2024年度中國金融大模型產(chǎn)業(yè)發(fā)展洞察報(bào)告

目

錄CONTENTS01中國金融大模型產(chǎn)業(yè)發(fā)展背景介紹Background02 金融大模型結(jié)構(gòu)特征與優(yōu)勢能力分析ProductMixand

Advantages0304中國金融大模型產(chǎn)業(yè)未來趨勢預(yù)判IndustryDevelopment

Trends052中國金融大模型產(chǎn)業(yè)專家之聲IndustrialExperts‘

Insights中國金融大模型產(chǎn)業(yè)卓越者評選Outstanding

Enterprises中國金融大模型產(chǎn)業(yè)發(fā)展背景介紹Background013技術(shù)崛起：大模型迭代歷程回顧注釋：各類模型的應(yīng)用階段描述僅為該階段行業(yè)內(nèi)最主流的模型應(yīng)用，并不代表該階段僅存在一種或兩種模型形式以及該模型形式僅存在于該段時(shí)期；來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制 垂類應(yīng)用期產(chǎn)品建設(shè)期加速迭代期技術(shù)興起期-

結(jié)合特定領(lǐng)域數(shù)據(jù)進(jìn)行通用大模型微調(diào)，增強(qiáng)模型的領(lǐng)域適應(yīng)性。產(chǎn)業(yè)大模型聚焦于大模型在特定行業(yè)下的垂類應(yīng)用，為行業(yè)提供高價(jià)值、專業(yè)化服務(wù)。通用大模型以其涌現(xiàn)性與泛在化能力，為多行業(yè)發(fā)展提供全新生產(chǎn)力與創(chuàng)造力支持。通用大模型建設(shè)基礎(chǔ)架構(gòu)確立多技術(shù)聚積融合推動(dòng)大模型能力逐步完善，實(shí)現(xiàn)從“專用智能→通用智能→專業(yè)化智能”的模式轉(zhuǎn)變隨著生成算法、預(yù)訓(xùn)練模型、多模態(tài)數(shù)據(jù)分析等AI技術(shù)的聚集融合，AIGC技術(shù)的實(shí)踐效用迎來了行業(yè)級大爆發(fā)。在內(nèi)部模型迭代與多技術(shù)協(xié)同的作用下，以“大規(guī)?！?“預(yù)訓(xùn)練”為核心的大模型產(chǎn)品，逐步由Transformer基礎(chǔ)架構(gòu)走向集圖像識別、語義理解、視覺感知于一體的多模態(tài)、全應(yīng)用模型體系，以產(chǎn)品化、業(yè)務(wù)化模式實(shí)現(xiàn)AIGC能力的進(jìn)一步釋放。與此同時(shí)，通用大模型技術(shù)的成熟推動(dòng)了新一輪行業(yè)生產(chǎn)力變革，憑借其在場景泛化、技術(shù)涌現(xiàn)、強(qiáng)計(jì)算能力等方面的優(yōu)勢，大模型為多行業(yè)的發(fā)展帶來了工業(yè)革命級生產(chǎn)能力的提升。隨著專業(yè)化應(yīng)用進(jìn)程的推進(jìn)，通用大模型在解決特定場景的專業(yè)化問題時(shí)暴露出部分局限性問題，行業(yè)深度信息的缺失導(dǎo)致其很難在專業(yè)領(lǐng)域提供高價(jià)值的服務(wù)，此外，通用大模型對于數(shù)據(jù)、算力的較高要求也提升了其在細(xì)分領(lǐng)域落地應(yīng)用的門檻，相比之下，在專業(yè)度及成本方面更具優(yōu)勢的垂類大模型或?qū)⒊蔀槲磥泶竽Ｐ图夹g(shù)落地應(yīng)用的核心方式，預(yù)計(jì)未來5年，服務(wù)于特定行業(yè)的垂類大模型將實(shí)現(xiàn)超80%的專業(yè)領(lǐng)域覆蓋，大模型能力將以專業(yè)化定制產(chǎn)品的方式為更多垂類專業(yè)領(lǐng)域賦能。大模型技術(shù)迭代與產(chǎn)品模式應(yīng)用分析2010年—2017年 2018年—2022年 2023年—2028年（預(yù)計(jì)）谷歌發(fā)布Transformer架構(gòu)，為后續(xù)LLM、GPT的建設(shè)提供基礎(chǔ)的框架支持。Diffusion擴(kuò)散模型作為面向視覺計(jì)算的生成式模型，在圖像創(chuàng)作、音頻生成等方面提供了創(chuàng)造性解決方案。特定領(lǐng)域?qū)Ｓ媚Ｐ蛻?yīng)用 產(chǎn)業(yè)大模型應(yīng)用從專用智能走向通用智能 從通用智能走向?qū)I(yè)化應(yīng)用通過在原有大模型的基礎(chǔ)上增加對話、圖像識別、視覺理解、語音感知等能力，由單一模態(tài)逐步邁向多模態(tài)應(yīng)用。以GPT為例，實(shí)現(xiàn)由Transformer到GPT1/2/3/4再到GPTs生態(tài)的建設(shè)。4?2024.9iResearchInc.自2023年起，國內(nèi)外多家科技企業(yè)推出針對特定專業(yè)領(lǐng)域應(yīng)用的產(chǎn)業(yè)大模型產(chǎn)品，依托自身專業(yè)領(lǐng)域特征及通用大模型建設(shè)基礎(chǔ)，推動(dòng)大模型技術(shù)實(shí)現(xiàn)產(chǎn)業(yè)落地應(yīng)用的最后一環(huán)。能力適配：大模型與金融數(shù)智化高度適配大模型技術(shù)特征與金融業(yè)務(wù)數(shù)智化需求具有較高適配度，如何低運(yùn)營成本的獲取高價(jià)值大模型服務(wù)是金融行業(yè)大模型應(yīng)用關(guān)注的核心問題大模型技術(shù)的產(chǎn)業(yè)化應(yīng)用——業(yè)務(wù)需求與技術(shù)能力的匹配行業(yè)需求 技術(shù)能力金融行業(yè)數(shù)智化轉(zhuǎn)型發(fā)展需求 大模型的深度學(xué)習(xí)與智慧涌現(xiàn)應(yīng)用?

金融行業(yè)的數(shù)據(jù)要素應(yīng)用需求金融行業(yè)屬于數(shù)據(jù)、信息密集型產(chǎn)業(yè)，對于多渠道信息匯總及數(shù)據(jù)處理能力有較高要求，隨著近年金融數(shù)據(jù)升級成為“第五生產(chǎn)要素”，數(shù)據(jù)在金融場景的應(yīng)用得到了空前的重視。?

基于經(jīng)驗(yàn)的復(fù)雜決策制定金融行業(yè)的眾多業(yè)務(wù)場景對于從業(yè)人員的專業(yè)能力提以滿足金融業(yè)務(wù)對于精準(zhǔn)快速的有效判斷以及高質(zhì)量代碼、文案產(chǎn)出的需求。?

大模型的復(fù)雜信息處理能力大模型是擁有巨大參數(shù)量和計(jì)算能力的深度學(xué)習(xí)模型，在自然語言的處理、計(jì)算機(jī)視覺應(yīng)用、知識圖譜問答等環(huán)節(jié)具有強(qiáng)大的數(shù)據(jù)處理與分析能力，結(jié)合深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)及復(fù)雜語句的理解與表達(dá)。?

大模型的涌現(xiàn)能力隨著模型規(guī)模的提升，模型的性能將在突破某個(gè)臨界閾數(shù)據(jù)與經(jīng)驗(yàn)的創(chuàng)造性解決方案，包括上下文學(xué)習(xí)能力、知識容量擴(kuò)展、泛化應(yīng)用能力及復(fù)雜推理能力等。金融行業(yè)數(shù)智化需求出了基于專業(yè)知識儲備與過往經(jīng)驗(yàn)積累的雙重要求，

與大模型技術(shù)特征相契合

值后顯著提升到高于隨機(jī)的水平，為用戶提供基于原始金融行業(yè)大模型技術(shù)應(yīng)用?

