大型金融模型“挤水”

金融业在模型推动下，究竟诞生了多少场景应用？

许多上市银行都在 2024 年度报告中给出的数据是，行业内的应用领域已经超过 100 个。

以大模型为代表的人工智能技术，无疑是目前金融数字化投资最集中的热点。但是，在数百个甚至数千个应用场景中，大型模型真正为机构、员工带来了多大的作用，在多大程度上提高了业务效率？近日，21 据《世纪经济报道》记者调查，包括银行、信托和资产管理机构在内的高级科技部门和一线员工发现，虽然布局和应用大模型是必须的，但金融企业已经开始为大模型应用“挤水”。

一方面，国内外基本模型不断演变，创新迭代速度惊人。金融企业需要寻找“确定性”，这样有限的资源才能最有效地投入到场景中，避免陷入“为了” AI 而 AI “技术陷阱；另一方面，当人工智能重塑业务流程时，金融从业人员直接面对 AI 影响力，要形成一套新的机制，不但要实现应用落地，而且要确保责任落地。

现在看来，技术和商业价值的深度校正正在进行。

大型模型的布局，要多少钱？

长期以来，金融机构的科技投资规模巨大，尤其是近几年。 AI “已经成为一项重要战略。近年来，四大国有银行的科技投资额度一直在 200 超过1亿元，就是 2024 年来看，21 根据世纪经济报道记者的不完整数据，上市银行科技投资总额超过 1800 亿元。

战略投资代表着大量的资金和时间投资，从长期稳定的收益出发，而不是短期快速的收益。然而，金融企业作为商业运营的主体，必须评估投资和产出的效率。因此，不同的机构对于变化中的大模型应用有不同的考虑。

大型金融机构的选择是大规模投资。建设银行原首席信息官金磐石在业绩发布会上透露，截至 2024 年底，银行相继适应。 16 一个版本的通用大模型，然后形成 16 一个版本的金融模型。“这种策略保证了随着金融模型能力的快速迭代，我们业务场景的应用效果可以达到‘节节攀升’的效果。”

“不得不承认，大模型的布局已经成为一个必须解决的问题。不管用不用，前提是你要有这些大模型。”一家位于华东地区的股份制银行金融科技部直言，尤其是当其他机构接入某个大模型时，如果不及时跟上，往往意味着“缺位”。

为迎接大模型时代，金融企业要花多少钱？最大的投资在于计算率建设。

一位股份银行信息技术部副总经理告诉记者，这里的投资包括基础设施建设和基础设施建设。 AI 两个方面的人才引进。在应用模型之前，银行使用的服务器是“计算平台”，与大模型相关的平台是“计算平台”。计算平台不仅包括大语言模型训练，还包括推广金融领域使用大模型的推理平台。"每台 GPU 需要 8 一个芯片，单个芯片的价格接近 200 一万元，如果要做一个集群，至少要布局五六百台。“按照这个计算，这家银行只有智算平台的算率投入至少要几亿元。

还有一些机构根据自己的实际业务情况选择了不同的部署路径。

“如今，整个大型市场非常开放，不仅仅是 DeepSeek，个人和机构可以自主选择部署和浏览，包括通义千问、腾讯混合元等。关键在于你能投入多少硬件资源，或者你能购买多少云服务。“华能贵信托副总经理赵明华告诉记者，计算率成本仍然是金融大模型培训的核心问题。

赵明华直言，作为一家非银行金融机构，公司可以投资 AI 资源相对有限，如果要建立多个业务系统的全面部署，估计需要数以千计的投资。从现在开始，他指出，最核心的投资就是硬件投资。 DeepSeek-R1 就模型性能而言，如果你想跑 671b “满血版”，加上支持 500 人类并发的浏览量，需要花费 1000 预算一万多元。

“就智能客户服务这一场景而言，以前 ChatGPT 展示能力使客户服务智能化成为可能，但在我公司直销规模小、直接面向客户情况不足的情况下，花费数百万智能系统的效果可能不如人工服务。”赵明华说。

