金融大模型落地路线图研究报告.pdf

1、 版权声明版权声明 本报告版权属于本报告版权属于中国人工智能产业发展联盟中国人工智能产业发展联盟，并受法，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明观点的，应注明“来源：来源：中国人工智能产业发展联盟中国人工智能产业发展联盟”。违反上述声明者，违反上述声明者，编者编者将追究其相关法律责任。将追究其相关法律责任。编制说明编制说明 本报告自 2024 年 5 月启动编制，分为前期研究、框架设计、文稿起草、征求意见和修改完善五个阶段，面向金融大模型落地应用的技术供应方、服务集成方、应用需求方深入开展了问卷调查和深度访谈等工

2、作。本报告由中国人工智能产业发展联盟金融行业推进组联合中国建设银行股份有限公司、马上消费金融股份有限公司、上海澜码信息技术有限公司牵头编写，参编单位包括南京新一代人工智能研究院有限公司、中国邮政储蓄银行股份有限公司、交通银行股份有限公司、平安银行股份有限公司、兴业银行股份有限公司、海通证券股份有限公司、东方财富信息股份有限公司、蚂蚁科技集团股份有限公司、广电运通集团股份有限公司、北京容联易通信息技术有限公司、软通动力信息技术（集团）股份有限公司、深圳市矽赫科技有限公司。前前 言言 近年来，以大模型为代表的新一代人工智能技术与金融行业日益交汇融合，进一步拓展了金融行业数字化转型的广度和深度。面向

3、金融行业特点构建落地路线图体系，挖掘金融要素价值、深入金融场景需求，将有效促进行业最佳实践的推广，进一步助力金融行业高质量发展。本报告重点围绕金融大模型应用落地的诊断、建设、应用、管理四个阶段开展研究，从发展概述、基础诊断、能力建设、场景应用、运营管理及趋势展望六个章节分别阐述。发展概述章节阐述了大模型技术能力及其在金融业务场景中的应用赋能，分析了金融大模型面临的主要挑战，积极探索最佳落地方案。基础诊断章节剖析了金融机构在数据、人才、资源方面的储备情况，深度挖掘各类能力需求，设计科学合理的建设目标。能力建设章节论述了金融大模型在基础设施、算法模型、应用服务等方面的建设方案，夯实金融科技的坚实底

4、座。场景应用章节分析了技术赋能金融、行业科技监管以及应用效能评估等多种方式，充分激发金融服务的价值。运营管理章节阐述了金融数智化运营管理模式、风险防范机制以及监管治理体系的优化与完善措施，推动金融行业的长足发展。趋势展望章节聚焦数据、技术、应用三个维度对金融大模型进行展望，推动金融数据、金融科技以及金融体系的高质量、可持续发展。未来，随着金融大模型基础底座不断夯实、技术能力革故鼎新、场景应用走深向实、合规监管趋于完善，金融科技与金融业务 将持续深化融合，金融行业将向着更高效、更安全、更智能的方向迈进。当前大模型技术正处于快速发展阶段，金融大模型应用落地路线研究工作还将持续深化开展，报告中如有不

5、足之处还请各方专家读者不吝指正。目目 录录 一、金融大模型发展情况概述.1（一）全面拓宽技术能力边界，强化核心金融服务质效.1（二）多元赋能金融业务场景，全力加速数转智改进程.3（三）金融需求亟待深度挖掘，积极探索最佳落地方案.5 二、诊断金融大模型能力基础.7（一）剖析金融要素就绪情况，系统性评估机遇和挑战.7（二）聚焦细分领域业务特性，深度挖掘各类能力需求.9（三）科学诊断金融机构基础，合理设计多维建设目标.13 三、筑牢金融大模型技术底座.15（一）加固金融算力设施根基，强化高质量数据集建设.15（二）开发高可靠低幻觉模型，增强可解释性可追溯性.18（三）实现大小模型共生同治，夯实金融科

6、技坚实底座.21 四、革新金融大模型应用范式.25（一）深耕金融核心业务场景，充分激发金融服务价值.25（二）加强金融行业科技监管，由浅及深推动范式革新.30（三）评估算法模型应用效能，提升金融服务用户体验.34 五、构建金融大模型管理体系.37（一）优化数智运营管理模式，逐步实现降本增效提质.37（二）积极完善风险防范机制，动态监测保障稳定运行.40（三）建立健全监管治理体系，合力助推金融长足发展.41 六、金融大模型发展趋势展望.44（一）释放金融数据要素价值，全方位培育新质生产力.44（二）推动金融科技创新升级，发展可持续性金融模型.45（三）践行绿色普惠发展之路，绘就智慧金融体系蓝图.