大模型技術(shù)為金融行業(yè)提供全新生產(chǎn)力大模型在復(fù)雜信息處理與智慧涌現(xiàn)方面的特征與金融業(yè)務(wù)的數(shù)智化轉(zhuǎn)型需求高度匹配，業(yè)務(wù)場景中面臨的海量數(shù)據(jù)分析、交易決策制定、個(gè)性化投資建議等環(huán)節(jié)對于金融從業(yè)者的專業(yè)知識儲備與經(jīng)驗(yàn)判斷提出了較高要求，而大模型的應(yīng)用能夠優(yōu)化數(shù)據(jù)處理模式，降低人力錯(cuò)誤，并在關(guān)鍵決策的判斷上給予金融從業(yè)者系統(tǒng)性支持，以技術(shù)能力重塑金融業(yè)務(wù)流程。?

通用大模型在金融領(lǐng)域的應(yīng)用存在弊端大模型的學(xué)習(xí)能力與泛化能力決定了其可以服務(wù)于多個(gè)領(lǐng)域，但在專業(yè)要求高的領(lǐng)域通用大模型技術(shù)很難提供高價(jià)值服務(wù)；此外大模型產(chǎn)品的高運(yùn)維成本也將成為業(yè)務(wù)場景實(shí)際應(yīng)用的阻礙。

來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制 5?2024.9iResearchInc.產(chǎn)業(yè)定制：大模型技術(shù)的產(chǎn)業(yè)化應(yīng)用金融大模型市場環(huán)境支持 監(jiān)管環(huán)境明確政策的指導(dǎo)：建設(shè)數(shù)字中國的戰(zhàn)略號召與層層遞進(jìn)的數(shù)字金融系列政策，為金融機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型提供了外在科技氛圍營造與內(nèi)在數(shù)字化發(fā)展指導(dǎo)；機(jī)構(gòu)的投入：2024年中國金融機(jī)構(gòu)科技投入預(yù)計(jì)超4000億元人民幣，后續(xù)將以約12%的增速保持增長。監(jiān)管體制改革：國內(nèi)金融監(jiān)管體系改革，設(shè)立了“一行一局一會(huì)”的監(jiān)管格局，明確了中國金融“雙峰”監(jiān)管框架；法律制度健全：制定《網(wǎng)絡(luò)安全法》《數(shù)據(jù)安全法》《個(gè)人信息保護(hù)法》在金融領(lǐng)域的配套制度，建設(shè)高質(zhì)量、多層次的國內(nèi)金融監(jiān)管體系。金融大模型將大模型技術(shù)與金融行業(yè)數(shù)據(jù)及場景信息相結(jié)合，應(yīng)用大模型在技術(shù)涌現(xiàn)、多任務(wù)學(xué)習(xí)、強(qiáng)計(jì)算高存儲等方面的優(yōu)勢服務(wù)信息密集型產(chǎn)業(yè)，通過預(yù)訓(xùn)練、金融語料微調(diào)及專業(yè)數(shù)據(jù)強(qiáng)化對齊等方式，實(shí)現(xiàn)大模型技術(shù)在金融行業(yè)的產(chǎn)業(yè)化落地。大模型的產(chǎn)業(yè)化應(yīng)用將在智能風(fēng)控、精準(zhǔn)營銷、財(cái)富顧問、投資規(guī)劃等多個(gè)業(yè)務(wù)場景中為金融機(jī)構(gòu)提供全新生產(chǎn)力支持，解決場景中可能面臨的金融信息過載、復(fù)雜金融需求拆解、個(gè)性化投資建議等需求，為機(jī)構(gòu)與用戶提供專業(yè)化、高價(jià)值服務(wù)。大模型技術(shù)大模型產(chǎn)業(yè)化能力應(yīng)用數(shù)據(jù)來源：金融機(jī)構(gòu)科技投入規(guī)模數(shù)據(jù)來自艾瑞咨詢《2024年金融科技行業(yè)發(fā)展洞察報(bào)告》“2019-2027年中國金融科技投入情況”

來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制 6?2024.9iResearchInc.在投入提升與政策扶植的雙重作用下，以大模型技術(shù)為底座、結(jié)合專業(yè)化金融能力的金融大模型產(chǎn)品應(yīng)運(yùn)而生近年，在金融科技發(fā)展規(guī)劃與金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型一系列政策的指導(dǎo)之下，國內(nèi)金融行業(yè)的數(shù)智化轉(zhuǎn)型頗具成效，越來越多的金融機(jī)構(gòu)意識到數(shù)字化轉(zhuǎn)型為自身業(yè)務(wù)發(fā)展帶來的助力，行業(yè)內(nèi)對于金融科技的資金投入逐年攀升，以金融機(jī)構(gòu)作為主要服務(wù)對象的技術(shù)廠商迎來了需求端市場蓬勃發(fā)展的上升期，為前沿技術(shù)的產(chǎn)業(yè)化定制創(chuàng)造了優(yōu)渥的市場環(huán)境；此外，金融作為監(jiān)管合規(guī)要求較高的信息密集型行業(yè)，其監(jiān)管體系的完善與監(jiān)管要求的提升推動(dòng)了機(jī)構(gòu)應(yīng)用前沿技術(shù)增強(qiáng)合規(guī)能力的需求，大模型作為有能力優(yōu)化業(yè)務(wù)流程環(huán)節(jié)、完善合規(guī)應(yīng)用的技術(shù)應(yīng)用，其產(chǎn)業(yè)化及垂類應(yīng)用的價(jià)值不容小覷。大模型技術(shù)的產(chǎn)業(yè)化應(yīng)用——金融大模型科技應(yīng)用成為金融行業(yè)發(fā)展的主旋律 金融行業(yè)全面進(jìn)入超級監(jiān)管時(shí)代金融大模型結(jié)構(gòu)特征與優(yōu)勢能力分析ProductMixand

Advantages028金融大模型結(jié)構(gòu)特征與優(yōu)勢能力分析金融大模型結(jié)構(gòu)特征分析金融大模型核心結(jié)構(gòu)總覽基座支持：通用大模型功能增強(qiáng)：大模型工具鏈業(yè)務(wù)適配：大模型垂類場景訓(xùn)練金融大模型優(yōu)勢能力分析金融大模型核心結(jié)構(gòu)總覽由通用大模型基座、專用模型工具鏈、私域業(yè)務(wù)場景訓(xùn)練三部分組成的完整金融大模型產(chǎn)品構(gòu)建體系金融大模型核心結(jié)構(gòu)總覽——以通用大模型為底座的金融大模型產(chǎn)業(yè)鏈分析問題處理業(yè)務(wù)流程行業(yè)信息技術(shù)訣竅廠商經(jīng)驗(yàn)積累模型架構(gòu)金融概念市場邏輯專業(yè)術(shù)語專業(yè)知識輸入服務(wù)方式產(chǎn)品特征歷史表現(xiàn)場景信息私域信息沉淀交互信息私域管理客戶行為客群畫像客群特征捕捉專業(yè)術(shù)語業(yè)務(wù)邏輯場景信息 宏觀發(fā)展行業(yè)Know-how文心一言LaMDAGPT4-Turbo提示工程通用大模型產(chǎn)品通義千問······檢索增強(qiáng)大模型微調(diào)······提升大模型泛化遷移能力服務(wù)于基座大模型的工具鏈能力庫外知識體系生成與更新優(yōu)化模型結(jié)構(gòu)提升信息輸出精準(zhǔn)度1

