2023金融業(yè)大模型應用報告 -破除虛妄務實求效

2023金融業(yè)大模型應用報告破除虛妄務實求效中國銀保傳媒股份有限公司&騰訊研究院2023年11月?2022KPMGHuazhenLLP,aPeople'sRepublicofChinapartnership,KPMGAdvisory(China)Limited,alimitedliabilitycompanyinMainlandChina,KPMG,aMacau(SAR)partnership,andKPMG,aHongKong(SAR)partnership,arememberfirmsoftheKPMGglobalorganisationofindependentmemberfirmsaffiliatedwithKPMGInternationalLimited,aprivateEnglishcompanylimitedbyguarantee.Allrightsreserved.*致謝：畢馬威企業(yè)咨詢提供全程技術支持免責申明：本內容非原報告內容;報告來源互聯(lián)網公開數(shù)據；如侵權請聯(lián)系客服微信，第一時間清理；報告僅限社群個人學習，如需它用請聯(lián)系版權方；如有其他疑問請聯(lián)系微信。

行業(yè)報告資源群進群福利：進群即領萬份行業(yè)研究、管理方案及其他學習資源，直接打包下載每日分享：6+份行研精選、3個行業(yè)主題報告查找：群里直接咨詢，免費協(xié)助查找嚴禁廣告：僅限行業(yè)報告交流，禁止一切無關信息微信掃碼長期有效知識星球行業(yè)與管理資源專業(yè)知識社群：每月分享8000+份行業(yè)研究報告、商業(yè)計劃、市場研究、企業(yè)運營及咨詢管理方案等，涵蓋科技、金融、教育、互聯(lián)網、房地產、生物制藥、醫(yī)療健康等；已成為投資、產業(yè)研究、企業(yè)運營、價值傳播等工作助手。微信掃碼行研無憂破除虛妄，務實求效：2023金融業(yè)大模型應用報告序言司曉胡利明騰訊研究院騰訊云院長副總裁大模型能力正逐步滲透以大模型為代表的新一至各行各業(yè)，催生新一輪創(chuàng)代人工智能技術，正在加速新浪潮和行業(yè)變革。在金融改變人們的生活方式，助力領域，行業(yè)大模型為金融市千行百業(yè)；在金融行業(yè)，借場帶來了前所未有的機遇，助領先的數(shù)字化基礎，云基從精準營銷、客戶服務、代礎架構和AI的深度結合，大碼生成等多個場景，助力金模型的應用將比其他行業(yè)更融機構在服務和管理方面實加超前，更快速更深刻的重現(xiàn)“效率革命”。展望未來，塑金融服務的體驗，提升服我們期待金融行業(yè)加速邁向務效率，洞悉市場和風險；AI驅動提質增效的新階段。相信在業(yè)界共同的探索創(chuàng)新之下，金融大模型高質量高價值的應用將不斷涌現(xiàn)。

杜增良黃艾舟柳曉光中國銀保傳媒畢馬威企業(yè)咨詢畢馬威企業(yè)咨詢黨委委員、總經理金融科技主管合伙人金融數(shù)字化轉型咨詢主管合伙人近一年金融業(yè)對于大模數(shù)字經濟的蓬勃興起為伴隨著金融機構數(shù)字化型的探索和運用日益增多，金融創(chuàng)新發(fā)展構筑廣闊舞臺，體系的演進，金融業(yè)數(shù)智建我們感受到行業(yè)對于新技術大模型的涌現(xiàn)促使金融科技設正從“立柱架梁”逐步邁學習和應用的強烈需求。期行業(yè)范式變革。在風險防控進“積厚成勢”。面對以大待通過本報告的發(fā)布，催化的前提下，堅持以金融科技模型為代表的新興技術的顛“科技+金融+產業(yè)”有機融支撐金融本質，以審慎包容覆式沖擊，應理性剖析大模合，營造理性的技術創(chuàng)新應的心態(tài)探索大模型注入金融型技術態(tài)勢，聚焦應用場景，用氛圍，助力產業(yè)鏈價值躍科技的新能力、新場景與新夯實支撐保障體系，探明發(fā)遷。模式，金融科技必將朝著更展路徑，構建安全高效、價加開放、創(chuàng)新、可持續(xù)的方值躍遷的金融運營新生態(tài)。向發(fā)展。2破除虛妄，務實求效：2023金融業(yè)大模型應用報告引言行業(yè)亟待破局?人工智能生成內容技術蓬勃發(fā)展，行業(yè)大模型與通用大模型競相培術育，伴隨著生成內容的可控性增強，垂直場景的試點與探索不斷加速，各產基于大模型的金融場景培業(yè)紛紛探索適合自身發(fā)展的適配性場景。育?多在試驗性探索和點狀大模嘗試，金融產業(yè)鏈尚未行?金融行業(yè)是大模型場景探索、應用落地的肥沃土壤，具備信息、數(shù)據、型形成基于大模型的體系發(fā)業(yè)知識、人才密集型的特性，頂層政策與區(qū)域性規(guī)劃持續(xù)推進前沿技術在金融業(yè)基的實踐與體系建設。展化應用共識和領先范式，礎現(xiàn)尚未形成標準化的應用狀?大模型是未來金融的商業(yè)變革核心驅動之一，重點歸集于三大方向：價演進模式與明晰的場景值金融機構在服務客戶方面的降本增效、場景變革和產品升級；用戶獲取金融服ROI判斷框架趨務入口的潛在遷移和變化；金融行業(yè)價值鏈條的重塑。勢本報告將結合騰訊研究院、銀保傳媒與畢馬威在基礎大模型的沉淀與洞察、在銀行、券商、資管等數(shù)字化轉型與落地的深度積累，破除虛妄，力求客觀、準確地反映相關趨勢，以務實求效的核心基準探明金融業(yè)大模型的應用場景。3目錄01020304

