“以ChatGPT爲代表的AIGC（AI-GeneratedContent，人工智能生成內容）是一種溫和的聚變，將像水一樣瀰漫在我們周圍。”在ChatGPT逐漸降溫之際，一位人工智能從業者這樣說。

ChatGPT是由美國OpenAI公司開發的一款聊天機器人程序，能夠通過學習和理解人類的語言來進行對話。上述業內人士稱，本質上，ChatGPT是AIGC技術進展的一步，AIGC技術主要涉及兩個方面，自然語言處理（NLP）和AIGC生成算法。“從結果來看，它生成的內容與人類的邏輯習慣保持高度一致，應用端的成熟度得到極大提升。”

自2023年初ChatGPT爆火後，這股“潮水”加速湧向金融、資本行業。有業內人士分析，金融領域本身屬於數據密集、溝通高頻的行業，此前就已有AIGC應用的雛形產品，因此，金融業也成爲本輪ChatGPT浪潮下最受關注的賽道之一。短短半年多時間，國內外金融機構、科技公司紛紛押注這一賽道，在算法模型、數據服務、應用場景等全方位“內卷”。

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，讓大模型對企業更瞭解。”三六零集團創始人周鴻禕在今年8月舉辦的亞布力中國企業家論壇夏季高峯會上作出這樣的判斷。

與這一判斷相印證的是，在幾天之前的ISC2023第十一屆互聯網安全大會上，360智腦與金融大模型奇富GPT宣佈達成戰略合作，共同加速完善金融行業大模型。

事實上，自年初ChatGPT爆紅後，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，這意味着可能需要特定的語言模型。

彭博社趁勢在3月發佈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財務數據。彭博社方面稱，BloombergGPT將協助彭博改進現有的金融NLP任務，如情感分析、命名實體識別、新聞分類和問答等。

隨後，不少債券、保險等金融細分領域也開始試圖將大模型與自身板塊結合。4月，摩根大通發佈報告稱，已開始使用一套AI大語言模型，從美聯儲17位官員的公開講話中揣摩情緒變化，彙總編成一套貨幣政策的“鷹鴿指數”。6月，金融科技公司布羅德里奇（Broadridge）子公司LTX宣佈，將旗下債券分析平臺LiquidityCloud中的實時債券數據，輸入到GPT-4大語言模型，打造了BondGPT，主要用於幫助客戶回答各種與債券相關的問題。

國外ChatGPT浪潮此起彼伏之際，國內金融機構、金融科技公司也開始通過接入第三方、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，推進智能對話技術在金融場景的應用。

隨後在掀起的“百模大戰”熱潮中，不少金融科技企業密集加入戰局。5月，奇富科技發佈金融行業通用大模型奇富GPT。據奇富方面介紹，目前應用於獲客、運營、風控、貸後服務等業務環節。同月，度小滿發佈垂直金融行業的開源大模型“軒轅”，它是基於龐大的1760億參數的Bloom大模型進行訓練的。根據官方介紹，在涉及數學計算、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，螞蟻集團正式發佈了金融大模型，聚焦金融場景需求，在“認知、生成、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。

據第一財經記者不完全統計，目前已有度小滿、恒生電子、馬上消費金融、螞蟻集團等15家公司發佈金融類大模型，並將之運用於營銷、客服、風控、投研等場景。

下游場景日漸豐富

模型更垂類、適配性更高的同時，下游的金融應用場景也日漸豐富。波士頓諮詢公司（BCG）於近期發佈的《銀行業生成式AI應用報告（2023）》認爲，生成式AI可貫穿前中後臺各個環節，包括市場和銷售、渠道和運營、產品開發、投顧服務、客戶服務，以及風險合規等方面。

其中，機構佈局最多的是智慧客服、投顧諮詢等財富管理領域。

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，各主流銀行基本都推出了AI智能客服，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，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詢報價的貨幣市場“AI交易員”，中信銀行在洗錢風險監測方面，打造了“洗錢線索AI智能監測”項目。

但在交通銀行副行長錢斌看來，這些產品距離真正的通用人工智能還相差甚遠，基本還停留在大算力和專用能力層面。ChatGPT的出現帶來顛覆性可能，從固定任務場景觸發，逐步進化爲通過自然語言接受指令、理解人類意圖並不斷迭代。

一位銀行科技業務人士也表示，引入AIGC最新技術後，可以改變以前“把天聊死”的局面，尤其是其核心的“對話”能力，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一步指出，財富管理是金融科技最大的增長點，第三方財富管理（含保險在內的大理財）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，金融機構正在加速利用其提升客戶服務效率。例如，九方財富與華爲雲、科大訊飛在8月初推出“九方智能投顧數字人”，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、資產配置及其他與投資和財務相關的專業問題。螞蟻集團近期發佈的面向個人用戶的智能金融助理“支小寶2.0”和服務金融產業專家的智能業務助手“支小助”，則將金融模型能力同時應用至C端、B端場景，旨在進一步提升理財、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更大。恒生電子董事長劉曙峯在近期的外灘大會上表示，大模型技術對財富管理服務的改變可能是全業務鏈的，在“投”、“顧”兩端以及風控、運營、量化交易等領域都將發揮重要作用。此外，在量化交易方面，大模型可以提供類似輿情因子這樣的特色AI數據，幫助實現指令識別、指令交易的輔助工作。