基座支持3

業(yè)務(wù)適配通過私域信息庫的模型訓(xùn)練，為金融機(jī)構(gòu)提供客制化的服務(wù)與問題解決方案。金融大模型核心組件結(jié)構(gòu)分析：金融大模型產(chǎn)品的核心構(gòu)建流程主要由以上三個(gè)環(huán)節(jié)構(gòu)成，首先是作為√技術(shù)底座支持的通用大模型為金融大模型產(chǎn)品的構(gòu)建提供底層技術(shù)能力、算法、基礎(chǔ)參數(shù)等底層模型邏輯方面的支持，在此基礎(chǔ)之上，以解決特定領(lǐng)域應(yīng)用能力短板問題的模型工具鏈系列產(chǎn)品將作為模型層與應(yīng)用層的橋梁，為垂類模型的構(gòu)建提供應(yīng)用層面的增強(qiáng)，此外，私域信息庫的模型訓(xùn)練將全面提升大模型產(chǎn)品的業(yè)務(wù)適配能力，為機(jī)構(gòu)提供客制化的模型服務(wù)

來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制 9?2024.9iResearchInc.2

功能增強(qiáng)為基礎(chǔ)模型架構(gòu)提供功能延伸服務(wù)，推動(dòng)大模型產(chǎn)品的落地應(yīng)用。通用大模型作為垂類大模型產(chǎn)品的技術(shù)底座，為其提供基礎(chǔ)能力架構(gòu)與算法支持。1.基座支持：通用大模型國內(nèi)通用大模型市場迎來“百模大戰(zhàn)”時(shí)代，泛化能力的應(yīng)用與專業(yè)能力的增強(qiáng)將成為通用大模型服務(wù)金融行業(yè)的兩大主流方式隨著深度學(xué)習(xí)與生成式大模型的融合應(yīng)用，以卷積神經(jīng)網(wǎng)絡(luò)、對抗生成網(wǎng)絡(luò)、ResNet為代表的深度學(xué)習(xí)模型能夠在自然語言處理、計(jì)算機(jī)視覺處理等方面實(shí)現(xiàn)較大突破，后續(xù)隨著Transformer結(jié)構(gòu)的應(yīng)用，以Transformer和注意力機(jī)制作為組件、參數(shù)在十億級別以上的自監(jiān)督學(xué)習(xí)模型營運(yùn)而生。伴隨著近年大模型技術(shù)在實(shí)踐應(yīng)用場景的發(fā)展，目前通用大模型市場已進(jìn)入“百模大戰(zhàn)”的全新時(shí)代。從整體來看，以GPT4-Turbo、LaMDA

為代表的國際市場頭部通用大模型，在模型架構(gòu)能力、參數(shù)范疇、應(yīng)用交互使用體驗(yàn)方面具有相對領(lǐng)先的優(yōu)勢，但隨著近年國內(nèi)大模型產(chǎn)業(yè)的爆發(fā)式增長，國內(nèi)市場也出現(xiàn)了“文心大模型”、“通義千問2.0”等立足于自身大模型產(chǎn)品架構(gòu)基礎(chǔ)與生態(tài)體系建設(shè)的國產(chǎn)通用大模型產(chǎn)品，考慮到金融行業(yè)對于信創(chuàng)建設(shè)與數(shù)據(jù)保護(hù)有較高要求，國產(chǎn)通用大模型體系的建設(shè)對于大模型技術(shù)在國內(nèi)金融市場的應(yīng)用至關(guān)重要。在實(shí)際應(yīng)用過程中，通用大模型的核心使用渠道主要有兩種，一種是應(yīng)用其泛化學(xué)習(xí)能力，將其他行業(yè)獲取的信息與模型能力遷移至金融領(lǐng)域，解決非核心金融業(yè)務(wù)場景中的信息處理及交互需求，另一種方式是將其作為金融行業(yè)垂類應(yīng)用模型的基礎(chǔ)底座，在工具鏈增強(qiáng)、專有業(yè)務(wù)生態(tài)訓(xùn)練下成為具備更高專業(yè)化金融業(yè)務(wù)解決能力的金融大模型產(chǎn)品，滿足金融行業(yè)對于大模型產(chǎn)品在專業(yè)術(shù)語的概念及理解、場景針對性解決方案以及高精度、合規(guī)性的需求。通用大模型產(chǎn)品在金融行業(yè)的兩大核心應(yīng)用——金融大模型產(chǎn)品基座支持與大模型泛在化能力應(yīng)用通用大模型泛在化能力應(yīng)用：通用大模型產(chǎn)品通義千問

文心一言

混元大模型通用大模型專業(yè)能力增強(qiáng)：······GPT4-TurboLaMDA以泛在學(xué)習(xí)能力直接應(yīng)用于金融領(lǐng)域金融業(yè)務(wù)場景應(yīng)用以服務(wù)非核心金融業(yè)務(wù)場景中的信息處理與用戶基礎(chǔ)交互為主，場景包括：金融市場信息整理 輿情匯總與情緒追蹤客服機(jī)器人問答 宣傳材料生成通用大模型產(chǎn)品大模型基座支持來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制+大模型功能的增加+私域數(shù)據(jù)集訓(xùn)練金融業(yè)務(wù)場景應(yīng)用10?2024.9iResearchInc.服務(wù)專業(yè)度要求更高、業(yè)務(wù)場景針對性更強(qiáng)、客群服務(wù)特征更加明確的金融業(yè)務(wù)場景；對于大模型產(chǎn)業(yè)鏈上下游的合作提出了更高的要求，與金融機(jī)構(gòu)間的共同開發(fā)至關(guān)重要。2.功能增強(qiáng)：大模型工具鏈工具鏈作為通用大模型與垂類大模型間的橋梁，以便捷靈活的工具模塊助力金融大模型建設(shè)降本增效大模型的工具鏈產(chǎn)品是指在金融大模型產(chǎn)品研發(fā)的過程中，為了優(yōu)化通用大模型在金融領(lǐng)域的應(yīng)用表現(xiàn)，在產(chǎn)品開發(fā)、預(yù)訓(xùn)練、精調(diào)、壓縮、推理、部署等環(huán)節(jié)提供高性能、靈活易用的工具模塊，在簡化復(fù)雜的訓(xùn)練流程、降低大模型技術(shù)使用門檻與落地周期的同時(shí)，提高了模型使用的精準(zhǔn)度與可靠性，增強(qiáng)了金融大模型產(chǎn)品在投資回報(bào)方面的表現(xiàn)。目前在國內(nèi)市場，大模型工具鏈的使用與通用大模型之間存在深度的綁定關(guān)系，工具鏈的核心技術(shù)提供商以大模型廠商為主，隨著通用大模型技術(shù)能力的迭代，預(yù)計(jì)未來更多的工具鏈產(chǎn)品將逐步融合進(jìn)大模型內(nèi)部體系，以更高水平的通用大模型產(chǎn)品的形式為開發(fā)者提供完整一體化的AGI服務(wù)，但對于專業(yè)度壁壘較高的行業(yè)，例如金融行業(yè)，大模型廠商在技術(shù)層面的能力補(bǔ)足難以真正滿足金融機(jī)構(gòu)的應(yīng)用需求，基于長期服務(wù)金融機(jī)構(gòu)的技術(shù)積累與行業(yè)Know-how能力將成為工具鏈功能增強(qiáng)的重點(diǎn)，因此針對特定行業(yè)的專業(yè)化服務(wù)仍需依托于有較多行業(yè)深耕能力的專精廠商負(fù)責(zé)。大模型工具鏈的能力增強(qiáng)表現(xiàn)及“+工具鏈”的實(shí)踐意義分析提示工程解決大模型對于特定領(lǐng)域任務(wù)泛化遷移能力應(yīng)用不足的問題檢索增強(qiáng)生成生成引用數(shù)據(jù)庫以外的權(quán)威知識體系，解決大模型存在的知識更新問題大模型微調(diào)提升大模型信息輸出精準(zhǔn)度，基于人類反饋進(jìn)行強(qiáng)化學(xué)習(xí)。工具鏈能力加強(qiáng)大模型工具鏈的功能增強(qiáng) 通用大模型能力需求拆解 大模型工具鏈的實(shí)踐意義服務(wù)于基座大模型的工具鏈能力服務(wù)于金融機(jī)構(gòu)的“+工具鏈”體系降低金融大模型研發(fā)成本與產(chǎn)品落地周期，平衡產(chǎn)品研發(fā)ROI表現(xiàn)。通過工具鏈精簡了模型參數(shù)，降低金融大模型使用對于算力的要求工具鏈對于基座大模型在特定領(lǐng)域功能表現(xiàn)提供增強(qiáng)效應(yīng)提升業(yè)務(wù)處理的精準(zhǔn)度User