全球大模型發(fā)展趨勢研判—— 05頁破除虛妄：大模型在金融業(yè)的場景落地邊界—— 10頁務實求效：大模型在金融業(yè)的價值與應用—— 19頁總結與展望—— 29頁401全球大模型發(fā)展趨勢研判5全球大模型發(fā)展趨勢研判大模型技術發(fā)展態(tài)勢第四波AI浪潮核心驅動近年來，通過在大規(guī)模語料庫上對Transformer模型進行預訓練，研究者們提出了在自然語言處理（NLP）任務中表現(xiàn)突出的預訓練語言模型（PLM），并發(fā)現(xiàn)隨著參數(shù)規(guī)模的擴大，模型會進化出上下文學習等新型特殊能力，為區(qū)分不同參數(shù)規(guī)模下的語言模型，大語言模型應運而生。語料庫預訓練參數(shù)規(guī)模擴大Transformer模型預訓練語言模型大語言模型Pre-trainingLanguageModelLargeLanguageModel“百行千?！癘penAI所發(fā)布的ChatGPT和GPT-4是大模型發(fā)展的兩大重要里程碑：ChatGPT通過將人類生成的對話引入訓練數(shù)據，使AI具備了與人類同頻順暢交流的能力，而GPT-4則將文本輸入擴展到多模態(tài)信號

Google：GPT-1OpenAI：WebGPTOpenAI：ChatGPTOpenAI：GPT-4OpenAI：GPT-2Meta：OPT-IMLMeta：LLaMAOpenAI：GPT-32021Google：GLaM2022Google：GLaM2023Google：Bard……清華大學：GLM騰訊：混元…百度：文心一言…范式變革大模型和預訓練讓人工智能完成躍遷，誘發(fā)了技術質變 大模型能力催生場景變革DATASET1MODEL1TASK1DATASET3MODEL3TASK3…FoundationModel基礎模型DATASET2MODEL2TASK2

通過共性學習進行預訓練提升模型水平，結合特性學習適配場景特性，并以“大模型+工具平臺+生態(tài)”的協(xié)同模式完成應用場景的落地。多模態(tài)模型提升決策與生成內容的精準性多模態(tài)模型可以同時處理包括聲音、文本、圖像、信號、視頻等在內單一領域數(shù)據集；諸多數(shù)據集合諸多模型各超級海量數(shù)據，無需人工標注；具有跨領域的信息，處理內容更加多元，綜合性決策與內容生成更加精準成孤島缺乏縱效；勞動密集型的數(shù)據標注知識的“基礎模型”，可執(zhí)行多類型任務6全球大模型發(fā)展趨勢研判國內外政策環(huán)境現(xiàn)狀從2020年開始，美國、歐洲和中國先后出臺面向AI的監(jiān)管政策，對泛AI應用提出了安全性、透明度、可解釋性等方面的要求，人工智能步入監(jiān)管時代。美國：《人工智能應用監(jiān)管指南》，2020年1月歐盟：《人工智能白皮書》，2020年2月中國：《新一代人工智能倫理規(guī)范》，2021年9月中國：《互聯(lián)網信息服務算法推薦管理規(guī)定》，2022年3月美國：《人工智能風險管理框架》，2023年1月中國：《互聯(lián)網信息服務深度合成管理規(guī)定》，2023年1月歐盟：《人工智能法案》，2023年6月中國：《生成式人工智能服務管理暫行辦法》，2023年7月

