院印发的《数字中国建设整体布局规划》提出夯实数字基础设施和数据资源体系“两大基础”，做强做优做大数字经济，推动数字技术和实体经济深度融合，在金融等重点领域加快数字技术创新应用。2023
年4 月，中央政治局会议明确提出要重视通用人工智能发展，营造创新生态，重视防范风险。同年7
月，国家网信办等七部门联合发布《生成式人工智能服务管理暂行办法》(以下简称《办法》)，标志着AIGC
在中国的高质量发展有了政策框架。《办法》提出坚持发展和安全并重、促进创新和依法治理相结合的原则，鼓励AIGC
在各行业、各领域的创新应用，探索优化应用场景，构建应用生态，从而为AIGC 在金融场景的落地进一步打开了空间。
挖掘业务场景，基于大规模数据寻找规律和逻辑， 通过适当的泛化能力生成相关内容，AIGC 有望通过数据与技术的双轮驱动催生金融新产品、新业务、新模式，
进而推进转型升级，优化业务流程，提高服务效率，提升客户体验。
二、基于价值链视角的AIGC 金融应用场景
推进AIGC 广泛应用于金融端到端的业务流程，进而切实解决业务和经营中的痛点，才能真正实现其经济价值。AIGC
在金融垂直领域落地的关键是基于金融价值链挖掘最匹配的应用场景。
金融价值链贯穿资产端、产品端、服务端和资金端，对应的具体业务是资产生成(银行、投行)、资产管理(组合投资)、资产服务(托管、外包)、财富管理(配置、投顾)，整个金融链条中涉及产品设计、数据分析、客户营销、顾问咨询、交易清算、运营客服等一系列任务。大模型的主要能力是自然语言理解与自然语言生成，具体包括大规模数据处理、通用知识、泛化、长文本理解和概括、逻辑推理、情商、多模态内容生成等能力，
而财富投顾、资管投研、各类客服、运营管理等可能是目前需求明确、赋能效果较为明显的场景。
从资产端来看，资产生成包括信贷业务、投行业务等，展业重点是提升产业认知，挖掘优质资产，提高资金资产匹配效率。AIGC
可应用于资产挖掘、资产尽调、报表分析、客户服务等环节。以消费金融的客服为例， 目前大多数智能客服仍是一种基于规则或预设脚本的自动化程序，AIGC
可通过高度拟人化、客户情绪分析、实时话术推荐、服务质量控制等全面提升客户交互质效， 提高资产生成效率。
从产品端来看，资产管理包括投资研究、策略开发、组合管理、交易执行等，展业重点是提升投研能力，打造资管产品线。目前，资产管理业务的痛点在于海量投研数据与趋势研判，而AIGC
有助于处理大规模、多模态的金融数据，综合分析市场价格、新闻、财报、社交平台等信息，挖掘市场情绪等另类数据，并基于快速理解、总结与推理等能力，应用于研报撰写、策略开发、组合建议等领域，提升投研效率。
从服务端来看，资产服务包括托管、行政外包服务等，业务拓展重点是以科技赋能不断提高运营服务质效，实现规模效应。以估值清算等业务为例，AIGC
有望对标准化/
非标准化合同、报告、报表等进行智能化分析、信息抽取、多轮问答，并支持各类运营管理报告、信息披露报告的格式化输出，从而降低基础重复劳动和操作风险，大幅提升运营质效。
从资金端来看，财富管理业务的展业重点是以客户为中心，提供财产规划、风险隔离、资产配置、家族治理、公益慈善等综合服务。在营销服务中，AIGC
可快速生成多模态营销内容，通过交互留存信息生成标签，动态完善画像商机，支持精准获客。在投顾场景中，AIGC
将赋能理财经理，根据客户交互、特征、情绪等实时推荐话术，快速梳理行情及金融资讯，实现体系化输出， 进而为客户提供更优的财富管理方案。
随着金融专业数据训练与垂直类大模型的迭代，
AIGC 有望加速融入金融全场景、业务全链条、经营全流程，与财富投顾、资管投研、智能运营、风控合规、IT 研发运维等实现进一步深度融合。
三、国内外AIGC 金融实践用例
2023
年以来，国内外众多金融机构、金融资讯商、金融科技公司、独立研发团队等加快大模型的研发和接入，相关实践用例为研发路径和应用场景提供了先行先试的经验借鉴。
目前，主流研发路径主要有两条：一是直接预训练金融垂直类大模型，采取这一路线的主要有大型金融机构、金融咨询商。彭博社基于自主构建的数据集，训练金融大模型BloombergGPT，更加适应金融任务的复杂性与独特性;摩根大通自主研发IndexGPT，计划用于投资顾问、证券投资、营销服务、行政任务等领域;国内也有部分大型商业银行开展AIGC
自主研发。二是对通用模型做金融数据微调。摩根士丹利、TwoSigma 等探索基于GPT-4
技术的金融领域应用;国内已有多家银行、券商等宣布接入通用大模型，并结合行业知识进行微调。除各类闭源方案外，也有开发团队发布开源金融大模型FinGPT