Intent用戶輸入

來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制

11?2024.9iResearchInc.LLM

Knowledge大模型訓(xùn)練知識External

ContextualReference

Data外部上下文參考數(shù)據(jù)1.PromptUserInput

ContextEngineering3.Fine-Tuned

LLM大模型微調(diào)2.缺乏NLG、對話管理、適應(yīng)等能力提示工程4.RAG檢索增強(qiáng)生成“基座大模型+工具鏈”產(chǎn)品組合的外延價(jià)值輸出3.業(yè)務(wù)適配：大模型垂類場景訓(xùn)練信息積累大模型廠商專業(yè)知識積累宏觀邏輯行業(yè)Know-how······金融機(jī)構(gòu)私域信息庫客群信息產(chǎn)品歷史表現(xiàn)業(yè)務(wù)場景信息

業(yè)務(wù)規(guī)劃······行業(yè)經(jīng)驗(yàn)服務(wù)金融機(jī)構(gòu)的歷史經(jīng)驗(yàn)積累金融機(jī)構(gòu)自身業(yè)務(wù)信息沉淀數(shù)據(jù)沉淀數(shù)據(jù)沉淀金融大模型金融大模型數(shù)據(jù)訓(xùn)練信息合規(guī)分享來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.12業(yè)務(wù)能力遷移專業(yè)術(shù)語

業(yè)務(wù)流程大模型在特定信息域的定制化訓(xùn)練將全面提升其垂類業(yè)務(wù)場景的應(yīng)用表現(xiàn)，數(shù)據(jù)信息的專業(yè)性與群體特征的捕捉能力將成為業(yè)務(wù)適配的關(guān)鍵大模型在垂類業(yè)務(wù)場景應(yīng)用的效果與其訓(xùn)練應(yīng)用的文本數(shù)據(jù)息息相關(guān)，信息輸入的質(zhì)量將很大程度的決定了大模型在特定業(yè)務(wù)場景的應(yīng)用表現(xiàn)，特別是在專業(yè)壁壘較高的金融行業(yè)，金融大模型對于金融市場運(yùn)營邏輯的理解、專業(yè)術(shù)語的解讀以及宏觀市場環(huán)境的洞察大多依賴于大模型廠商在模型訓(xùn)練期間的信息輸入，因此大模型廠商在金融領(lǐng)域的專業(yè)積累能力將極大的影響其大模型產(chǎn)品的應(yīng)用效果，能否為模型訓(xùn)練提供專業(yè)化的場景信息、專業(yè)知識及行業(yè)know-how能力將成為判斷其金融大模型可用性的關(guān)鍵。除了在大模型廠商專業(yè)知識庫的場景訓(xùn)練之外，由金融機(jī)構(gòu)提供的私域場景信息也將極大的提升金融大模型的建模精準(zhǔn)度與問題解決能力，在合規(guī)分享的前提下，結(jié)合客戶方私域信息的金融大模型產(chǎn)品將在模型結(jié)構(gòu)與參數(shù)豐富度方面表現(xiàn)更為優(yōu)秀，通過豐富大模型垂類場景訓(xùn)練的方式，為金融機(jī)構(gòu)提供與業(yè)務(wù)場景及客群特征契合度更高的定制化大模型產(chǎn)品。金融大模型垂類場景訓(xùn)練分析——基于業(yè)務(wù)場景與客群信息的定制化訓(xùn)練工具鏈大模型基座 場景增強(qiáng)13金融大模型結(jié)構(gòu)特征與優(yōu)勢能力分析金融大模型結(jié)構(gòu)特征分析金融大模型優(yōu)勢能力分析產(chǎn)品構(gòu)建期：降低成本、保留差異化競爭空間、與底層模型同步迭代模型使用期：模型精準(zhǔn)、結(jié)果可靠、產(chǎn)品結(jié)構(gòu)輕量化迭代維護(hù)期：應(yīng)變能力強(qiáng)、維護(hù)及迭代成本低階段一：產(chǎn)品構(gòu)建期以通用大模型為底座的金融大模型構(gòu)建體系，在具備成本控制與同頻迭代優(yōu)勢的同時(shí)保留了產(chǎn)品的差異化、個(gè)性化競爭空間完整構(gòu)建流程之下的金融大模型產(chǎn)品優(yōu)勢能力分析——產(chǎn)品構(gòu)建階段通用大模型大模型工具鏈業(yè)務(wù)場景訓(xùn)練金融大模型縮短產(chǎn)品落地周期，降低成本1保障基礎(chǔ)能力，留存產(chǎn)品差異化競爭空間2乘基座大模型迭代東風(fēng)，與時(shí)俱進(jìn)3來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.14從產(chǎn)品建設(shè)周期的角度來看，以通用大模型為基礎(chǔ)的金融大模型產(chǎn)品的構(gòu)建及產(chǎn)品落地周期要明顯短于“從0開始”搭建的垂類大模型產(chǎn)品。通過基座模型的支持，金融大模型產(chǎn)品的開發(fā)流程實(shí)現(xiàn)將模型訓(xùn)練成本前置于通用模型階段，降低金融大模型產(chǎn)品的研發(fā)成本。通用大模型作為技術(shù)基座保障了金融大模型產(chǎn)品在基礎(chǔ)技術(shù)能力以及通用業(yè)務(wù)場景的表現(xiàn)。在此之上，基于不同廠商行業(yè)經(jīng)驗(yàn)積累形成的大模型工具鏈與場景訓(xùn)練，將充分體現(xiàn)不同廠商對于金融行業(yè)的理解以及各家金融大模型產(chǎn)品的差異化競爭表現(xiàn)。完整構(gòu)建流程下的金融大模型產(chǎn)品將在保持較高基礎(chǔ)技術(shù)能力的同時(shí)，提供差異化、客制化服務(wù)。建設(shè)于通用大模型基礎(chǔ)之上的金融大模型產(chǎn)品，將跟隨其底座大模型的升級迭代，實(shí)現(xiàn)“被動(dòng)”的產(chǎn)品升級，其底層的技術(shù)能力、模型參數(shù)與邏輯、前沿科技的應(yīng)用以及模型的使用方式與形態(tài)將對齊大模型行業(yè)領(lǐng)先標(biāo)準(zhǔn)，與時(shí)俱進(jìn)。對于金融大模型產(chǎn)品廠商來說，由于其底層的技術(shù)模塊將實(shí)現(xiàn)一定程度的“自動(dòng)化”更新，廠商可以將工作的重心放在提升其工具鏈的使用效果與業(yè)務(wù)場景訓(xùn)練的專業(yè)度上，更多的聚焦于大模型產(chǎn)品的垂類應(yīng)用，實(shí)現(xiàn)大模型產(chǎn)品在金融行業(yè)深度探索。以上的產(chǎn)品構(gòu)建模式對于合作的底層通用大模型廠商的技術(shù)能力與未來發(fā)展提出了較高的要求，金融大模型廠商需在產(chǎn)品構(gòu)建初期明確靠譜的模型技術(shù)底座，以減少后續(xù)產(chǎn)品應(yīng)用、迭代的隱患。階段二：模型使用期模型算法優(yōu)化，指向性強(qiáng)模型參數(shù)精準(zhǔn)，生成結(jié)果信息含量高核心特征產(chǎn)品結(jié)構(gòu)更加輕量化與通用大模型相比，金融大模型產(chǎn)品結(jié)構(gòu)特征：場景訓(xùn)練經(jīng)由模型結(jié)構(gòu)優(yōu)化、專用功能增強(qiáng)與業(yè)務(wù)能力提升的金融大模型產(chǎn)品在資源需求、生成效率與問題解決專業(yè)度方面具有較強(qiáng)優(yōu)勢相比于傳統(tǒng)的通用大模型，金融大模型產(chǎn)品在使用階段的核心優(yōu)勢主要來自于其結(jié)構(gòu)特征與行業(yè)經(jīng)驗(yàn)積累，通過完整垂類模型構(gòu)建體系下的金融大模型產(chǎn)品，在模型算法能力、參數(shù)精準(zhǔn)度以及產(chǎn)品結(jié)構(gòu)模式方面具備更優(yōu)化、更精準(zhǔn)、更輕量的特征，在其作用下，金融大模型產(chǎn)品的使用對于外部資源的需求程度相對較低，精簡的模型產(chǎn)品不再受限于龐大的算力需求，在降低金融行業(yè)大模型產(chǎn)品使用門檻的同時(shí)也減少了機(jī)構(gòu)的模型使用成本，結(jié)合金融大模型在金融場景下的問題解決能力與專業(yè)表現(xiàn)，輕量化的金融大模型產(chǎn)品將更有能力為金融機(jī)構(gòu)提供更具性價(jià)比的專業(yè)化AGI服務(wù)，產(chǎn)品本身擁有較高的實(shí)用價(jià)值與推廣應(yīng)用條件。完整構(gòu)建流程之下的金融大模型產(chǎn)品優(yōu)勢能力分析——模型使用階段模型層增強(qiáng)