2023年，隨著生成式AI應用的指數(shù)級爆發(fā)，全民AI的普及，中國率先發(fā)布了針對生成式AI的監(jiān)管政策：《互聯(lián)網信息服務深度合成管理規(guī)定》正式將生成式AI納入我國的監(jiān)管范圍，要求生成式AI服務提供者應當采取技術或者人工方式對輸入數(shù)據和合成結果進行審核，并在合理、顯著的位置向公眾提供深度合成的情況。《生成式人工智能服務管理暫行辦法》標志著我國對生成式AI的治理監(jiān)管進入體系化階段，《辦法》明確了對生成式AI實行分類分級監(jiān)管的基調，涵蓋從模型訓練、應用運行到模型優(yōu)化的全生命周期，并規(guī)定了服務開發(fā)者、提供者的算法備案義務，未來，算法安全監(jiān)測、數(shù)據安全管理、個人數(shù)據保護將成為AIGC開發(fā)和使用過程中的合規(guī)要項?；仡ソ鹑跇I(yè)，目前尚未有關于大模型的垂直監(jiān)管政策出臺，但各國家及地區(qū)關于金融數(shù)據的監(jiān)管要求，將是大模型在金融業(yè)應用時務必要考慮的合規(guī)要求。?《數(shù)據保護法》（2021年6月）：加強對消費者數(shù)據的保護，并對處理消費者數(shù)據的實體提出新的要求。處理消費者數(shù)據的實體將被要求制美國?定和實施保護個人數(shù)據的安全計劃，收集數(shù)據需要消費者同意，消費者有權訪問、更正和刪除其個人數(shù)據?！督鹑跀?shù)據透明度法案》（2022年12月）：要求聯(lián)邦金融監(jiān)管機構在格式、可搜索性和透明度方面采用特定的數(shù)據標準，以進一步推動監(jiān)管技術和人工智能應用的發(fā)展。歐盟?《數(shù)據法案》（2022年2月）：促進企業(yè)之間及企業(yè)與政府之間的數(shù)據共享，消費者和企業(yè)對其擁有的數(shù)據享有更多的控制權。?《數(shù)據治理法案》（2022年5月）：提出促進數(shù)據共享及再利用的框架和模式。中國?《中華人民共和國數(shù)據安全法》（2021年6月）：指引規(guī)范數(shù)據處理活動，保障數(shù)據安全，促進數(shù)據開發(fā)利用等方向的強監(jiān)管法規(guī)?《中國銀保監(jiān)會銀行業(yè)金融機構監(jiān)管數(shù)據標準化規(guī)范》（2022年1月）：通過對報送數(shù)據的規(guī)范和要求，指導金融機構數(shù)據質量的提升，幫助建立標準化的數(shù)據規(guī)范，以滿足銀行各項生產經營流程中對數(shù)據要素的需求。-此處政策為典型示例，未全7部列示全球大模型發(fā)展趨勢研判AI的第四波浪潮所帶來的顛覆式創(chuàng)新!“為什么市場上出現(xiàn)了各類大模型公司，以往的AI方案都會說成基于大模“某商業(yè)銀行想要升級渠道交互能力，溝通過程中發(fā)現(xiàn)90%的方案型的更新/升級，為什么第四波浪潮為全自動智能化。”都是基于大模型，各類方案都在強調大模型或生成式人工智能的優(yōu)勢”為什么是大模型？-第四波浪潮的顛覆式創(chuàng)新*離不開算力、數(shù)據規(guī)模的增長大模型的涌現(xiàn)能力大模型的涌現(xiàn)能力，即當規(guī)模達到一定水平時，性能顯著提高，超出隨機水平，定義為“在小型模型中不存在但在大型模型中產生的能力”上下文學習指令遵循逐步推理假設已經為語言模型通過使用自然語言描對于小型語言模型而提供了一個自然語言述的混合多任務數(shù)據言，通常很難解決涉指令和/或幾個任務集進行微調，能夠在及多個推理步驟的復演示，它可以通過完沒有使用顯式示例的雜任務。通過使用思成輸入文本的單詞序情況下遵循新的任務維鏈提示策略，大模列的方式來為測試實指令，具有更好的泛型可以利用包含中間例生成預期的輸出，化能力；推理步驟的提示機制而無需額外的訓練或來解決這類任務，從梯度更新；而得出最終答案。

人工智能產業(yè)化新范式開發(fā)范式的轉變與大模型的能力帶來AI產業(yè)化新范式，解決AI應用長尾問題小模型vs大模型比較維度小模型大模型數(shù)據層面需耗費大量時間進行一次性標注+適量業(yè)務數(shù)據標注數(shù)據模型層面全流程重復工作、周預訓練大模型+下游任期長、精度低務微調，精度高業(yè)務支持研發(fā)周期長，場景無快速響應，通用性高，法端到端全覆蓋場景可延伸8全球大模型發(fā)展趨勢研判應用能力與方向演進趨勢生成內容可控性規(guī)則或原理可控復雜邏輯推理可控初步的思維鏈可控部分邏輯可控基本方向可控

人類思維知識推理閉卷問答開卷問答

復雜學科研究符號梳理與外部環(huán)境互動數(shù)學推理 代碼補全語言建模條件文本生成

高級系統(tǒng)設計高質量完整代碼簡單代碼/指令序列多輪對話低可控的文本生成

科學發(fā)現(xiàn)數(shù)字世界復雜邏輯完整故事系統(tǒng)線與文圖特點場景跨模態(tài)思維鏈理解相對可控微場景的的文生圖商業(yè)寫作低可控的文生圖

人機融合的數(shù)字世界和生態(tài)內容娛樂智能化主題內容生成輔助設計設計靈感輔助

自迭代更人機協(xié)作新的系統(tǒng)的前沿科開發(fā)設計學探索AI效率工AIOS具及行業(yè)解決方案未來發(fā)展當前狀態(tài)Copilot商業(yè)流程自動化搜索與知文案類識問答助理不可控

非主題無邏輯文本

缺乏控制的圖像關鍵能力涌現(xiàn) 可生成的內容 典型應用方向 場景實現(xiàn)路徑-以大模型的直接衍生能力為主線（生成式人工智能），繪制應用能力與方向演進趨勢-在SinovationSeedV發(fā)布內容基礎上調整更新902破除虛妄：大模型在金融業(yè)的場景落地邊界10破除虛妄：大模型在金融業(yè)的場景邊界當大模型與金融業(yè)相結合，有三個核心問題亟需解答123

如何判斷所建場景應當使用哪類大模型？明晰大模型選用的判定方向基于大模型的能力視角，其在金融業(yè)的賦能點是哪些？厘清大模型賦能應用場景方向大模型在金融業(yè)落地的支撐保障是什么？正確認識大模型落地的全要素11破除虛妄：大模型在金融業(yè)的場景邊界①大模型選用的判定方向-大模型的定位與核心特性以基礎大模型作為技術基座，通過行業(yè)大模型滿足場景特定需求，推動大模型與行業(yè)應用融合。基礎大模型——通用技術基座可對海量數(shù)計算感知提升感知類據進行處理任務性能行業(yè)經驗反哺