7、46 图图 目目 录录 图 1 中国建设银行企业级金融大模型建设体系.11 图 2 金融应用方能力基础就绪度.14 图 3 多模态大模型系统应用架构图.15 图 4 AskXBOT平台技术架构图.21 图 5 PowerAgent 架构图.24 图 6 支小助产品矩阵.27 图 7 容犀 Copilot 架构图.30 图 8“慧小喵”审计大模型.34 图 9 建设银行金融大模型能力体系.37 金融大模型落地路线图研究报告（2024 年）1 一、金融大模型发展情况概述（一一）全面全面拓宽技术能力边界，强化核心金融服务拓宽技术能力边界，强化核心金融服务质质效效 生成式人工智能技术突破，激发金融数字

8、化转型新动能。以ChatGPT 为代表的生成式人工智能在技术、产业和投资领域都引发极高热度。大模型技术标志着新一轮科技周期的开始，通过变革传统人工智能的研发方式、数据处理模态、任务类型及适用场景范围实现模型能力的显著提升。在人机交互方面，大模型可准确理解用户意图并进一步匹配内容，结合应用软件层面的专业性和易用性需求，金融机构可以基于大模型打造专业“助理”级交互能力。在内容生产方面，大模型生成能力覆盖文本、图片、音频和视频等多种模态，打造出高质量、大规模、智能化的内容生产平台，重塑金融业内容生产生态。在决策智能方面，决策大模型的动态环境适应能力强，可以解决一些传统方法难以应对的“动态环境智能决策

9、”问题。随着模型技术成熟度加强及应用规模化加深，大模型有望成为人类生产生活的新型基础设施，激发广泛的应用场景，变革金融业产品及模式，加速金融业数字化进程。大模型感知及认知能力突出，成为推动金融科技发展的重要引擎。大模型综合能力显著提升，广泛且深入地赋能金融行业，与产业上下游共建金融生态。感知能力方面，大模型多模态感知能力聚焦意图识别、信息抽取、语音识别、声纹识别、目标检测等多类任务，大模型能够处理多模态信息，捕捉复杂数据中的价值，为金融金融大模型落地路线图研究报告（2024 年）2 决策提供坚实的数据基础。认知能力方面，大模型具有强认知能力，包括理解生成、推理决策及自主学习能力等。通过多模态理

10、解、逻辑推理和决策规划等高级功能，大模型在金融环境中提供精准的判断和决策支持。大模型能够根据环境、任务变化自动调整参数和结构，不断接收、处理新的数据加强自主反馈能力，保持其竞争力和适应性。通过将大模型技术能力与金融科技融合，拓宽技术能力边界，加强在营销、风控和运营等场景的产品服务能力。一是打造由基础大模型和行业大模型、垂直大模型构成的大模型能力底座。二是打造面向金融开发者的大模型开放平台和面向员工的 AIGC 应用市场，构筑能力共享体系，释放创新潜力。三是基于大模型升级文本、图像、语音、知识图谱等人工智能技术的智能化水平，拓宽现有场景应用的广度。积极探索金融创新应用场景及产品，革新金融机构业务

11、流程和发展模式。基于资源优势，场景创新成为金融机构的破局之道。当前各类金融机构正基于自身资源优势探索大模型的应用落地，期待借助大模型技术实现智能化能力的整体提升，推动金融服务的智能化变革。银行、证券、保险等金融机构拥有丰富的行业经验及成熟的合规框架，在技术积累、数据获取、资源投入等方面具备构造金融大模型的优势，有助于将大模型技术应用于复杂的金融决策和客户服务中。金融科技公司的核心优势主要体现在将基础技术转化为具体解决方案的创新应用、注重产品设计的用户体验以及灵活调整策略金融大模型落地路线图研究报告（2024 年）3 快速响应用户需求的市场适应性方面。同时具备良好的技术基础、专业化解决方案及高效