模型專業(yè)度提升

業(yè)務(wù)場景應(yīng)用能力增強(qiáng)金融大模型

經(jīng)過完整垂類模型

構(gòu)建體系下的

金融大模型產(chǎn)品金融大模型構(gòu)建流程拆解大模型技術(shù) 工具鏈

模型結(jié)構(gòu)優(yōu)化，專用功能增強(qiáng)√?

模型使用效率縮短生成路徑，提升使用效率：經(jīng)過模型結(jié)構(gòu)優(yōu)化，金融大模型產(chǎn)品在解決金融行業(yè)專業(yè)問題時(shí)的問題處理路徑更加直接清晰，模型提供的結(jié)果生成效率更高。?

專業(yè)問題解決能力數(shù)據(jù)信息需求

算專力業(yè)需場求景的理解力：在專業(yè)的金融行業(yè)公域、私域信息庫訓(xùn)練的加持下，金融大模型產(chǎn)品對于金融業(yè)務(wù)場景的理解更加深刻。解決方案提供能力：金融大模型√將為客戶提供專業(yè)度更高、參考價(jià)值更強(qiáng)的金融問題解決方案，并且有能力服務(wù)專業(yè)要求水平更高的金融業(yè)務(wù)場景。以專業(yè)場景下的表現(xiàn)為主，對于√其他場景下的信息需求較少。

算力需求：經(jīng)過模型算法的優(yōu)化與參數(shù)的精簡，輕量化的金融大模型產(chǎn)品在使用過程中所需的算力需求相對較低。金融大模型產(chǎn)品使用階段優(yōu)勢能力分析：模型使用過程中的資源需求信息需求：

金融大模型的使用具有更強(qiáng)的專業(yè)導(dǎo)向性，信息需求來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.15階段三：迭代維護(hù)期“小而精”的結(jié)構(gòu)特征在保障金融大模型產(chǎn)品靈活度的同時(shí)，降低了產(chǎn)品后續(xù)使用的維護(hù)迭代門檻，提升產(chǎn)品的普適性金融作為政策導(dǎo)向性與宏觀影響性較強(qiáng)的服務(wù)行業(yè)，其自身機(jī)構(gòu)的運(yùn)營、決策與發(fā)展同外部的政策引導(dǎo)與市場環(huán)境息息相關(guān)，對于服務(wù)于該領(lǐng)域的大模型產(chǎn)品來說，需要有能力及時(shí)根據(jù)外部信息的變化對模型結(jié)構(gòu)進(jìn)行調(diào)整，為金融機(jī)構(gòu)提供及時(shí)、準(zhǔn)確、專業(yè)的業(yè)務(wù)解決方案，以適配金融行業(yè)高效性、實(shí)時(shí)性需求。與傳統(tǒng)通用大模型在金融領(lǐng)域的直接應(yīng)用相比，垂類金融大模型“小而精”的結(jié)構(gòu)特征使其在面對外部環(huán)境變化時(shí)擁有足夠的靈活性與應(yīng)變能力，模型調(diào)整與重新訓(xùn)練的反應(yīng)更加敏捷，能夠快速將市場變化反應(yīng)在模型結(jié)構(gòu)中，為金融機(jī)構(gòu)提供最前沿的業(yè)務(wù)解決方案。此外，金融大模型產(chǎn)品的結(jié)構(gòu)特征優(yōu)勢也在產(chǎn)品維護(hù)難度與成本方面得到充分的展現(xiàn)，為產(chǎn)品后續(xù)的迭代升級與長期應(yīng)用奠定基礎(chǔ)。完整構(gòu)建流程之下的金融大模型產(chǎn)品優(yōu)勢能力分析——迭代維護(hù)階段金融大模型結(jié)構(gòu)特征專業(yè)化金融大模型輕量化精簡化產(chǎn)品構(gòu)建期模型使用期維護(hù)迭代期靈活性應(yīng)變能力維護(hù)復(fù)雜度迭代成本金融大模型構(gòu)建流程維護(hù)迭代階段產(chǎn)品優(yōu)勢

靈活性、應(yīng)變能力：

金融大模型精簡化、輕量化的結(jié)構(gòu)特征使其在面對宏觀環(huán)境變化時(shí)能夠及時(shí)、靈活的實(shí)現(xiàn)模型調(diào)整與模型訓(xùn)練，降低金融機(jī)構(gòu)應(yīng)用的延遲成本與過期信息使用風(fēng)險(xiǎn)，保障產(chǎn)品能夠在多種宏觀環(huán)境與業(yè)務(wù)場景下提供專業(yè)的AGI服務(wù)，提升產(chǎn)品的適用能力。

維護(hù)復(fù)雜度、迭代成本：

與通用大模型相比，金融大模型的結(jié)構(gòu)特征預(yù)示著其在后續(xù)使用以及升級、維護(hù)的成本都要遠(yuǎn)低于完整的通用大模型體系，在降低大模型應(yīng)用門檻的同時(shí)為后續(xù)產(chǎn)品使用的持久性與連續(xù)性奠定基礎(chǔ)。業(yè)務(wù)場景下的優(yōu)勢表現(xiàn)來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.1603中國金融大模型產(chǎn)業(yè)卓越者評選Outstanding

Enterprises中國金融大模型產(chǎn)業(yè)卓越者評選18中國金融科技行業(yè)卓越服務(wù)商評選“卓越者”評選說明入圍說明評估指標(biāo)介紹入圍廠商名單卓越者入圍說明19QualificationStatementforOutstanding