行業(yè)大模型——專用行業(yè)引擎業(yè)專 融 行業(yè)需求旅和應用場景豐富媒更 金 文 傳認知具有強大的理解能力、決策能力和生成能力

基 行礎 業(yè)大 大模 模

行業(yè)數(shù)據繁雜，處理分析難度大配 提升處理效率適景場 強大分析生成能力，實現(xiàn)金融信息精確分析

行業(yè)知識量大，行業(yè)數(shù)據形式多，業(yè)務場景復雜版權保護強提升問答準確率提升創(chuàng)作能力強大個性化問答強大的創(chuàng)造能力能力，實現(xiàn)端到和表達能力，實端解決問題，降現(xiàn)即時報道，個低整體成本性化創(chuàng)意通用性強大量的數(shù)據和參數(shù)進行模式匹配，在多個任務和領域上表現(xiàn)出較好的性能。在解決特定場景專業(yè)問題時準確度低，難以實現(xiàn)專業(yè)性欠佳商用。大模型訓練及部署需要大量的計算資源、存儲空開發(fā)成本高間和人力時間。型 型提供持續(xù)生命力

低較本成智能風控 智能研報 智能客服 智能導游 輔助寫作數(shù)字人播報行業(yè)大模型不斷涌現(xiàn)，應用初顯成效12破除虛妄：大模型在金融業(yè)的場景邊界①大模型選用的判定方向-大模型的場景適配選擇合適的解決方案迎合自身的管理與業(yè)務需求，以落地效能清晰界定場景使用模型：大模型將能夠通過非?？焖俚臄U展、微調，以及精準定位，顛覆包括營銷、風控、內容創(chuàng)作、資管、培訓、客戶服務、電商、廣告、社交媒體、搜索引擎等在內的眾多場景。這些領域的每一個應用程序都將被重新設計和改寫，形成不同的界面（如對話式）和商業(yè)模式（如極致千人千面的精準營銷）?；A大模型：創(chuàng)造性、體驗式基礎大模型主要面向泛知識、泛領域的通識場景，追求交互體驗，當前以C端的內容消費為主，核心工具體驗性強、操作簡單、可直接完成價值輸出的內容創(chuàng)建工具場景特征：多模態(tài)內容自動生成文本圖片視頻3D生成內容的可控性提升動畫游戲影視虛擬世界

行業(yè)大模型：可控性、ROI行業(yè)大模型主要面向垂直特定領域的專業(yè)場景，容錯性相對較低，且追求合理的ROI，以B端的企業(yè)服務為主核心工具可助力企業(yè)以合理成本訓練場景模型，并推演具有高商業(yè)價值場景應用的平臺或服務場景特征：一定條件下的自動化、智能化服務數(shù)據基于數(shù)據的智能決策報表自動生成內容決策準確自動鏈接業(yè)務流程策略智能生成私有商業(yè)規(guī)劃、決策優(yōu)化……合規(guī)部署要求13破除虛妄：大模型在金融業(yè)的場景邊界②大模型賦能應用場景方向大模型將基于原生場景，以不同的技術路徑優(yōu)化或變革業(yè)務邏輯，以多種方式融入并帶來功能升級和業(yè)態(tài)變革。大模型賦能

豐富內涵：豐富企業(yè)傳統(tǒng)場景的業(yè)務內容受制于原有技術條件，企業(yè)的數(shù)字化建設只能作用于特定業(yè)務場景的流程管理，無法深入到執(zhí)行環(huán)節(jié)，但大模型的加持使得在具體業(yè)務執(zhí)行環(huán)節(jié)中輔助或者代替員工工作成為可能，將延伸業(yè)務邊界，豐富場景內容。舊場景升級能力提升：強化原有AI場景的效能及形式與原有AI算法進行融合，在機器學習的任務中引入大模型的涌現(xiàn)、邏輯推理和多模抽取提煉能力，以獲得更好的任務表現(xiàn)，如搜索引擎優(yōu)化、個性化推薦等。兩類AI技術雖存在技術路徑差異，但能夠在細分任務上做拆解，進行細顆粒度的技術共生。技術底座：以大模型重構企業(yè)級智能架構基座目前，生成式AI場景主要指以自然語言處理、語音技術、圖片解析為核心的對話機器人、數(shù)字人等場景，而大模型的出現(xiàn)，意味著技術路徑轉換和技術能力的增強，大模型可在部分場景和任務中替換原有小模型底座，如對話、抽取、內容理解等，同時也能夠基于大模型開發(fā)新的場景。新場景變革場景 場景 場景 場景場景場景場景場景大模型在部分場景小模型支持業(yè)務場景：替換小模型：14破除虛妄：大模型在金融業(yè)的場景邊界②創(chuàng)新能力的場景泛化-舊場景的升級金融行業(yè)的數(shù)字化程度在全行業(yè)中相對領先，擁有高價值的領域數(shù)據資產，是大模型率先落地的垂直領域之一。大模型將依托其多種能力為金融行業(yè)帶來原有業(yè)務場景的升級，持續(xù)豐富業(yè)務內涵，提升現(xiàn)有數(shù)字化基礎的效能與形式體驗：以開/閉卷問答能力為核心智能外呼：基于大模型打造智能聊天機器人，可在線上渠道通過文字交流輔助客戶咨詢或辦理業(yè)務，大模型的引用使得文字與語音更加“人性化”，增強共情能力與理解能力，進一步鏈接客戶。場景舉例：在信貸流程中，依托AI信貸員和用戶交談以收集高效材料