12、的集成能力，在大模型技术的加持下能够更好地服务企业客户，实现交易管理系统、财务管理软件、借贷平台、企业保险解决方案等服务的升级。（二二）多元赋能金融业务场景，多元赋能金融业务场景，全力全力加速加速数转智改数转智改进进程程 金融机构致力于建设可持续发展的大模型研发范式、专注金融业务场景的大模型能力、开放共享的应用生态，在智能营销、智能投研、智能客服、智能办公等多个业务场景的成功试点展现出大模型在金融领域的广阔前景。聚焦数字化服务、数字化运营和数字化管理三个方面，系统性阐述大模型在金融行业数字化转型中的应用场景与成效。1.数字化服务的应用 大模型在金融行业数字化服务中赋能了大量业务场景，形成更具竞

13、争力的产品服务模式。在线上客服场景中，金融机构结合RAG 技术通过构建专业的金融语料知识库打造以对话能力为核心的智能客服助手，不仅能更好的理解用户意图，还能精准解答用户问题、优化用户体验。在信用卡业务中，金融机构将文本类大模型能力嵌入到营销文案生成和客户互动环节中，结合不同客群特征生成个性化物料、精准挖掘借贷商机。同时将 AI 绘画能力嵌入到物料设计中台中，在助力设计师提效的同时，亦可协助一线运营经理自助出图，将时间缩短至分钟级。在智能投研场景中，大模型为投金融大模型落地路线图研究报告（2024 年）4 资决策提供有力的支持，通过自动化抓取和分析庞杂报告中的关键性信息，快速获取报告核心数据并分

14、析预测市场，从而提升投研团队的速度和效率。2.数字化运营的应用 大模型正成为金融行业数字化运营新基建，极大提升人工智能在前中后台运营场景中的应用广度及深度。在营销场景中，结合用户特点，高效生成个性化营销物料，打造 KYC 营销方案。在资料审核场景中，金融机构涉及大量资料识别、抽取和审核业务。部分金融机构采用 OCR 技术，解决多类文档信息抽取难题，已用于贷款审批等场景中。大模型可覆盖传统人工智能尚未触及的复杂文档，提升合同审核、基金营销海报审核等业务的自动化率。在研发场景中，金融机构依托多语言代码生成大模型，基于行内数据微调，打造更契合自身的代码生成 Copilot，持续提升金融机构开发人员的

15、效率。在文本写作场景中，金融机构基于大模型文本生成能力搭建的金融智能办公助手已实现在邮件起草、公文润色、文档撰写、报告文案生成等写作类工作场景的覆盖，提供个性化智能办公解决方案。3.数字化管理的应用 金融机构基于海量业务和风控知识打造风控场景大模型能力，进一步夯实数字资产核心防御屏障。其一，金融机构致力于研发制度法规检索问答、稽核审计报告生成等工具，减少手动查询时间，提升风控人员的效率与体验。其二，大模型产品可基于内外部风险金融大模型落地路线图研究报告（2024 年）5 数据实时识别数据异动并标识风险，实现更快速、精准和敏捷的风控能力。金融机构基于大模型能力，将历史审计报告等作为数据语料，打造

16、审计报告编写助手，实现对审计报告的编写、续写、纠错和格式审核、智能生成标题以及摘要提炼总结等功能，显著提高报告生成效率。（三三）金融需求亟待深度挖掘，积极探索最佳落地方金融需求亟待深度挖掘，积极探索最佳落地方案案 金融机构在大模型技术探索落地过程中取得了一定的进展和突破，同时在数据质量及治理、算力支撑、人才资源、标准规范等多维度面临困难和挑战，迫切需要金融大模型落地路线图作为参考，以探索最佳落地方案。1.金融数据质量及治理掣肘 金融数据资源面临数据质量难以保证、数据治理困难等问题。数据是金融大模型训练的基础，高质量、多领域的业务数据可以有效训练和优化大模型。数据质量方面，金融大模型需要大量的高质量数据来进行训练和预测，但金融数据的质量常常受到数据源的限制，包括数据的准确性、完整性和时效性等方面。金融数据来源复杂不确定性高，数据的遗漏也将影响数据完整性，金融市场变化较快，过时数据无法反映真实情况，金融数据难以保证高质量。数据治理方面，金融数据治理也存在数据安全风险突出、数据集成交互和共享困难、数据治理策略不完善等多种难点。金融机构经常受到黑客攻击、数据泄露等威胁，安全保障机制待健全。不同