Enterprises@iResearch：“中國金融大模型產(chǎn)業(yè)卓越服務(wù)廠商評選”艾瑞咨詢研究團(tuán)隊(duì)&產(chǎn)業(yè)專家團(tuán)隊(duì)所有的入圍者，均為接受過研究團(tuán)隊(duì)調(diào)研的企業(yè)，其在綜合能力或者關(guān)鍵能力方面獲得了研究團(tuán)隊(duì)及產(chǎn)業(yè)專家團(tuán)的一致肯定?！爸袊鹑诖竽Ｐ彤a(chǎn)業(yè)卓越服務(wù)廠商”的選定，艾瑞咨詢研究團(tuán)隊(duì)征詢了來自銀行、保險(xiǎn)、證券等需求端專家的意見，外部專家團(tuán)站在技術(shù)水平及服務(wù)能力的角度提出了相應(yīng)的觀點(diǎn)和看法?！爸袊鹑诖竽Ｐ彤a(chǎn)業(yè)卓越服務(wù)廠商”由艾瑞咨詢研究團(tuán)隊(duì)及產(chǎn)業(yè)專家團(tuán)共同提名，研究團(tuán)隊(duì)也在最大程度上實(shí)現(xiàn)了對廠商的觸達(dá)。對未展開調(diào)研或者未接受調(diào)研的企業(yè)，艾瑞咨詢不對其發(fā)表任何評判觀點(diǎn)。“中國金融大模型產(chǎn)業(yè)卓越服務(wù)廠商”不代表企業(yè)排名，也不能說明未入圍者完全不具備產(chǎn)品力或市場力的優(yōu)勢。本次調(diào)研僅為對企業(yè)的當(dāng)下能力判斷，不代表對企業(yè)的長期判斷。20iResearch-卓越者 評估指標(biāo)介紹行業(yè)深耕程度項(xiàng)目積累項(xiàng)目類型覆蓋度（高）項(xiàng)目數(shù)量（中）服務(wù)客戶情況服務(wù)客戶數(shù)量（中）客戶業(yè)務(wù)規(guī)模及市場地位（高）業(yè)務(wù)場景覆蓋度專業(yè)化場景服務(wù)提供能力（高）基礎(chǔ)場景服務(wù)提供能力（高）業(yè)務(wù)相關(guān)指標(biāo)的提升（高）業(yè)務(wù)流程的優(yōu)化度（高）產(chǎn)品運(yùn)營穩(wěn)定性（高）產(chǎn)品客制化能力（高）產(chǎn)品迭代規(guī)劃（中）產(chǎn)品構(gòu)建能力產(chǎn)品能力產(chǎn)品使用效果服務(wù)能力服務(wù)質(zhì)量與服務(wù)全面性一站式智能運(yùn)維服務(wù)提供能力（高）服務(wù)穩(wěn)定性與持續(xù)性服務(wù)的穩(wěn)定性與連貫性（高）“陪伴成長式”服務(wù)提供能力（高）生態(tài)能力資源整合與生態(tài)合作能力其他衍生服務(wù)（中）服務(wù)的靈活性與多樣性（高）服務(wù)需求匹配度（高）聯(lián)合技術(shù)研發(fā)能力（高）生態(tài)內(nèi)業(yè)務(wù)拓展能力（高）協(xié)同企業(yè)合作能力（高）示例一級指標(biāo)二級指標(biāo)三級指標(biāo)打分標(biāo)準(zhǔn)說明：各項(xiàng)指標(biāo)評測結(jié)果均來自于內(nèi)部及外部評審團(tuán)隊(duì)，根據(jù)參選企業(yè)提供的資料及調(diào)研、走訪結(jié)果，結(jié)合團(tuán)隊(duì)專家自身對行業(yè)的認(rèn)知及經(jīng)驗(yàn)積累，綜合評斷得出；具體卓越者榜單情況見下頁。?

評測說明：評測模型主要包括服務(wù)廠商的行業(yè)深耕程度、產(chǎn)品與技術(shù)能力、服務(wù)能力及生態(tài)能力四個(gè)核心維度，最終評測結(jié)果的產(chǎn)出來自于對以上四個(gè)核心維度的綜合考量，為了更全面的量化各服務(wù)廠商在核心維度下的具體表現(xiàn)，將核心維度進(jìn)一步拆分至二級、三級評價(jià)指標(biāo)，并給予其不同的評測重要程度等級，具體指標(biāo)如下圖所示：iResearch

-

卓越者（2024，中國金融大模型產(chǎn)業(yè)服務(wù)廠商）核心評估指標(biāo)

來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制 ?2024.9

iResearch

Inc 21?2024.9iResearch

Inc.iResearch-卓越者 入圍廠商來源：艾瑞咨詢研究院自主研究及繪制注釋：榜單內(nèi)企業(yè)排名不分前后，按企業(yè)中文名稱音序排列中國金融大模型產(chǎn)業(yè)卓越服務(wù)廠商TOP20榜單iResearch

–

中國金融大模型產(chǎn)業(yè)卓越服務(wù)商TOP20榜單金融業(yè)務(wù)數(shù)字化創(chuàng)新服務(wù)商核心技術(shù)應(yīng)用服務(wù)商金融科技IT服務(wù)商中國金融大模型產(chǎn)業(yè)未來趨勢預(yù)判Industry Development

Trends04市場趨勢前瞻融機(jī)構(gòu)術(shù)廠商金融機(jī)構(gòu)對于技術(shù)產(chǎn)品合規(guī)性、實(shí)踐能力與穩(wěn)定性的要求將指引供給端產(chǎn)業(yè)迭代方向；分工協(xié)作、強(qiáng)強(qiáng)結(jié)合或?qū)⒊蔀槲磥懋a(chǎn)業(yè)發(fā)展的主流模式金融行業(yè)屬于政策導(dǎo)向型產(chǎn)業(yè)，在前沿技術(shù)產(chǎn)品的選擇上對于產(chǎn)品的合規(guī)性、實(shí)踐效果與表現(xiàn)穩(wěn)定度方面均有較高要求，而對于金融大模型產(chǎn)品來說，作為其底層技術(shù)能力的生成式AI已被認(rèn)為走到了技術(shù)發(fā)展曲線的膨脹階段，如何將市場對于技術(shù)能力的期待轉(zhuǎn)化為大模型的產(chǎn)品力將成為大模型產(chǎn)業(yè)發(fā)展面臨的重要課題。結(jié)合金融行業(yè)應(yīng)用的特殊性，未來金融大模型產(chǎn)業(yè)的發(fā)展將極大程度取決于需求端對于產(chǎn)品的認(rèn)可程度，即金融機(jī)構(gòu)對于大模型產(chǎn)品的使用意愿如何?？紤]到金融機(jī)構(gòu)對于新技術(shù)產(chǎn)品選擇的審慎程度，未來中短期內(nèi)大模型產(chǎn)品在金融領(lǐng)域的表現(xiàn)效果將極大影響機(jī)構(gòu)對于該項(xiàng)產(chǎn)品的認(rèn)可程度，進(jìn)而影響后續(xù)產(chǎn)業(yè)整體的發(fā)展。對于金融大模型產(chǎn)品的供應(yīng)方來說，如何在合規(guī)的背景下保障產(chǎn)品的技術(shù)能力與專業(yè)度、為機(jī)構(gòu)提供更優(yōu)質(zhì)的AI使用體驗(yàn)是目前短中期發(fā)展的關(guān)鍵，就目前國內(nèi)金融大模型市場的發(fā)展情況來看，單獨(dú)一家機(jī)構(gòu)很難實(shí)現(xiàn)從技術(shù)底座、能力增強(qiáng)到金融知識訓(xùn)練每個(gè)環(huán)節(jié)均

具備行業(yè)領(lǐng)先優(yōu)勢，“多環(huán)節(jié)、多機(jī)構(gòu)”的合作模式或?qū)⒊蔀閮?yōu)質(zhì)金融大模型產(chǎn)品的構(gòu)建方式，由分別的技術(shù)廠商提供底層技術(shù)、

能力增強(qiáng)與專業(yè)訓(xùn)練，充分發(fā)揮金融實(shí)踐積累與技術(shù)創(chuàng)新迭代的協(xié)同作用，驅(qū)動(dòng)國內(nèi)金融大模型產(chǎn)業(yè)鏈的整體發(fā)展。國內(nèi)金融大模型產(chǎn)業(yè)發(fā)展趨勢前瞻——以需求端為導(dǎo)向、業(yè)務(wù)與科技深度結(jié)合的跨領(lǐng)域產(chǎn)業(yè)發(fā)展實(shí)踐效果合規(guī)性 穩(wěn)定性金

