编者按：金融与科技共荣共生，金融是科技应用的重要场景，科技则驱动金融服务效率和服务模式的变革，从原来的纸质化、电子化、信息化到移动化、数字化，如今更迈向数智化。同时，金融与科技融合进化也将重塑金融业本身的生态和竞争格局。当前以ChatGPT为代表的大模型犹如旋风从大洋彼岸呼啸而至，生成式AI等技术进化会对金融业产生怎样的影响，两者会如何融合，又将面临哪些挑战和机遇？经济观察报策划【金融科技进化论】栏目，对话金融及金融科技的资深人士，持续关注金融科技的发展、进化与变革。
经济观察网记者胡群 9月8日，蚂蚁集团的金融大模型在外滩大会上揭开面纱，并已在蚂蚁集团的财富、保险平台上全面测试。当天，蚂蚁集团还发布了基于金融大模型能力的两款产品：智能金融助理“支小宝2.0”，服务金融产业专家的智能业务助手“支小助”，其中，“支小宝2.0”已内测半年。
截至目前，国内已有度小满、恒生电子、马上消费金融、蚂蚁集团等企业发布金融大模型，并将之陆续应用于营销、客服、风控、投研等场景。
“我们看到不同金融行业大模型的发布，但暂时还没有看到比较全面业务落地的结果，这是行业大模型的瓶颈问题，还需要突破。”9月8日，恒生电子董事长刘曙峰在外滩大会上称，算力和部署方面也面临挑战。
金融机构应用大模型之后，多长时间能展现出优势？金融大模型能否改变金融机构的竞争格局？在外滩大会期间，刘曙峰接受了经济观察网记者的专访。
作为一家金融科技公司，恒生电子聚焦金融行业，为证券、期货、基金、信托、保险、银行、交易所、私募等机构提供整体解决方案和服务。
对于大模型的出现对恒生电子业务模式的影响，刘曙峰表示，“在今天，数字化转型已经基本成为了行业共识，在这其中，数智化是未来十年非常重要的一股核心力量。以大模型为代表的AI技术将重塑金融业务形态，为金融机构和投资者带来全新的发展机遇。恒生电子视其为机遇，确立了“数智化战略”，紧抓大模型时代下的金融科技产业新的机会，积极探索和构建新的数智化架构和发展范式，打造顺应业务发展、符合监管要求的金融AI创新产品，助力行业创新发展。”
【访谈】
经济观察网：金融行业数字化程度相对于其他行业，已处于领先地位，金融大模型能为金融机构带来什么？
刘曙峰：这次ChatGPT开启的大模型技术的突破，带有一定偶然性。ChatGPT横空出世，刷新了人们对机器智能的认知，也点燃了大家对大语言模型的热情。今天不管是在基础大模型的投入方面，还是在行业大模型的投入，以及行业基于大模型应用的方面，大模型作为一个新的技术的应用来看，已得到足够多的关注，可以预料，这次新技术也将为各行业带来前所未有的进步。
当前投资界、科技行业之所以如此关注大模型，与这半年多以来，大模型所取得的进展和效果肯定是有关系的，因为效果被大家认为一定程度上能够达到预期，甚至是超越期望。但它的持续性怎么样，最后能够走到什么程度，以多快的速度应用到各行各业，对于其他行业情况我不太清楚，在金融领域来看，应该说仍然还在探索和实验性阶段，最终会有什么样的效果，能走到什么程度，我觉得还有待观察。
经济观察网：当前已有多家机构发布金融大模型，未来一家金融机构是否会同时应用产自多家的金融大模型？
刘曙峰：尽管大语言模型在自然语言处理和文本生成等方面表现出色，但在知识的时效性、复杂推理计算、知识处理能力、对垂直领域应用的支持等方面存在一些挑战和不足。我们倾向于大模型的行业应用会有连横合纵模式。连横就是有由大的基础大模型供应商来运营一个通用大模型，行业中的其他企业通过插件作为“外挂”方式，向大语言模型中添加不同类型的知识模块，包括常识知识、领域知识、事件知识等，与大语言模型进行适配和集成，这样可以帮助大语言模型提升知识处理能力，增强业务领域的推理和处理能力，从而提升其在复杂任务中的表现。
但是，金融领域具有很强的行业特性和敏感性，由大模型供应方主导的“连横”模式很难实现深度应用，有必要建立一个“行业大模型”承接垂直领域“合纵”需求，促进大模型产业上下游的合作，形成协同生态。
