自2022年底以来，ChatGPT引发了人工智能新一轮创新热潮，各大企业更是争先拿出各自的大模型产品，尤其在中国市场的竞争，已经进入白热化阶段。各行各业关注的问题逐渐转移到了大模型具体能够解决什么问题上，更注重实用性与商业化，更聚焦场景。

7月29日，文因大模型成果汇报会在上海良友大厦举办，会上，文因互联创始人鲍捷分享文因大模型在金融领域的落地成果与进展。现场有近百位商业银行、投行、证券的IT负责人到场聆听。极新也全程参会，并在现场对鲍捷博士采访，这篇文章，我们一起追溯下金融大模型的缘起与未来。

金融大模型的缘起

“大模型的基本技术原理非常复杂，但我想用一个比较简单的比喻来说明。不同的动物会根据环境的不同进化出不同的特征，而人类的DNA虽然相同，但我们可以在不同的环境中游泳、跑步、打猎等，这是因为人类具有泛化能力。人类本质上是一种软件，大脑是软件执行器，大模型也具备类似功能。”当被问到大模型是什么，文因互联创始人鲍捷这样表示。

文因互联创始人鲍捷

大模型的应用好比炼钢。作为通用底座的炼钢工厂越大越好，要集中力量办大事，避免遍地小高炉。而作为应用场景的用钢，则应多元化、市场化。“用钢”部分可以分成两段，AIGC与其它一些大模型的应用场景端形成市场化，具体应用场景里自己负责。

过去金融机构中台的建设通常是分散的，每个应用场景都需要不同的业务逻辑和技术框架。而现在，使用同一个基座可以实现所有应用，包括数据治理、分析型应用、写作类应用和智能交互式应用，这种工作范式是之前难以想象的。基于这一范式，可以在同一个基座上完成所有下游任务，无论是撰写招股说明书，还是进行券商质控和核查，甚至是投资研究和研报启发式撰写。

基于这一范式，首次拥有了一种可能性，人们可以在同一个基座上完成所有下游任务。无论是撰写招股说明书这样的写作类应用，还是进行券商的质控、核查，或者投资研究、研报汇总，所有这些下游任务都可以在同一个基座上完成。

没有数据和场景，金融大模型无用武之地

金融行业大致分为银行业、保险业、信托业、证券业和租赁业。

针对五大行业，分别有不同落地细分场景，如为自动客服和虚拟助手、风险评估和欺诈检测、投资和资产管理、信贷评估和审批、金融市场预测和交易策略。多变且严谨的应用场景，使得大模型+场景插件可能成为落地通路。

文因互联给极新（ID:jixintech）举例了文因大模型的三个具体应用场景。

场景一：企业债发行更趋市场化后，发行周期轮动会更快（周期变短，提出效率更高的要求），如何快速高效处理发行文档，也是各家机构发展市场的重要突破口。大模型+金融文档理解插件，可以处理文档，从原本的周、月、日为单位传递的文档信息，变为分钟级或秒级传递。

场景二：以债务融资工具发行为例。在发行环节，很多业务人员在处理庞杂的数据信息，并且如何做到内部审查合规方面非常头疼，有些需要一些外部数据辅助判断，有些需要通过翻找上下文相关信息判断。业务处理费时，而且数据看得人头昏脑涨，容易出错，并且有时核查标准松紧程度是不一样的，造成一些风险。大模型+业务分析场景插件，可以快速核查，几百页的文档，从原本几十个工作日的核查投入压缩为几分钟。

场景三：以评级报告生成为例，不同评级场景的文档众多、需求零散多变，占用大量人力成本；评级分析需要大量专业知识积累和数据查找，关键信息隐藏在海量的文档数据中，缺少数据加工生产线，将非结构化的文档，转换成可利用的数据和知识。基于大模型+文档生成场景插件，辅助评级报告素材收集、初稿写作、跟踪评级报告财务数据刷新、评级报告审核等全作业流程，深度挖掘评级报告数据价值，沉淀指标数据，赋能业务场景，实现完整闭环的评级报告生产流水线，提高工作效率。

显然，通用大模型要满足上述具体业务应用场景得需要具备两个条件，一是要杜绝胡说八道，二是有市场能接受的落地方案，包括算力、训练参数和价格的合理分级。杜绝胡说八道靠前文提到的基座，它可以实现所有应用，包括数据治理、分析型应用、写作类应用和智能交互式应用，这是一种新的技术范式。

在市场商业化探索方面，文因针对性的给出了一个方案。

文因大模型，每一步都算数

2015年，鲍捷带领团队回国，在北京成立文因互联，同年12月，拿到了天使轮投资。

2018年，文因互联决定由C端向B端转型。在2016至2018年间，完成了Pre-A以及A轮融资。

现在看来，文因互联的这一转型判断完全正确，也正是这判断，文因互联命运的齿轮开始转动。

紧接着，2019至今，文因互联完成了A+、B、B+三轮融资，目前正在进行C轮融资

2018年起，文因互联铸造了两把利剑——飞梭智能文档认知平台和知识图谱平台，不仅是其沉淀清洗有效数据的药引，同时也是沉淀出文因大模型的基础。

飞梭智能文档认知平台的研发从2018年开始，可以提供对数据生产的全流程、一站式服务，能够理解文档、生成文档。基于“飞梭”平台，文因互联采取自动化的方式沉淀了知识图谱，是“飞梭”的核心能力，基于深度学习的构建技术，和传统人工成本相比，已降低不止 100 倍。

