大模型：从“百花齐放”到价值回归

2025-08-27 09:13:23 来源：中国银行保险报网

　　编者按：

　　在金融科技飞速发展的当下，大模型技术正成为金融行业变革与创新的核心驱动力。2025年，众多金融机构积极投身大模型应用领域，不断拓展业务边界，提升服务效能与风险管理水平。本专题盘点了目前金融行业大模型应用情况，分析未来趋势，以对行业有所启迪。

　　□本报记者苏洁

　　近两年，金融行业在AI大模型的研发投入和应用方面走在市场前列。国际数据公司（IDC）数据显示，2024年，中国金融行业人工智能和生成式人工智能（AI and Generative AI）投资规模达196.94亿元，到2027年将达到415.48亿元，增幅达111%。如今，大模型已从探索期走向实际应用，并为金融行业带来无限想象。

　　呈现“梯队分化”

　　技术的快速发展给我们带来无限遐想。从ChatGPT到DeepSeek，AI大模型的应用正加速进入金融领域。一时间，众多金融机构纷纷试水大模型应用，在提高效率、节约成本上发挥了积极作用，同时也有效推动了自身的数字化进程。目前，头部银行、保险机构在大模型应用上效果显著，中小机构还处于跟跑或者观望状态。金融机构都在发力的大模型应用，究竟效果如何？

　　《中国银行保险报》记者梳理发现，工商银行作为国内银行业首个发布企业级千亿参数金融大模型技术体系“工银智涌”的机构，深度赋能20余类核心业务、覆盖200余个实际应用场景。中国银行、农业银行、建设银行、交通银行、邮储银行（601658）已顺利完成 DeepSeek全系列大模型在内部的部署并实现稳定运行，为各项业务的智能化升级奠定了坚实基础。中小银行，如江苏银行（600919）、北京银行、重庆银行（601963）大模型应用各具特色。保险机构，如阳光保险、平安产险、众安保险等机构落地大模型，在不同业务环节应用发挥了作用。

　　工行有关人士在接受记者采访时表示，金融大模型的发展已经告别了初期的狂热，进入“价值回归”的务实阶段，其发展阶段正从“探索尝鲜期”步入“规模化应用深水区”。从金融行业大模型应用情况来看，呈现出“马太效应”和“梯队分化”，形成了“头部机构领跑，中小机构跟跑”的格局。以国有大行和部分领先的股份行、保险公司为代表的第一梯队，已经度过了最初的技术验证和场景摸索期。第二梯队优先选择技术风险低、投入产出比高的场景进行试点，如智能客服、代码生成、内部知识库问答、办公效率提升等。第三梯队仍处于“战略观望与规划期”，关注点在于如何以更低的成本、更小的风险享受到大模型的技术红利。

　　“金融机构发力大模型的本质是金融机构在数字经济时代一场关于生存与发展的战略卡位战，其目的是通过技术革命，实现成本结构的优化、数据价值的释放、服务模式的重构和风险管理的升级，最终是为了在未来的市场竞争中占据有利位置，确保不被时代所淘汰。”上述工行有关人士坦言。

　　在中央财经大学中国精算科技实验室主任陈辉看来，当前金融机构发力大模型的本质目的不是“追逐技术”，而是“追逐利润”，即用可控成本把监管、风险、运营成本压到最低，同时把客户生命周期价值拉到最高，从而在利差收窄、费率透明化的行业里重新夺回定价权。

　　微众银行数字金融发展部负责人姚辉亚认为，金融机构如何实现从数字原生到AI原生的跨越，金融机构的优势是对服务场景的深度理解和丰富的数据沉淀，因此金融机构拥抱AI，更重要的是全面、深度地推进AI应用，以重构竞争力。

　　众安信科CEO郁锋认为，AI在金融行业的发展经历了三个重要阶段，从最初的“自动化”阶段进入“数字化”阶段，如今大模型驱动的“智能化”阶段已然来临，AI具备了自我学习和创造能力，在金融领域的地位从“锦上添花”转变为“不可或缺”。

　　“国内外金融领域的AI应用形态仍处于初级发展阶段的混沌期。截至目前，在金融服务这一特定垂直领域，尚未出现能够彻底颠覆现有业务模式、引领行业变革的‘杀手级’AI原生应用。”恒生电子（600570）首席科学家、恒生研究院院长白硕坦言，从金融机构的视角来看，大模型的应用价值不仅在于能够在提升金融机构内部运作效率的同时降低成本支出，还能够通过创新驱动业务扩展，在复杂多变的市场条件下参与决策制定，最终达到优化资源配置、提升风险管理能力、增加收益的目的。

