奇富科技首席算法科学家费浩峻：金融大模型从狂热追捧到理性思考|大模型|奇富科技|算法|费浩峻|金融

经济观察网记者汪青 “大模型在金融领域的应用正在逐渐走向理性。相较于2023年整个行业对于大模型的狂热追捧，2024年市场开始更加关注技术的投入产出以及能否与业务深入融合，这种理性的态度其实更有助于推动大模型在金融领域的可持续发展。”奇富科技首席算法科学家费浩峻在12月22日接受经济观察网采访时表示。

2023年是金融大模型井喷式发展的一年。多家大型金融机构和科技企业纷纷推出了自己的金融大模型产品。以银行业为例，包括工商银行、农业银行、招商银行在内的约20家机构在2023年年报中披露了关于大模型的研发、业务应用以及赋能业务取得的成效。

尽管备受追捧，但市场对大模型在金融核心业务中的应用仍持怀疑态度。费浩峻解释道，最初人们期望大模型能够成为一种完备的体验，替代线上数百个模型的运转，实现从输入到输出的完整风险与运营解决方案。但现实是大模型的“黑盒”特性和难以拆解导致其在金融领域的应用并不如预期。

经过2024年一年的落地实践和优化，市场的观念也在发生转变。

费浩峻分析认为，最主要的原因是随着应用的深入，市场逐渐认识到金融大模型的局限性。尽管其具备强大的数据处理和分析能力，但在某些复杂场景下仍需结合人工判断和专业知识进行决策。同时，市场也逐渐认识到金融大模型并非万能解决方案，不同金融机构和客户的需求存在差异，金融大模型需要针对具体场景进行优化和调整。因此，市场逐渐回归到理性思考和加强业务深入融合的阶段。

据介绍，在信贷核心业务中，人工智能算法的应用主要体现在用户行为表征和决策模型两方面。其中，用户行为表征涉及将用户的物理行为和虚拟行为通过降维的方式传输给决策模型，而这恰恰是大模型具有的天然优势。

“决策模型则关注对风险和需求的判断，具有很高的稳定性要求，当前大模型在这方面仍面临一定的挑战。不过，通过学习小模型的数据轮转能力并将其迁移到大模型中，大模型已经能够对业务产生积极影响。”费浩峻说。

费浩峻以信贷业务中对研报的解读为例称，过去算法团队将研报解读为产品利润上升、质量下降等事件形式需要烦琐的工序。然而，经过QiFuGPT的扩充，可以轻松将产品事件扩充到两百多个，并基于这些事件对业务的不同影响构建数据反馈。通过数据反馈进行指令优化，大模型可以根据对业务有帮助的指标进行更多的泛化和精细化处理。

费浩峻表示，在实际应用中，大模型对研报的表征在风险和动支方面都表现出了较高的区分性，特别是在动支方面。一个分析产业研报的模型在过去需要10人以上的算法团队才能完成，而现在只需要1个算法人员就可以运行起来，这对企业降本增效起到了积极作用。

需要指出的是，尽管大模型对金融领域提效有着显著的优势，但在成本投入上也让部分企业心存顾虑。

“大模型的应用确实需要一定的投入，包括训练和推理两个方面。其中，训练成本相对较高，但幸运的是目前有许多底层企业已经在这一领域取得了突破，为其他企业节省了训练成本。而在推理成本上，随着技术的不断进步，其压力也在逐渐减小。如今，通过推理加速和GPU提速等技术手段，大模型的推理成本已经大大降低，甚至在某些场景的提速效果可达40倍之多。”费浩峻说。

此外，费浩峻还指出，虽然高参数大模型性能较好，但并不一定适用于所有场景。在选择大模型时，企业应充分考虑其经济性和适用性。目前，许多金融机构已经在线上使用了参数相对较低的大模型，这些大模型在保持较高准确性的同时也降低了成本投入。

随着技术不断迭代发展，金融大模型显著提升了金融服务的效率和质量，同时也为金融机构创造了新的盈利模式。但在实践过程中，仍存在诸多挑战。

费浩峻表示，首先，大模型“黑盒”特性使得其决策过程难以被人类理解从而增加了风险。为了解决这个问题，金融行业开始尝试将大模型的决策过程还原成人类可以理解的技术特征，并进行统计分析和人文反思。其次，大模型技术的应用需要满足合规监管的要求，这需要在技术创新和合规监管之间找到平衡点。为了解决这个问题，金融行业需要加强与监管机构的沟通和合作，共同推动技术创新和合规监管的协同发展。

“此外，大模型技术的应用还需要解决数据质量问题。由于金融行业的特殊性，数据的质量和准确性对于大模型的应用至关重要。因此，金融行业需要加强数据管理和质量控制，确保数据的准确性和可靠性。”费浩峻说。

谈及金融大模型未来应用还有哪些创新潜能，费浩峻认为，主要集中在对内提效、核心业务深化以及对客表达优化三个方面。

其一，对内提效是大模型在金融领域应用的初步尝试。随着技术的不断进步，金融机构发现即便达到了当前的天花板，也能在短时间内通过技术革新进一步提升效率。例如，基础模型的定期更新使得原有的效率上限被不断打破，从而推动了整个行业的快速发展。

其二，核心业务是大模型在金融领域深耕的重要方向。无论是信贷、保险还是理财等核心业务，大模型都能通过提供智能化解决方案来优化业务流程、降低风险并提高客户满意度。随着技术的深入应用，核心业务层与大模型的结合将更加紧密，从而推动金融业务的持续创新和升级。

其三，对客表达优化是大模型在金融领域广泛应用的另一重要方面。通过将大模型应用于客户服务场景，金融机构能够提供更加个性化、智能化的服务体验。随着多模态技术的不断发展，金融机构的对客表达能力将得到进一步提升，从而增强客户黏性并拓展市场份额。