數(shù)字人：“大模型+數(shù)字人”的服務用戶形態(tài)極大概率成為金融服務的主流方式，以期通過其提供的7×24小時智能自助服務拓展營銷與服務渠道，使得用戶獲取金融服務入口發(fā)生潛在遷移和變化。場景舉例：金融企業(yè)內部服務的“數(shù)字員工”，服務客戶的“數(shù)字客服”以數(shù)學推理能力為核心風險管理：基于大模型多模態(tài)解析能力，全面釋放金融結構化和非結構化數(shù)據資產價值，在以往“經驗規(guī)則+統(tǒng)計/機器學習模型”的基礎上引入多模態(tài)計算能力，更好的識別風險、預警風險與控制風險。場景舉例：審查客戶風險時，基于客戶的結構化數(shù)據、可利用的圖片數(shù)據、相關輿論信息進行綜合解析與建模判斷以文本生成能力為核心行業(yè)研究：基于大模型的知識推理能力，讓原先的行業(yè)研究模型具備理解分析圖表、輿情、往年數(shù)據等更廣范圍信息的能力，得出更加可靠的行業(yè)研究結論，提升行研報告的均質化水平。場景舉例：投資、基金、券商行業(yè)研究報告智能化撰寫以知識推理能力為核心知識管理：基于當前知識引擎，利用大模型的能力實現(xiàn)識別、特征提取、聚合與重組，變革企業(yè)知識管理與知識獲取方式，推動高效率與全覆蓋進程。場景舉例：企業(yè)項目經驗查詢，標簽關聯(lián)分析等

投資決策：依托于大模型的數(shù)學推理能力，賦予原先以計算為核心的投決模型更加豐富的多維參考信息和更加動態(tài)的衡量標準，全面提升模型的決策能力，讓模型能夠輸出更加詳盡的決策過程而不只是答案。場景舉例：交易決策建議，固定資產投資建議等智能合約：引入規(guī)則信息和利益導向，基于大模型起草或審查合同條款審查合同，快速甄別潛在的利益沖突條款，并加快合同流程，有助于規(guī)避潛在風險、提升合同撰寫的均質化水平。場景舉例：自動生成金融服務合同、交易合同自動審查客戶維系：基于大模型所具有人類思維，同時依靠其知識補全能力和多模態(tài)信息解析能力，對企業(yè)的客戶管理行為進行整合分析，并給出客戶維系的建議性舉措，提升客戶管理能力，增強客戶粘性。場景舉例：自動挖掘潛在客戶，存量客戶拜訪提示等15破除虛妄：大模型在金融業(yè)的場景邊界②創(chuàng)新能力的場景泛化-新場景的變革在為金融行業(yè)帶來傳統(tǒng)場景升級的同時，大模型的強大生成能力和多模態(tài)信息處理能力會為包括銀行、保險、資管、投顧等在內的金融業(yè)務帶來“迭代式”的場景變革：以開/閉卷問答能力為核心智能營銷：多模態(tài)全維度營銷策略設計，定制化人群、主題大規(guī)模精準投放廣告，如圖片、短視頻等，形成真正意義的千人千面千場的廣告流投放機制，提升營銷轉化率。場景舉例：理財產品營銷、銀行零售業(yè)務

金融信息查詢：在中國的金融信息數(shù)據服務領域，使用一些數(shù)據終端的時候，都是以目錄式查詢、逐層下鉆的方式，而大模型能夠創(chuàng)新交互方式，基于金融直接通過問答得到相關數(shù)據、指標庫和圖表等。場景舉例：貸款總額報表的快速產出、高凈值客戶的相關信息快速調取以知識推理能力為核心財富管理：基于大模型調用投行所有分析師的智慧與成果，整合全域研報知識，關聯(lián)資產配置能力與經驗，高效輸出相關結果，形成相關客戶的智能投顧。場景舉例：先期以“人+大模型”的保障機制，運轉智能投顧大模型，針對TMT領域基金或理財，多模態(tài)綜合研判輸出投顧建議以代碼合成能力為核心代碼生成：運用大模型編寫重復代碼，可釋放更多科技產能，將人力投入到程序、算法等設計過程，提升金融系統(tǒng)和模型的開發(fā)效率，同時優(yōu)化金融科技團隊組織體系。場景舉例：如高頻重復業(yè)務場景的SQL撰寫；數(shù)倉的自動調度等以條件文本生成能力為核心訓練數(shù)據生成：在金融企業(yè)內部業(yè)務模型訓練過程中，可以運用大模型自動生成接近現(xiàn)實場景的訓練數(shù)據，用于代替真實的客戶數(shù)據，從而有效保護客戶的數(shù)據隱私。場景舉例：關聯(lián)交易風險預警模型；信貸授信模型等模型預料自動生成

合規(guī)篩查：在產品營銷、催收等不易監(jiān)督的業(yè)務環(huán)節(jié)存在較多的潛在合規(guī)風險，依托大模型的多模態(tài)信息理解能力，能夠對上述環(huán)節(jié)的業(yè)務動作實現(xiàn)高效監(jiān)督。場景舉例：金融企業(yè)營銷合規(guī)監(jiān)管，銀行催收合規(guī)監(jiān)管代碼補全：運用大模型進行方法級的代碼生成、代碼搜索與檢驗，快速進行框架搭建與BUG定位、可釋放更多科技產能，提升金融系統(tǒng)和模型的開發(fā)效率。場景舉例：Function函數(shù)創(chuàng)建、debug、測試（系統(tǒng)、單元等）智能培訓：針對現(xiàn)存培訓素材與員工畫像，基于大模型打造企業(yè)內部培訓課程庫，因材施教，精準生動的完成員工培訓。場景舉例：面向投研、資管等專業(yè)金融技能的人力資源培訓平臺16破除虛妄：大模型在金融業(yè)的場景邊界③大模型落地全要素：樹立大模型落地的正確認知當下大模型已具備多模態(tài)能力，建議大模型的落地由外圍場景逐漸滲生成能力可控性趨近成熟，推透核心業(yè)務，由內部管控工具建設至基于基礎大模型的行業(yè)大模理能力仍在發(fā)展對客業(yè)務工具型落地，能夠減少泛知識數(shù)據量減少的代價，避免專業(yè)場景的大模型“幻覺”大模型并不是數(shù)據越多效果越好，數(shù)據治理是前提大模型的建設需要進行充分的需求評估，避免“偉岸”建設全棧能力建設下，使用成本每年約500萬至1500萬大模型的過程：預訓練->微調-美元，如果不使用最先進>prompt工程->產品化/工程化，Ensuretheyhavedifficultconversations務能力->產品能力17破除虛妄：大模型在金融業(yè)的場景邊界③大模型落地全要素：五大能力域與ROI評估雙向提升分解企業(yè)架構，運用企業(yè)數(shù)字化能力模型，從五大能力域出發(fā)，實現(xiàn)問題歸類和聚焦，明晰大模型在企業(yè)長期落地的支撐保障核心要素戰(zhàn)略與文化組織與人才流程與機制應用與平臺數(shù)據與技術

