中国金融大模型发展白皮书：开启智能金融新时代

开启智能金融新时代⸺ 中 国 金 融 大 模 型 发 展 白 皮 书目录核心观点第一章 百舸争流：AI大模型发展概述盩.盩 AI大模型与新质生产力盩.盪 国内外AI大模型的发展现状盩.盫 AI大模型应用发展整体现状第二章 聚焦行业：金融行业大模型概述盪.盩 金融行业大模型应用的特殊性盪.盪 金融行业大模型应用落地面临的挑战第三章 落地进展：大模型催生效率变革 金融行业务实求效盫.盩 大模型在金融行业的典型应用场景梳理盫.盪 生成式AI在金融行业场景应用流程梳理第四章 金融行业大模型的应用路径与关键能力盬.盩 金融机构落地大模型的应用路径盬.盪 金融机构选择或部署大模型时的关键能力要素第五章 展望未来：金融行业大模型的发展趋势盭.盩 大模型技术创新与发展趋势盭.盪 行业应用场景的拓展趋势第六章 关于中电金信目.盩 中电金信公司介绍目.盪 中电金信人工智能产品及能力介绍目.盫 中电金信AI大模型在金融行业的服务案例盨盩盨盬盨盭盨盭盨盯盨盱盩盨盩盩盩盫盩盬盪盪盪目盪盯盫盬盬盪盬盫盬盬盬目盬盯盬盰目盩核心观点AI大模型成为新质生产力的重要组成部分，国内外科技公司正加速布局AI大模型已成为新质生产力的重要组成部分，能够大幅提高生产效率，优化资源配置，降低生产成本，为企业高质量发展提供强大的技术支持和动力。 当前，美国、中国、日本、欧盟等全球主要地区的科技公司正加大大模型技术的创新及应用。在未来GenAI投资分配上，中国和全球企业几乎都会平均分配在生产力提升应用场景、跨行业水平职能应用场景、以及垂直行业专属应用场景上。金融行业AI大模型的研发投入和应用较为显著，且具有一定的应用特殊性和应用挑战近两年，金融行业在AI大模型的研发投入和应用方面亦走在市场前列。根据IDC数据显示，盪盨盪盬年，中国金融行业AI and Generative AI投资规模达到盩盱目.盱盬亿元，到盪盨盪盯年将达到盬盩盭.盬盰亿元，增幅达到盩盩盩%。同时，金融行业属于信息密集型、风险规避及强监管行业，在推进大模型落地过程中，相比其他领域，金融行业对数据质量、推理准确性及响应速度，以及在管控、合规、安全层面的要求都更高。同时，根据IDC调研数据显示，数据治理、模型治理、以及合规应用是金融机构落地大模型/生成式AI更需求关注的要素。盨盩AI大模型在金融行业的应用场景正从简单到复杂加速分步推进IDC认为，生成式AI的行业应用往往都是循序渐进的过程，一般是逐渐从内部辅助运营到外部对客提效、从业务边缘到核心，相应地AI对金融机构的价值也逐渐增大。在未来盩盰个月内，支付清算、智能投研、内部研发（代码生成、测试等）、数据分析（报表生成与分析、数据建模、数据决策等）、欺诈/洗钱/威胁监测、资产管理（资产尽调、资产评估及定价等）是金融机构主要的落地场景。在应用流程方面，IDC认为，金融行业生成式AI应用场景的落地可以从场景应用评估与选择（如技术解决方案评估、项目管理及风险评估、投资回报分析）、以及面向场景的工程化落地（如模型选择、技术路线、数据及算力准备、模型训练及调优、以及系统集成与部署、组织协同等）等层面分步推进。金融机构应根据其资源能力选择不同的大模型应用路径，并需打造多样化的能力要素当前，不同类型的金融机构在推进大模型的落地中，有着不同的路径选择，其可根据自身战略目标、业务需求、技术能力、资源禀赋、风险偏好来决定是否自主建设、基于已有模型微调，或是采用其他方式来利用GenAI能力。同时，IDC认为，金融机构在落地大模型的过程中，需要综合考虑打造数据价值链管理、模型的选择与部署、AI平台搭建、以及AI治理等要素能力。