框架，采用LoRA、RLSP 等技术，降低训练成本、支持个性化定制，探索更加开放的金融行业大模型落地路径。
在应用场景方面，国内外实践用例的重点有智能客服、财富营销、运营管理、知识检索、报告生成等。对于智能投研、低代码开发、量化策略等复杂性与专业性更高的应用领域，国外探索更加深入。TwoSigma
探索运用ChatGPT 自动化分析财务报表和新闻，识别潜在投资机会和风险;债券投研工具BondGPT 能帮助机构获取债券市场信息、提供投资组合建议;FinGPT
预设应用方向包括智能投顾、量化交易、投资组合优化、金融情绪分析、信用评分、ESG 评分、低代码开发等。
国内外实践用例为金融AIGC 研发与应用提供了多方面启示：AIGC
融入金融全场景是大势所趋，引入合适的大模型，以微调提升专业能力是快速赋能、成本更可控的有效途径;训练数据是大模型能力的关键，高质量预训练数据将成为核心竞争力，数据治理的重要性进一步提升;通过开源、数据共享、联合开发等方式构建行业模型有利于更快创新、整合分散算力资源、增强模型透明度和可信度、更好发挥大模型价值。
四、金融机构需加快构建AIGC 四大关键能力
当前，AIGC 应用于金融场景仍面临诸多挑战，如其泛化能力和准确性还有待提升;金融行业数据具有即时性、复杂性、隐私性、安全性等多重特质;AIGC
规模化应用是系统性工程，需适配技术架构和支撑体系; 金融合规性、严谨性标准更高等。为此，金融机构需加快提升AIGC 四大关键能力。
一是构建大模型选型与多种方式精调的能力，满足金融泛化和机构特定需求。对于大部分金融机构而言，大模型的主要落地方式是本地部署或行业可信范围部署，首先需要明确模型选型策略，然后不断提升在提示工程(Prompt)、低秩矩阵训练(LoRA)、反馈强化学习(RLHF)等方面的能力。选型策略要加强对模型在语义理解、逻辑推理、知识运用、多模态、多语言等关键任务上的准确性、解释性、置信度、稳健性、公平性的研判，关注合作伙伴的资源投入、微调支撑与服务保障、持续迭代、运营维护等;生态构建关注兼容性、合作伙伴、插件服务、开源策略与协议等。
二是打造构建兼具金融行业与机构特色的训练数据集与向量数据库的能力。面对金融数据即时性、复杂性、安全性等挑战，金融机构需要持续完善数据治理体系，加强对专业领域数据的整合、分类、清洗、预处理等，
不断提升特定数据集微调、向量数据库构建等关键能力，
为大模型构建外部知识库;同时还可探索数据信托等数据共享运用机制，发挥信托财产独立，所有权、使用权、受益权分离等优势，实现数据产权结构性分置，在保障数据安全的前提下推进数据流通以及AIGC
在金融业数据资产应用与价值提升等方面的实践。
三是构建AIGC 风险防控、知识产权、信息安全等规范治理能力。AIGC
应用可能涉及知识产权、算法风险、数据安全与个人信息保护等，对安全性、隐私性、合规性要求更高。金融机构应制定AIGC
治理规范，构建合规与风险管控机制，包括模型审阅和验证机制，AIGC
开发、应用与审核规范，数据安全规范，员工应用权限规范，监测和反馈机制等。同时，行业层面也需要头部机构、协会、研究机构等联合打造AIGC 良性发展生态，
共同建立可解释可信赖的技术框架、行业规范、标准体系、评测机制等。
四是提升AIGC
规模化应用的架构管控与体系支撑能力。技术架构方面，金融机构需建立一定的算力设施支持微调及后续的长期稳定运行;构建大模型应用开发能力，通过自然语言交互降低应用开发门槛，并根据业务需求迭代应用;基于自身数字化布局，探索打造AI
中台，构建“基础大模型+ 多种垂直类模型”的功能全面、敏捷迭代的AI
能力体系，横向与其他中台相互支撑，纵向以服务的形式驱动业务创新。在体系支撑方面，金融机构应评估AIGC
对经营拓展的赋能程度，开展核心业务流程再造、优化组织设置、加强人机协作等;不断加强提示词工程师等“AIGC+ 业务”的复合型人才储备;建立AIGC
操作规范和管理机制，引导员工合理使用相关智能应用。技术架构和体系支撑需要金融机构以小范围试验起步，梳理管理标准，积累配套经验，评估实际效益，进而根据场景优先级分批推进，在持续落地中迭代优化基础设施和制度体系，实现AIGC
的规模化应用。
作为一项重要的前沿技术，AIGC 在金融全价值链的应用方面将发挥重要价值，数据与技术的双轮驱动也将为金融数字化转型注入新动能。AIGC
与金融场景的深度融合将大幅提高金融机构的生产效率，推动转型创新，甚至改变行业竞争格局。当前，AIGC
金融场景应用正呈现出加速布局态势，未来需要更稳健的技术实践、更科学的试点探索、更多的跨界协同。金融机构通过加快构建AIGC
四大关键能力，将持续为行业带来更多机遇，为客户创造更多价值。
|