持續(xù)關注，積極溝通組織運營：合規(guī)審慎，動態(tài)追蹤政策變化，積極開展監(jiān)管溝通大模型層面：政策動態(tài)更新，迭代測試用例，保障數(shù)據與產權合規(guī)理性推進，合理布局戰(zhàn)略界定：多階段戰(zhàn)略演進，定義適合自身情況的發(fā)展戰(zhàn)略文化哺育：以數(shù)字化、智能化等前沿技術的認知培育框架優(yōu)化，流程適配組織框架：搭建適合當前階段的數(shù)字化/智能化治理組織，設立科學合理的考核機制流程適配：以新技術嵌入流程，形成管理閉環(huán)。讓管理自身能夠進行迭代，非孤立的體系外的工具加速治理，要素激活數(shù)據治理：搭建適配的數(shù)字化/智能化治理組織，建立全維度治理能力，形成數(shù)據資產數(shù)據架構：結合數(shù)據采集與存儲、數(shù)據應用與服務兩大能力的提升，伴隨數(shù)據治理能力的打造成型，形成金融數(shù)據架構明晰模式，體系建立研發(fā)模式：結合戰(zhàn)略定位、廠商能力，建立與之匹配的研發(fā)模式與基礎設施，按需配置技術體系與基礎設施

Digital-ROI“分子”釋放數(shù)字化轉型效益，業(yè)務價值圖譜描繪與量化評價業(yè)務視角——將業(yè)務實際價值效果與科技投入進行一致性關聯(lián)，展現(xiàn)科技投入對業(yè)務效益提升的支撐度效果激活數(shù)字化轉型效能，科技投入商業(yè)核算與精益運營科技視角——標準化溯源科技投入在業(yè)務端的資源分布，同步衡量科技服務本身價值與團隊的工作績效，匹配發(fā)展價值主張Digital-ROI“分母”

原則1-業(yè)務價值可量化——以業(yè)務實際需求和價值為基礎，結合行業(yè)先進性的技術發(fā)展方向對業(yè)務價值進行有效衡量原則2-能力清晰可承接——對于不同類型的能力需要明確定義清晰定義，保證各項資源投入均有能力以映射原則3–資源投入全覆蓋——數(shù)字化投入核算應確保覆蓋所有數(shù)字化相關的資源投入內容，保證投入評價的完整性與全面性原則4–下鉆項目全打通——數(shù)字化投入核算應下鉆至作為數(shù)字化建設的實施單元和數(shù)字化投入直接面向單位的項目層級1803務實求效：大模型在金融業(yè)的價值與應用19務實求效：大模型在金融業(yè)的價值與應用總體價值：大模型催生“效率革命”，為金融行業(yè)提質增效能力更 效率更 場景更 應用更“強” “高” “廣” “深”專業(yè)知識+推理能力 助力生產、經營、管理 百業(yè)千模 大模型+AI原生應用特定領域表現(xiàn)及適應性 重塑業(yè)務模式 滿足金融業(yè)各類業(yè)務需求 推動業(yè)務全鏈條智能20務實求效：大模型在金融業(yè)的價值與應用大模型在金融業(yè)的應用全景視圖前臺通用模塊辦公管理文檔/圖片解析搜索與問答輿情管理知識管理音視頻文本圖片生成數(shù)據分析數(shù)據決策分析圖譜分析渠道運營智能客服

智能信息披露零售金融渠道運營智能外呼智能推薦信用管理營銷管理營銷內容生成營銷策略設計產品設計產品策略設計需求挖掘

智能交易監(jiān)控公司金融渠道運營智能外呼智能推薦信用管理智能盡調客群分析新企抓取產品設計產品策略設計需求挖掘

監(jiān)管科技保險渠道運營智能外呼智能推薦信用管理營銷管理營銷內容生成營銷策略設計產品設計產品策略設計需求挖掘

監(jiān)管報告生成用戶身份識別證券資管資產管理資產管理智能投顧智能盡調智慧投研智慧投研智能投教資產評估基金畫像資產配置通識工具基于Agent的生產力工具

智能反洗錢

風險管理智能審計 智能反欺詐開發(fā)與運維

風險賬戶識別 風險評估前中臺通用應用

方法級代碼生成監(jiān)管個性科技應用

智能代碼補全智能代碼搜索運維管理告警管理后臺-此處應用未覆蓋全金融行業(yè)，將隨著技術與業(yè)態(tài)發(fā)展持續(xù)更新；截止2023.1021應用務實求效：大模型在金融業(yè)的價值與應用以三視角繪制大模型在金融業(yè)的應用路線大模型在金融業(yè)的應用路線圖30營銷管理25渠道管理基于Agent 風險管理的生產力工具需求頻次監(jiān)管科技15產品設計代碼助手運維管理資產管理10辦公管理50012345678910技術成熟度場景價值，與半徑大小成正比需求頻次：共30個需求方（樣本量）應用路線，橫縱坐標的線性表現(xiàn)技術成熟度：以可商用作為技術成熟度高的標準