在他看來更深層次的影響是，大模型還可以賦能金融機構的內部開發、數據生產。從長遠來看，80%的代碼將會是人工智能生成的，20%架構級的核心代碼纔會由人工提供。

金融領域應用的缺口

近期，隨着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，分別爲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後，難有“長勁”接續。

那麼，金融領域AIGC的前景到底如何？國家金融與發展實驗室副主任楊濤撰文指出，人工智能的應用價值在於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，而人工智能在組織運營、服務能力、風險管理方面的應用度更高一些，受技術和制度因素影響，在解決其他金融需求方面尚顯不足。

一位金融機構內部人士也指出，金融服務行業需求確實存在，尤其是風險管理、服務能力板塊。此前，AI賦能、增強效率已是不少金融機構科技部門的“主線”。今年以來，各大機構基本都在強化對金融科技領域的投入。

金融服務領域的缺口也確實存在。以投顧市場爲例，中國結算官網最新發布的數據顯示，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，中國證券市場的投資顧問羣體數量已達7.9萬人，人均服務約2750位個人投資者。九方財富在近期的發佈會上表示，美國投資顧問人均服務客戶數爲156人。對比來看，目前中國8萬~10萬的投顧人員規模，在龐大的人口基數和經濟發展速度下，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、多輪對話、信息輸出能力爲未來全面的客戶服務效率提升打開了想象空間。一方面，在面對零售客戶時，通過智能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、定製化諮詢推送、盤後賬戶總結；另一方面，可以賦能理財師，形成後端支持，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。

事實上，在“百模大戰”後，應用層面數據邊界、儲備、體驗與流程或成爲決勝的關鍵。劉曙峯認爲從現在多家公佈的金融大模型來看，一到兩年內基礎模型將會達到相對比較一致的水平。但各家公司在應用深度上會有所差別。

諸多挑戰

在Netflix推出的紀錄片《監視資本主義：智能陷阱》中，劇作家索福克勒斯在片首鄭重提醒：進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”的姿態快速滲透各行各業的背後，諸多挑戰尚待攻克。

合規問題或是首道“關卡”。不少業內人士認爲，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，在人機對話中給出一些事實錯誤、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有很多能力，最先可以用在金融行業的客服場景。但是，它生成的回答是否專業，對銀行理財、產品、風險的理解是否高度嚴謹，這是需要考慮的。

“由於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，並捕捉它們之間的模式和概率分佈，因此，它更傾向於基於統計規律生成回答，而非進行深入的邏輯推理或形成高級的認知能力。”中國工程院院士鄭緯民近期在公開發言中指出，大模型在生成文本時可能會受限於訓練數據中存在的偏見和誤導性信息，在某些情況下可能會產生不準確或不合理的回答。

鄭緯民進一步指出，目前，有效辦法是利用知識圖譜技術幫助模型解決這些問題。知識圖譜具備精確的知識推導能力，可以與大模型技術形成互補。

除合規壓力外，楊濤指出，算法歧視、大數據殺熟、信息泄露等金融科技倫理挑戰，也給人工智能應用帶來“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，信息泄露問題更是業內關注的焦點。天元律師事務所合夥人李昀鍇指出，在商業場景下，用戶輸入的信息很可能涉及公司商業祕密，導致公司的營業信息、技術信息直接被泄露。而OpenAI平臺並未對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，便曝出機密資料外泄。據《economist》報道，半導體設備測量資等內容或已被存入ChatGPT學習資料庫中。

針對上述問題，監管方已有回應。2022年11月3日，國家互聯網信息辦公室、工業和信息化部、公安部聯合發佈了《互聯網信息服務深度合成管理規定》，加強對深度合成技術的管理，確保其發展與安全，推進深度合成技術依法、合理、有效地被利用。

2023年8月15日，國家互聯網信息辦公室等七部門聯合發佈的《生成式人工智能服務管理暫行辦法》正式實施，明確不同業務場景之下不同主體的合規義務，同時明確必須對AIGC生成的內容進行標記。

在近期召開的2023Inclusion·外灘大會上，不少企業對於大模型中的隱私問題也作出回應。螞蟻集團首席隱私官聶正軍表示，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，要把服務他方產生的數據和自營業務裏使用到的數據進行隔離。

“先進技術的應用在隱私保護過程中發揮的作用會越來越大。”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，除了要做好公司治理、管理團隊治理工作，還離不開系統化、自動化的工具。

此外，她強調未來隱私保護工作要走協同治理道路。每家企業要履行隱私保護、數據合規方面的責任，同時也要和上下游的合作伙伴協同共治。

值得注意的是，若暫時拋開上述合規性、倫理性問題，多位業內人士表示，語言模型的訓練需要更多的計算量和模型參數量，對算力要求和系統消耗將是一大挑戰。對於金融機構而言，如需深入該領域應用，則還需要平衡成本與收益的問題。