需求端供給端

技明確產(chǎn)品需求類型以需求為導(dǎo)向提升產(chǎn)品特性驅(qū)動(dòng)產(chǎn)業(yè)良性成長金融大模型產(chǎn)業(yè)政策導(dǎo)向型行業(yè)新技術(shù)產(chǎn)品選擇審慎需求端驅(qū)動(dòng)型產(chǎn)業(yè)機(jī)構(gòu)的選擇決定產(chǎn)業(yè)發(fā)展金融實(shí)踐積累與技術(shù)創(chuàng)新迭代的結(jié)合分工協(xié)作、強(qiáng)強(qiáng)結(jié)合或?qū)⒊蔀楫a(chǎn)業(yè)發(fā)展主流模式來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.23關(guān)注技術(shù)產(chǎn)品使用效果近期表現(xiàn)影響長期選擇技術(shù)產(chǎn)品的合規(guī)性是關(guān)注的首要因素產(chǎn)品結(jié)構(gòu)建設(shè)數(shù)據(jù)合規(guī)應(yīng)用與成本、成效間的權(quán)衡將成為影響垂類大模型實(shí)踐效果的重要因素，邊緣部署與輕量化建設(shè)或?qū)⒊蔀榻鹑诖竽Ｐ彤a(chǎn)品構(gòu)建新趨勢金融行業(yè)對于數(shù)據(jù)信息保護(hù)有較高要求，云端部署意味著金融機(jī)構(gòu)需要通過將業(yè)務(wù)數(shù)據(jù)信息上傳至云端的方式來完成模型訓(xùn)練、獲取輸出結(jié)果，這對于金融機(jī)構(gòu)自身的信息安全與合規(guī)應(yīng)用來說是不小的挑戰(zhàn)，市場整體的接受度與認(rèn)可度也將由于該部署形式受到較大限制，多數(shù)涉及私域數(shù)據(jù)的專業(yè)化業(yè)務(wù)場景將很難接受云端部署的大模型應(yīng)用，而基礎(chǔ)的金融場景也難以發(fā)揮金融大模型在涌現(xiàn)性與復(fù)雜信息處理的能力，導(dǎo)致大模型的實(shí)踐價(jià)值大打折扣。因此，大模型產(chǎn)品要想在金融行業(yè)實(shí)現(xiàn)高價(jià)值、大規(guī)模應(yīng)用，應(yīng)提升產(chǎn)品部署方式的多元元化，由云端逐步延伸至邊緣側(cè)，增強(qiáng)產(chǎn)品部署的私密性，以此降低大模型產(chǎn)品應(yīng)用過程中面臨的信息安全問題，在合規(guī)的環(huán)境下滿足金融機(jī)構(gòu)的個(gè)性化定制需求。于此同時(shí)，與國際市場通用大模型的“規(guī)模軍備競賽”不同，龐大的參數(shù)對于垂類大模型來說過于冗余，特別是對于結(jié)果生成時(shí)效性要求較強(qiáng)的場景，參數(shù)量過大的大模型產(chǎn)品并不是好的選擇，并且模型規(guī)模的擴(kuò)張也會(huì)顯著提高使用成本以及軟、硬件的支持負(fù)擔(dān)。因此，如何壓縮模型、減少模型的計(jì)算復(fù)雜度與內(nèi)存占比將成為未來行業(yè)發(fā)展關(guān)注的重點(diǎn)問題，通過合理的剪枝、低秩分解，將大模型產(chǎn)品輕量化，以精準(zhǔn)的運(yùn)營為客戶提供穩(wěn)定可靠的運(yùn)算結(jié)果。金融大模型產(chǎn)品結(jié)構(gòu)建設(shè)的趨勢分析——邊緣部署與模型輕量化由云端向邊緣側(cè)延伸的產(chǎn)品部署 垂類大模型的輕量化建設(shè)金融行業(yè)的數(shù)據(jù)保護(hù)要求與其他行業(yè)相比，金融行業(yè)對于數(shù)據(jù)信息保護(hù)的要求更為嚴(yán)格，云端部署的方式將在一定程度上限制金融大模型的推廣應(yīng)用。傳統(tǒng)的數(shù)據(jù)保護(hù)方式會(huì)影響大模型對于數(shù)據(jù)的使用效率與信息提取能力。邊緣側(cè)部署的硬件準(zhǔn)備由云端向邊緣側(cè)的延伸對于軟硬件的適配性、硬件設(shè)備的計(jì)算能力、存儲能力提出了更高的要求。需匹配合適的邊緣計(jì)算框架。金融大模型對于金融行業(yè)的定向化產(chǎn)品結(jié)構(gòu)升級金融行業(yè)垂類應(yīng)用的特性通用大模型“大力出奇跡”的結(jié)構(gòu)理念在垂類場景的應(yīng)用中效果并不顯著，特定領(lǐng)域的場景化應(yīng)用將更多的關(guān)注成本與收益間的平衡。不同業(yè)務(wù)場景對于結(jié)果生成的時(shí)效性與準(zhǔn)確性的要求不同，功能冗余帶來的成本提升將影響其普及應(yīng)用。降低軟、硬件應(yīng)用負(fù)擔(dān)模型越大、越復(fù)雜對于運(yùn)行條件的要求越高。模型剪枝、量化感知訓(xùn)練下輕量化的金融大模型能夠更好的適應(yīng)邊緣設(shè)備的資源限制。來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.24邊緣部署與輕量E化P建設(shè)在產(chǎn)品結(jié)構(gòu)的發(fā)展趨勢上具有較高匹配性技術(shù)能力迭代Chatbot

模式以人類為主的AI應(yīng)用，AI以信息提供的形式服務(wù)人類決策。Copilot

模式AI與人類的協(xié)同合作，AI負(fù)責(zé)某部分模塊化任務(wù)的執(zhí)行。Agents

模式AI全權(quán)代理，自主承擔(dān)工作任務(wù)的分配、拆解與執(zhí)行。長期記憶短期記憶日歷類函數(shù)計(jì)算類函數(shù)代碼解釋器搜索函數(shù)······Reflection.反思Self-critics

自我批評Chainof

thoughts思維鏈Subgoal

decomposition子目標(biāo)拆解Agent工具記憶規(guī)劃執(zhí)行AI

Agent智能體結(jié)構(gòu)組成與總體架構(gòu)剖析：AI

Agent

智能體=LLM+規(guī)劃能力+記憶能力+工具使用來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.25以大模型能力為基礎(chǔ)，構(gòu)建具備環(huán)境感知、自主理解、決策制定與執(zhí)行行動(dòng)力的AI

Agent智能體，推動(dòng)大模型能力的落地應(yīng)用AI協(xié)同應(yīng)用的技術(shù)演進(jìn)路徑預(yù)示著AI

Agent將成為大模型技術(shù)迭代與落地應(yīng)用的重要方向，在“動(dòng)態(tài)決策”的大模型框架之下，AIAgent將以“超級擬人化”形態(tài)，接收外部指令、信息并進(jìn)行深度理解，憑借其CoT