行業(yè)趨勢金融價值創(chuàng)造當前，國內金融服務呈現(xiàn)出服務智能化、業(yè)務場景化、渠道一體化、融合深度化等特點模式顛覆創(chuàng)新由于大模型等新興技術發(fā)展，底層邏輯將發(fā)生根本變革，層級化、流程化的金融服務模式或將逐漸消解，而網絡化、分布式、場景化、具身化的新金融服務模式將建立三維路線確定營銷、渠道、風控成為金融業(yè)務高頻價值場景監(jiān)管科技因大模型的能力涌現(xiàn)有望變革代碼助手與運維管理成為中后臺管理高頻需求輿情管理、智能投顧、智能投研、智能理賠ROI趨近良好Agent成為AGI的有效載體，為火熱研究方向22務實求效：大模型在金融業(yè)的價值與應用金融業(yè)大模型的落地路徑業(yè)務場景渠道管理營銷管理產品設計監(jiān)管科技辦公管理數(shù)據分析開發(fā)與運維風險管理通用模塊大模型即企業(yè)專屬行業(yè)大模型精調服務MaaS大模型解決方案數(shù)據標注平臺平臺&工具金融大模型 政務大模型行業(yè)大模型模型底座基礎設施 高性能計算集群

細分領域OCR訓練平臺模型訓練AOI訓練平臺平臺……訓練平臺機器學習框架貿易大模型行業(yè)大模型開放生態(tài)通用大模型高性能計算網絡

媒體AI中臺應用平臺 智能視頻分析平臺智能圖像創(chuàng)作平臺……應用調度平臺傳媒大模型……向量數(shù)據庫233務實求效：大模型在金融業(yè)的價值與應用辦公管理典型案例：基于騰訊云TI-OCR的單據處理場景綜述：單據處理中需要對大量的非結構化信息進行整理，傳統(tǒng)OCR深度學習模型需要經過檢測、識別、結構化等多個階段，各階段錯誤累積，難以突破檢測識別難點，且不具備閱讀理解和推理能力、模型指標上限低，不同場景下模型能力無法復制、定制成本高，而OCR大模型的能力可解決以上單據處理的痛難點。基于騰訊云TI-OCR的單據處理場景智能固定版式檢測/識別智能分揀結構化結構化從單一版式或混合版式的圖實現(xiàn)對如身份證、火車票、實現(xiàn)各類表單、票據、證件、即通用目標檢測，檢測出圖片中提取出Key字段、機動車登記證等所有字段位單據等的包含手寫體、印刷片中物體所在的框位置及其Value字段，以及Key-置固定的單一版式類型的數(shù)體、中英文的字段提取。所屬類別。Value的鍵值對關系。據信息進行提取。支持四種識別模式騰訊云TI-OCR：專注于OCR細分場景建模的訓練平臺（Master-Worker的分布式架構）數(shù)據導入數(shù)據生成數(shù)據標注模型訓練應用編排測試發(fā)布特點1：基于原生大模型，不經過訓練，直接支持常規(guī)下游任務，零樣本學習泛化召回率可達93%特點2：通過prompt設計，不經過訓練，支持復雜下游任務，小樣本學習泛化召回率可達95%特點3：通過多模態(tài)技術，小樣本精調解決傳統(tǒng)OCR難題，比傳統(tǒng)模型召回率提高3%-20%

場景價值單據處理能效提升減少單據處理中的低價值高耗時手工作業(yè)，節(jié)省運營人力成本，可實現(xiàn)多元業(yè)務數(shù)據處理的標準化、線上化、自動化。非結構化數(shù)據利用率提升可對非結構化數(shù)據進行自動化分揀、提取并轉換為結構化數(shù)據，實現(xiàn)對各種格式數(shù)據的高精度識別，識別準確率95%以上。243務實求效：大模型在金融業(yè)的價值與應用渠道運營典型案例：基于騰訊云金融大模型的智能客服場景綜述：銀行的傳統(tǒng)智能客服存在知識維護量大、問答覆蓋率低、攔截率低、接待上限低、服務效率低等諸多痛點，同時由于知識邊界受限，對于不在知識庫的問題回復質量較差，導致在客戶體驗和企業(yè)形象層面存在潛在風險，而借助金融大模型則能讓智能客服場景更穩(wěn)定、效果更佳。銀行專屬AI助手私有化部署騰訊云TI平臺結合自身場景數(shù)據精調騰訊云金融行業(yè)大模型

基于騰訊云金融大模型的智能客服場景智能語音導航&智能問答：將自然語言處理技術與知識庫、知識圖譜相結合，開發(fā)出智能語音導航和智能問答功能作為智能客服的核心，實現(xiàn)對客戶的合理引導，將復雜的功能菜單扁平化，提升客服服務效率。智能外呼：利用自然語言處理、情緒識別、語音識別等技術，將人工客服的服務的錄音進行轉寫，形成可靠數(shù)據源以進行專題分析。另一方面，將外呼營銷、催收等過去由人工開展的業(yè)務，交由機器人辦理，并實時對數(shù)據進行深度分析，推動客戶處理方案向定制化發(fā)展?？头郑涸谌斯ぷ諘r，為員工提供即時的話術支持，也可以根據人工座席的需求，為人工座席提供即時的協(xié)助，提升工作效率。語音模型知識庫智能知識融合技術語音識別QA/知識圖譜自然語言處理語音模型行業(yè)語義庫智能語音底座語音合成語音轉寫庫深度學習聲學模型語音庫第三方能力整合