　　“现在还是马拉松的第一公里，未来提升的潜力还非常大。”腾讯云副总裁胡利明认为，大模型的应用，尤其在业务场景中产生价值，当前在金融行业整体来看还处于比较初期的阶段，门槛和挑战非常多。

　　技术厂商异军突起

　　通用大模型市场迎来“百模大战”时代。目前基础大模型建设已经较为完整，金融机构和诸多云服务商、AI技术服务商、数据服务商均推出大模型，且各具特色，未来是否将进入大模型应用跑马圈地阶段？

　　易观千帆银行业咨询专家韦玲艳认为，当前国内大模型市场已进入“百模大战”阶段，国内大模型如“文心一言”“通义千问”等在技术上逐步成熟，但与国际领先模型相比，国际领先模型如GPT-4系列等在技术、模型架构、应用体验等方面仍具有优势。未来，大模型将从“通用大模型”向“领域大模型”演进，结合金融行业场景，形成更专业的解决方案，大模型应用也将从辅助运营类场景向决策管理类场景深化，推动金融行业智能化转型。

　　“2025年，随着国内外基础大模型能力不断提升，AI不断成熟，大模型使用成本迅速降低，生成式人工智能的重心开始转向应用，这是一个巨大的机会，也是巨大的挑战。本质上，大模型只是类似于电力一样的一个基础的能力，并不是作为单独的产品来落地应用。”中电金信相关人士表示。

　　水滴公司创始人兼CEO沈鹏表示：“布局大模型的本质在于重构金融保险服务价值链。水滴每年投入近3亿元用于研发，沉淀了100余项技术专利，并自主研发了保险领域大模型‘水滴水守大模型’，广泛应用于多个保险业务场景。我们要做的是在保险领域的垂直应用，更聚焦在保险产业的各种场景，让科技提升效率，产生商业价值，为用户带来更好的服务体验，也为保险服务场景带来质效提升，这样才有可能投入更多资源进一步改进技术，形成正向的‘飞轮效应’。”

　　安全问题仍待解决

　　大模型虽然可以提供低成本、高价值的解决方案，但在应用成本考量、应用场景选择、应用路径选择、数据安全等方面仍面临诸多问题。对于金融机构来说，如何进行平衡？

　　工行有关人士表示，对于金融机构而言，关键在于坚持“价值导向、安全为基、循序渐进”的核心原则。首先，在战略上应明确业务价值优先，优先选择那些投资回报率高、风险可控的“价值锚点”场景。其次，必须将合规与安全置于首位，通过建立数据分类分级、敏感数据隔离、私有化部署以及使用RAG（检索增强生成）等技术来确保数据主权和模型输出的可靠性。最后，需要通过小步快跑、持续迭代的方式，在动态中谨慎地寻找创新与风险、成本与收益之间的最佳平衡点，并逐步建立起覆盖AI全生命周期的治理体系。

　　姚辉亚表示，随着AI技术持续发展和应用场景不断拓展，研发、应用和管理AI过程中也将衍生新的风险挑战，这些风险包括数据质量隐患、泄露风险、系统安全漏洞和供应链管理缺陷等具体的信息科技风险，也包括因算法可解释性不足、应用同质化等特性而引发的输出偏差和系统性风险等模型风险。对此，微众银行一方面落实模型的全生命周期管理，将AI治理纳入研发、风控、审计协同的“三道防线”；另一方面强化数据全周期安全规范，建立并严格执行数据安全评估、权限隔离等流程，确保技术创新与风险控制的平衡。

　　韦玲艳认为，对于金融机构来说，大模型应用可降低运营成本、提升效率，但需关注数据质量、模型可解释性、隐私保护等问题，加强数据治理、模型治理、合规管理，确保技术应用的合法性和安全性。此外，需加强人才培养、技术投入和生态合作，推动大模型与金融行业的深度融合。

　　“金融业当前在智能化的推进节奏与信息化的路径是相反的。信息化起步越晚的环节，越应优先智能化。具备高度标准化和结构化数据的业务部位，系统信息化程度越高，如金融机构的核心交易、账户、清结算等业务系统。相比之下，智能化应用到数据非结构化的外围系统越容易出效果，所以非标准、非结构化的场景是当前智能化的重点。”白硕表示。

　　中电金信相关人士认为，未来3-5年，AI将从基础设施到上层应用再到应用本身的生产运维各个领域，全面重塑行业数字化、智能化的格局。未来的应用不仅仅由人来操作，还有大量应用由自驱动的智能体来操作，业务场景将从人机操作转为人机协作、智能体相互之间的协作。