(Chain

of

Thought)能力，通過計(jì)劃、行動(dòng)與觀察相結(jié)合的方式彌補(bǔ)推理與實(shí)踐的差距，實(shí)現(xiàn)有效地意圖識別與決策制定。此外，大模型作為Agent的“大腦”將為其全自動(dòng)決策能力提供規(guī)劃、記憶、執(zhí)行與工具四項(xiàng)能力補(bǔ)充，促使其有能力處理更復(fù)雜、更多元的決策任務(wù)，自主進(jìn)行任務(wù)規(guī)劃、環(huán)境感知、選擇行動(dòng)、觀察糾錯(cuò)等一系列以任務(wù)目標(biāo)為導(dǎo)向的行動(dòng)，提升大模型技術(shù)的實(shí)際問題解決能力與決策結(jié)果的準(zhǔn)確性，推動(dòng)智能體的實(shí)踐應(yīng)用進(jìn)程。AI協(xié)同應(yīng)用的技術(shù)演進(jìn)路徑與智能體組成架構(gòu)分析展示AI協(xié)同應(yīng)用的模式演進(jìn)路徑：未來場景應(yīng)用加深技術(shù)產(chǎn)品間的協(xié)同應(yīng)用，實(shí)現(xiàn)由非決策場景向決策場景的過渡，承擔(dān)更重要的金融投資角色；技術(shù)、業(yè)務(wù)與合規(guī)方面的應(yīng)用困境仍需重視目前已有多項(xiàng)包括傳統(tǒng)AI技術(shù)產(chǎn)品在內(nèi)的前沿科技應(yīng)用正服務(wù)于金融業(yè)務(wù)的多個(gè)環(huán)節(jié)，其服務(wù)模式與應(yīng)用效果已達(dá)到較為成熟的水平。對于金融大模型來說，未來的服務(wù)模式并不是完全取代之前的小模型或其他技術(shù)產(chǎn)品，而是應(yīng)用大模型在語義理解、信息分析、內(nèi)容生成等方面的優(yōu)勢，作為補(bǔ)充能力實(shí)現(xiàn)對于原有實(shí)踐效果的提升。此外，金融大模型的應(yīng)用也將逐步由簡單的信息處理與圖文生成拓展至與投資決策相關(guān)的核心業(yè)務(wù)板塊，充分發(fā)揮大模型產(chǎn)品在智慧涌現(xiàn)與復(fù)雜信息處理方面的能力，為投研、投顧場景提供更全面的技術(shù)賦能。與此同時(shí)，金融大模型的信息處理能力也將在客戶運(yùn)營與挖掘中得到更為充分的應(yīng)用，以高效低成本的方式觸達(dá)長尾客群，實(shí)現(xiàn)私域用戶需求的深度挖掘。在走向未來場景應(yīng)用的過程中，大模型的技術(shù)能力、金融行業(yè)深耕程度與監(jiān)管合規(guī)要求都將很大程度影響其的實(shí)踐效果，如何在合規(guī)的前提下保障產(chǎn)品技術(shù)水平與業(yè)務(wù)能力將成為未來金融大模型產(chǎn)品之爭的關(guān)鍵。金融大模型產(chǎn)品的未來場景應(yīng)用分析——服務(wù)模式、場景范疇與應(yīng)用困境的討論未來服務(wù)模式——與小模型及其他AI產(chǎn)品的協(xié)同應(yīng)用服務(wù)場景范疇——決策場景的過渡與深度用戶運(yùn)營待需解決的產(chǎn)品應(yīng)用難題——大模型實(shí)踐能力與可信度的提升決策判斷力提升實(shí)踐性提升金融大模型未來場景應(yīng)用來源：專家訪談，公開資料，艾瑞咨詢研究院自主研究及繪制?2024.9iResearch

Inc.26?

金融大模型的應(yīng)用并不意味著將取代原有的金融業(yè)務(wù)場景小模型及其他AI產(chǎn)品應(yīng)用，而是發(fā)揮金融大模型在語義理解、信息歸納、智慧生成等環(huán)節(jié)的優(yōu)勢，在某些環(huán)節(jié)輔助原有產(chǎn)品及業(yè)務(wù)環(huán)節(jié)的運(yùn)營模式，充分發(fā)揮前沿技術(shù)的協(xié)同效用。業(yè)務(wù)板塊：為客戶提供決策場景下的AI服務(wù)支持，未來可將服務(wù)范圍拓展至產(chǎn)投研方向，在財(cái)富管理、資產(chǎn)配置等領(lǐng)域具有較強(qiáng)賦能空間?？腿河|達(dá)：能夠高效低成本的觸達(dá)長尾客群，在存量用戶競爭時(shí)代實(shí)現(xiàn)私域用戶群的深度運(yùn)營與需求挖掘。技術(shù)能力：目前大模型產(chǎn)品仍面臨部分生成內(nèi)容不可控、可解釋性差等技術(shù)問題，阻礙大模型決策判斷的可行性與產(chǎn)品的實(shí)踐能力。業(yè)務(wù)理解：未來將要涉及的專業(yè)化業(yè)務(wù)場景的復(fù)雜程度較高，對于金融經(jīng)驗(yàn)儲備與專業(yè)性方面提出了更高的要求。合規(guī)問題：如何在合規(guī)、安全、倫理等方面實(shí)現(xiàn)金融大模型產(chǎn)品的監(jiān)管，平衡產(chǎn)品風(fēng)險(xiǎn)降低能力與額外風(fēng)險(xiǎn)引入的關(guān)系。專家之聲IndustrialExperts’

Insights05 中國金融大模型產(chǎn)業(yè)iResearch

–

中國金融大模型產(chǎn)業(yè)

專家之聲以“1+V+n”的方式構(gòu)建AI基礎(chǔ)模型的支撐體系，與戰(zhàn)略伙伴一同推動(dòng)大模型在垂直領(lǐng)域的生態(tài)建設(shè)大模型在應(yīng)用于某些特定的業(yè)務(wù)場景時(shí)需要依賴企業(yè)內(nèi)部和細(xì)分領(lǐng)域的專業(yè)知識，這部分內(nèi)容的迭代速度比較快，但受限于大模型知識來源與基礎(chǔ)語料的更新頻率，大模型自身的迭代周期相對較長，且迭代成本也比較昂貴。相比之下，專屬于特定領(lǐng)域應(yīng)用的小模型在時(shí)效性較強(qiáng)的細(xì)分專業(yè)領(lǐng)域更加適用。對于金融行業(yè)的大模型應(yīng)用，我們主張的是在基座大模型的基礎(chǔ)之上，與私域知識向量V及精確計(jì)量的n個(gè)小模型來進(jìn)行配套，以“1+V+n”的方式構(gòu)建AI基礎(chǔ)模型的支撐體系，依托于我們與客戶的共同研究，專注于“V＋n”層面的構(gòu)建。目前大模型廣泛應(yīng)用的兩大場景分別是軟件工程領(lǐng)域的自動(dòng)編碼與辦公助手領(lǐng)域，后續(xù)隨著大模型在專有領(lǐng)域生態(tài)建設(shè)的探索，未來將覆蓋包括智能內(nèi)控、智能投顧、監(jiān)管合規(guī)等更多金融業(yè)務(wù)環(huán)節(jié)，實(shí)現(xiàn)業(yè)務(wù)場景的智能化變革。在國內(nèi)大模型產(chǎn)業(yè)發(fā)展的基礎(chǔ)之上，通過對行業(yè)內(nèi)的垂類應(yīng)用及場景普及做技術(shù)方向的迭代，并與大模型戰(zhàn)略伙伴一道，共同打造適配國家金融機(jī)構(gòu)發(fā)展的、完整的數(shù)智化信創(chuàng)解決方案。@iResearch

金融科技行業(yè)研究團(tuán)隊(duì)車忠良軟通動(dòng)力集團(tuán)高級副總裁來源：艾瑞咨詢研究院自主研究及繪制。?2024.9iResearch

Inc.28吳震操恒生聚源CEOiResearch

–

中國金融大模型產(chǎn)業(yè)

專家之聲金融大模型建設(shè)需要廠商在金融領(lǐng)域有足夠的經(jīng)驗(yàn)積累，除了金融場景應(yīng)用的數(shù)據(jù)，還包括金融業(yè)務(wù)的know-how能力@iResearch

金融科技行業(yè)研究團(tuán)隊(duì)金融大模型產(chǎn)品的核心競爭點(diǎn)是算法、算力與數(shù)據(jù)?，F(xiàn)階段國內(nèi)廠商在算法能力上各擅勝場，算力和公開語料也可通過外購等方式彌補(bǔ)