場景價值用戶交互體驗提升讓智能客服更加專業(yè)，生動、靈活的應對各類非規(guī)則化情況，并讓服務“看得見”、“聽得見”，減少人工成本的同時提升用戶交互體驗，實現(xiàn)完全意義上的圖靈對話。業(yè)態(tài)精益化運營將原智能客服業(yè)務切分為智能坐席、智能人機協(xié)作、知識庫管理等單元，將服務場景切分為問答、助手、外呼，實現(xiàn)場景的專業(yè)化服務與業(yè)態(tài)的精益化運營253務實求效：大模型在金融業(yè)的價值與應用資產管理典型案例：基于騰訊金融輿情大模型的一級市場智能投研場景綜述：傳統(tǒng)的投研流程存在搜索途徑不完善、數(shù)據獲取不完整且不及時、人工分析研究穩(wěn)定性差、報告呈現(xiàn)時間長等缺陷，智能投研則能通過大模型技術實現(xiàn)的多元數(shù)據的智能采集和理解分析，不斷迭代分析模型并直接生成投研報告，大幅提升投研質量與效率?；谳浨榇竽Ｐ偷耐顿Y研究場景前端問答策略建議報告生成通過任務式對話獲取投研工對關聯(lián)、回歸分析、宏觀、通過模型精調并以企業(yè)私有作所需的數(shù)據信息，減輕信投資模型等金融知識進行建研報數(shù)據進行訓練，模型可息檢索的工作量模，讓模型提供決策建議自動生成符合要求的研報知識圖譜金融業(yè)知識框架輿情大模型結構化公開數(shù)據源數(shù)據采集結構化抽取研究公司網頁動態(tài)模擬個性化結構化半結構化非結構化報告公告資訊代理池登陸數(shù)據數(shù)據數(shù)據數(shù)據

場景價值投研能力均質化水平提升通過大模型替代傳統(tǒng)投研工作中容易產生疏漏的環(huán)節(jié)，讓更多維度的金融信息得以利用，同時自動生成報告輔以人工修正，能讓產出內容更加高效、穩(wěn)定。為向價值鏈后端延申夯實基礎投研環(huán)節(jié)處于金融業(yè)價值鏈的前端，與后續(xù)風控管理、投后管理等業(yè)務領域的耦合度較高，大模型投研能力的建設有助于金融業(yè)務鏈價值共享。263務實求效：大模型在金融業(yè)的價值與應用風險管理典型案例：基于騰訊金融風控大模型的風險治理場景綜述：當下傳統(tǒng)風控模型遇到了通用建模效果有限、小樣本數(shù)據導致性能不達標等瓶頸，單點防御能力和風險預測能力難以適應業(yè)務快速變化的發(fā)展需求，而基于大模型的風險治理顛覆傳統(tǒng)風控業(yè)務流程，實現(xiàn)精準化的動態(tài)風控，塑造新的組織形態(tài)與業(yè)務形態(tài)?；隍v訊云金融風控大模型的定制化動態(tài)風險治理體系專家級建模流程全自動跨場景泛化大模型集成了大量風控全流程自動建模并自動風控大模型具備跨場景模型及相關知識，可按部署上線，可大幅縮短的泛化性能力，可跨場較高的迭代頻率完成專風控策略部署周期以敏景適用，能夠助力企業(yè)家級精度的風控建模捷響應變化快速啟動新業(yè)務知識沉淀定制反欺詐模型黑產知識庫AI算法API服務客戶風控系統(tǒng)FoundationPrompt樣本ModelMaaS騰訊云金融風控大模型

場景價值風控能力全方位升級在保證風險識別準確率的前提下加快風險判斷速度，實現(xiàn)動態(tài)風險治理，變革組織運營管理模式，全面提升金融企業(yè)風控體系的上線及迭代速率。解決定制化建模的小樣本難題依靠大模型自身的“知識積累”，可學習海量多模態(tài)的風控數(shù)據，高效解決小樣本乃至零樣本訓練難題，進一步提升模型區(qū)分度，有效面對多風險類別跨風險業(yè)務域的泛化問題。273務實求效：大模型在金融業(yè)的價值與應用開發(fā)與運維典型案例：基于騰訊大模型的代碼助手場景綜述：金融業(yè)的數(shù)字化整體水平在全行業(yè)內處于領先地位，數(shù)據平臺運行、數(shù)倉調用等中后臺能力對于金融企業(yè)的重要性不言而喻，而“代碼”則是金融企業(yè)中后臺能力的最根本保障，通過基于大模型的AI代碼助手，可減輕人工撰寫代碼的負荷，并提升代碼質量，進一步強化敏捷開發(fā)的效率?；隍v訊云的AI代碼助手

場景價值根據注釋生成代碼?補全行內代碼代碼補全技術對話?根據上文補下文?函數(shù)塊內補全代碼?生成測試用例?生成冒煙測試自動化測試代碼診斷?生成接口測試?生成優(yōu)化方案支撐四大核心能力騰訊云AI代碼助手技術底座模型混合平臺精度調優(yōu)金融行業(yè)大模型混元大模型模型評測平臺金融企業(yè)自有模型模型訓練情景感知的技術對話提問推薦對話指令操作對話生成代碼建議代碼錯誤修復建議發(fā)現(xiàn)潛在代碼隱患強化代碼可讀性提交代碼前的檢查自有數(shù)據訓練集開源代碼微調自有內部代碼

開發(fā)全流程升級加速BUG診斷、測試等流程，并通過輔助補全等能力釋放系統(tǒng)及應用開發(fā)過程中的機械性工作，讓整個開