某头部银行为例，在合同自动解析和抽取方面，以前人工解析一份合同需要约两个小时。飞梭系统上线后，提取一份合同的时间仅为一分钟，速度较之前提高 120 倍，实现了整体效率的提升。

某案例应用数据显示，飞梭帮助用户完成划款指令的自动分类和处理，在 19 个小时里帮助客户完成 1200 多笔指令处理，完成 2500 多只产品、10 天的对账工作。

在底稿生成方面，文因互联目前与券商合作撰写债券发行中的承揽、承做分析报告。以前一个分析师写一份报告需要三天时间，现在只需要 3 分钟就可以帮助分析师完成底稿生成工作，极大提升效率。

“文因的打法是，先在金融行业，把公司的技术理念实践出来。当把一个行业‘吃透’，能适应所有的需求时，再开始做其他行业的拓展。目前，从技术积累上看，文因互联已经具备了拓展行业的能力。但在短期内，公司仍将在金融领域持续深入布局”鲍捷说。

值得一提的是，若要将硬实力转化为真正意义上的价值，实现与用户之间的相互赋能，仍需向商业化落地看齐，否则也只是空中的虚无。

金融大模型的未来

盘古大模型深入千行百业的口号，坚定了企业走行业大模型的路径和信心。

恒生电子高级副总裁、恒生聚源董事长王锋提到，“当技术、模型、数据、应用快速形成闭环，将产生真正的业务价值，AI进入了从能力涌现走向价值涌现的新阶段。”

度小满CTO许冬亮表示，在前台，大模型将提升金融机构客户经理的专业水平，降低客户经理的运营成本。在中台，其有机会改变企业内知识获取、内容创作、代码开发与测试的方式，甚至有可能全方位提升金融企业内部运营效率。在后台，大模型将成为智能科技底座的标配，大幅降低智能技术应用的门槛，只需少量标注数据甚至无需调整就可以让智能技术覆盖广泛的场景。

陆金所控股CTO毛进亮在某次采访中谈到，AIGC很可能导致所有的“专家系统”领域都会受到冲击，包括咨询顾问、代码技术专家等。具体将在金融行业的智能运营、智能风控、智能投顾、智能营销、智能客服等多个场景产生影响。在金融服务方面，AIGC能够将原本更加依赖专家“个体”知识与经验的服务，扩展到可以支持到所有的从业者，不仅提升整体行业服务水平，也会大大提升服务能力。

B2B行业存在高毛利、高周转、大规模的“不可能三角”，这同样适用于方兴未艾的大模型产品：更大普及率、更高性价比、更可观的利润不可兼得。“这个三角从来都不是技术造成，技术擅长掀桌子”鲍捷对极新说。

后记：

1. 2020年，熵简科技 AI Lab 开源了基于 BERT 架构的金融领域预训练语言模型FinBERT 1.0。据悉，这是国内首个在金融领域大规模语料上训练的开源中文BERT预训练模型。

2. 2020年，华为云推出了智能金融大模型“ModelArts Finance”，该模型基于华为云的Atlas 200 DK和MindSpore深度学习框架，可以应用于风险管理、反欺诈、信用评估等多个场景。

3. 今年 3 月，彭博针对金融业推出大型语言模型BloombergGPT，引发市场对金融垂直领域大模型的关注。

4. 今年4月份金证股份在公司AI战略发布会上正式发布了自己的AI战略，将在金融AI大模型、RPA+AI、智能客服、智能投资等方面进行布局。

5. 今年 5 月，星环科技推出了第一款面向金融量化领域的生成式大语言模型 " 无涯 Infinity"。

6. 同样在5月，度小满开源国内首个千亿参数金融大模型 " 轩辕 "，在金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务上，效果相较于通用大模型大幅提升，表现出明显的金融领域优势 。

7. 今年 6 月，恒生电子发布金融行业大模型LightGPT，并宣布将于 9 月底正式开放试用接口。

8. 7月25日，北京知未智能科技有限公司在上海发布了知未智能 KDF 大模型 ,以及基于该模型研发的一系列产品，包括“ KDF 智讯”、“KDF 绝未”、“KDF 中书”等金融行业工具。从部分基准测试结果来看，知未智能 KDF 大模型在七个自然语言处理任务中展现出稳定的性能。

9. 马上消费基于自主的金融大模型和动态自适应强化学习技术，在营销、服务运营、数据决策等领域已经实现落地，近期将正式发布自主大模型。

10. 奇富科技自研的行业大模型奇富GPT 取得阶段性成果，预计在年内推出金融行业通用大模型产品。该模型在过去半年中在各个业务场景中表现良好，并计划运用AIGC 的能力逐步向金融机构开放使用。

责任编辑： 云舒