从部署的角度来看，我相信不同的金融机构会有不同的策略和部署形式。当前头部的金融机构在今年半年报中大都披露了各自的大模型初步规划。目前来看，大量的中小金融机构大都在观望，他们的策略肯定都是不一样的。
经济观察网：金融大模型的应用场景会有哪些？
刘曙峰：在金融领域，客服、投顾、投研等是业界普遍认同并积极尝试的大模型应用场景，同时在风控、运营领域，可以显著提升法规、合同等非结构化数据的管理能力，通过NL2SQL（编者注：NL2SQL是指将用户的自然语言转化成计算机可以理解并可执行的语义表示）等报表，显著提升数据处理能力。甚至，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。
大模型还可以赋能金融机构的内部开发、数据生产。大模型刷新了软件研发的新范式，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。现在一张手绘图通过大模型直接生成一套web应用程序已成为可能。大模型也深刻改变了数据生产方式，比如原来有几百人的数据生产加工团队，在大模型的加持下会逐步向全面自动化方向演化。
我认为，大模型金融应用的“皇冠”是投研。对投研而言，如果数据是汽油，大模型、算法就是它的发动机。从广度和深度两个方面来看，大模型在投研领域的应用是有望做的非常深入，而且影响是全面性的。
经济观察网：现在以及未来陆续发布的金融大模型，彼此间的竞争是否会很激烈？竞争优势将取决于哪些方面？
刘曙峰：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。换句话说，再往后在基础模型上面的差异可能不大，但从应用深度来看，肯定更多会体现出差别来。我认为，金融大模型的竞争优势在于应用层面，比如，数据的边界、储备，以及应用本身的体验，甚至包括流程的设置，更多的差异会体现在这些方面。
金融作为强监管的行业，技术变革的冲击力也许表现得没有那么具有颠覆性，但同样可以观察到近几十年信息化、网络化、数智化三浪叠加带来的行业格局变化。
信息化时代，招商银行率先开启了科技立行战略，成为中国发展最快的大中型银行之一；移动互联网的发展，催生出了支付宝、余额宝这样新场景下的金融服务产品，也催生了蚂蚁金服、东方财富、众安保险等互联网原生的金融服务机构；数智化的序幕阶段，通用AI方面有已经上市的四小龙（编者注：商汤科技、旷视科技、依图科技、云从科技），金融方面也能看到幻方量化等投资机构的快速成长，相信随着大模型深入金融业，将重构金融机构竞争优势，会有少数的创新型金融机构能够脱颖而出。
经济观察网：能否预测一下，金融机构一旦应用成熟的大模型，会在几年内优势可以展现出来？
刘曙峰：具体的时间很难判断，尤其是做预测，这具有不确定性。但我们能够观察到的一个现象，每一次大的技术的进步，对产业的影响速度在加快。而且每一轮大的技术进步的时间周期也是越来越短的，这个可能性还是比较大的。
但是，我们相信大模型改变金融服务方式的时代一定会到来，甚至可能比我们预期的时间要更短。目前大模型应用于金融的领域仍面临诸多挑战：
一是行业大模型的训练问题，尤其是垂直领域专业准确性。现在暂时我们还没有看到，跟通用大模型在一些更广泛领域的应用效果相同，我觉得还是有差距的，这跟基础大模型本身能力可能关系不大，更多跟中文金融语料及其训练、金融业务理解及积累有关，包括训练本身也有一个过程要走。
我们已看到不同金融行业大模型的发布，但暂时还没有看到比较全面落地的结果。我觉得这是行业大模型的瓶颈问题，还需要突破。
二是算力仍然是瓶颈，包括做模型精调以及各个应用部署。国产化算力支持是确保金融大模型能够高效运行的关键因素。
三是部署方面，行业大模型在每个机构怎么部署？部署的成本如何支付？现在还没有提上日程，但我觉得是未来行业应用大模型需要重点思考的问题。