尤其是在数据价值链管理方面，IDC认为，金融机构的数据价值链管理是生成式AI在金融场景中有效发挥价值的基石，其核心目的是提升数据质量、数据可用性以及确保数据的合规获取，有利于金融机构面向不同的应用场景快速构建高质量的数据集，并为后续金融大模型的规模应用奠定坚实的基础。盨盪多模态技术、AI智能体、以及通过大小模型协同应用和构建大模型生态资源共享平台是金融机构落地大模型的主要趋势随着大模型技术的发展，大模型的参数规模也将显著增长，多模态技术及智能体亦将在金融机构中深入应用。一方面，多模态之间的融合将使得AI大模型能更深刻地捕捉复杂场景背景、细节和情感，使其更快的感知和适应场景，并能应用于更加复杂的金融场景。另一方面，AI智能体通过“感知-认知-推理-决策-组织/行动”的闭环，及其在数据处理、智能决策与自然交互等方面的卓越能力，预示着它将在客户服务、业务流程优化及业务效率提升等多个关键领域发挥核心作用，为金融机构带来前所未有的价值创造。此外，IDC认为，通过大小模型协同也能驱动金融机构在更加多样复杂的场景中的应用。同时，通过构建大模型生态资源共享平台，向金融机构提供大模型应用所需的全套资源，是金融机构大规模应用生成式AI的主要路径之一。盨盫第一章百舸争流AI大模型发展概述盩.盩 AI大模型与新质生产力当前，人工智能正以前所未有的速度和规模渗透到我们生活工作中。人工智能是数字基础设施建设的重要组成部分，是新一轮科技革命和产业革命的核心驱动力，在人工智能技术的加持下，全球的数字化转型已进入倍增创新阶段，同时以多模态大模型为代表的新型人工智能技术正高速发展。盪盨盪盬年盩月盫盩日，习近平总书记在主持二十届中共中央政治局第十一次集体学习时，进一步强调发展新质生产力是推动高质量发展的内在要求和重要着力点。而以AI大模型为主的新技术，作为各行业的新质生产力的重要组成部分，能够大幅提高生产效率，优化资源配置，降低生产成本，为企业高质量发展提供强大的技术支持和动力。尤其是随着AI Agent的潜力被不断挖掘，以AI Agent为核心的人机协同将为业务洞察与决策提供新的能力支撑，为金融机构构建领先的新质生产力。未来推动金融业逐步走向智能化金融的演化，实现超高数据处理与实时决策的融合，推动着普惠金融、金融供给侧改革、客户体验/个性化服务不断深化。盩.盪 国内外AI大模型的发展现状当前，大模型技术加速发展，美国、中国、日本、欧盟等全球主要地区的科技公司正加大大模型技术的创新及应用。美国在生成式AI方面起步较早，OpenAI、Google DeepMind、Meta等科技公司在生成式AI领域取得了里程碑式的进展。在中国，百度、阿里、华为、腾讯、京东、科大讯飞、字节跳动等科技公司也纷纷发布了基座大模型，且加速推进其在各行各业的落地。而欧盟的科技公司也加速应用生成式AI，且其更倾向于在细分领域（如医疗、金融等）应用生成式AI，而不是开发通用的大规模生成模型。例如，英国的DeepMind是生成式AI领域的重要力量，其生成模型在文本生成、游戏AI等方面表现突出。日本在生成式AI的技术开发上相对滞后，其在机器人和自动化领域具备全球领先的技术实力，但在自然语言生成和通用图像生成等方面，尚未推出具备国际竞争力的大规模模型。盨盭不过，日本的一些企业和科研机构也在逐渐跟进，根据日本政府发表的《信息通信白皮书》表示，未来的增长潜力不容忽视。盯盩.盩%的受访者表示，在合适的情况下，愿意尝试使用生成式AI。表盩 主要国家和地区生成式AI发展现状来源：IDC根据公开资料整理地区技术实力