重新评估技术价值

“技术本身并非目的，我们应该避免陷入‘为了’ AI 而 AI 技术陷阱。一方面要求商业银行从技术驱动向价值驱动转变，形成技术、场景、价值的闭环，另一方面要从碎片化应用转变为流程应用，促进人工智能与领域模型的深度融合。“最近，人工智能与金融在国家财富发展研究合作机构的未来” 2025 浦发银行副行长丁蔚在春季峰会上表示。

价值驱动代表着金融企业也在逐步衡量，在这样高的技术投入之后，大模型能带来多少商业价值？

记者咨询了多家金融机构的大型项目立项评审标准，梳理了两个方面。

首先是行业内是否有成熟的场景应用的例子，这与场景应用的确定性相对应。“其他银行已经有了完善应用的工具，如智能营销、客户服务、信贷审批、反洗钱报告、智能投资研究、合规内审等，一般可以通过审核。”前述华东股权银行金科人士表示。

其次，该应用落地后，在时间缩短、流程简化、用户体验等方面进行量化数据评估。，这对应了场景应用的价值。一家大银行的信息审查部门 IT 人士告诉记者，项目评估团队不仅包括科技部门的领导，还包括业务部门、内部控制部门、会计部门等。，从而综合评估科技投入和效率提升的价值是否匹配。

值得注意的是，DeepSeek 而且智能体的快速发展，都加速了金融领域大模型应用的进程，同时也带来了模型应用的价值重估。

赵明华告诉记者：“今年正在进行 DeepSeek 出来后发现基于开源框架的智能客服可以快速搭建，很多厂商提供客服情景智能体，只有通过传递基础知识库才能实现落地，所以现在对这个场景应用价值的评价是不一样的。"

一位头部保险资产管理数字化转型部负责人告诉记者，经过两年多的探索，他的组织已经建立了一个成熟的组织。 AI 应用框架，在模型底座不断变化的前提下，不可避免地会出现重复施工的情况。“去年，我们做了大量的培训和优化工作，以使生成型大模型在投资研究场景中取得更好的效果，但今年， DeepSeek 发布 R1 在模型之后，我们发现过去很多关于推理能力的优化问题都得到了解决。"

“但这并不意味着我们去年的投资毫无价值。”他指出，模型变更和计算率平等权利是一个机构难以改变的未来趋势。在数字化建设中沉淀下来的平台服务和数据积累，将成为实现价值最核心的战略投资能力。

信托网研究所研究员郭彦菊向记者展示了一组计算数据，DeepSeek 通过架构创新和系统优化，将大模型培训成本降低到行业平均水平 1/5 下面，推理成本下降过度。 为金融企业安排私有化的90% AI 提供经济可行性。她预估 2025 年 AI 推动信托行业运营成本降低 同时释放超过20%~30% 500 增量市场空间亿元。

推动大模型应用“挤水”

大型金融模型的应用理想非常丰满，但在实际落地时，有一些受访目标直言，目前大型金融行业的应用还是有点“虚拟”。

上述华东股份行人士表示，过去银行使用了很长时间。 RPA、OCR 等技术都是 AI，但在此之前，“点对点”在特定场景下的应用是基于项目需求，而大模型时代的人工智能已经成为“大脑”型的端到端应用。“有了这个大脑，任何场景似乎都可以使用，但在许多系统场景中，它的性价比不如小模型或智能体。”

在一些机构内部，科技部门提供的一些智能工具并没有真正满足业务痛点或幻觉问题，导致使用率低，甚至增加了一线人员再次检测和修改的工作量。

华北某国有银行个人贷款经理表示，他的银行提供了智能信用报告的生成工具，也会根据客户的个人信息给出智能审批意见的支付金额参考。但这个金额往往低于客户的实际需求，客户经理仍然需要手动计算和验证。

然而，在另一位理工科背景国有银行信用审查部门的人士看来，银行提供的智能信用审查审查系统给简化工作流程带来了极大的便利。

“现在每个人都有一台电脑，将来每个人都会有一台电脑。 N 一个智能助理，但是每个人精通电脑的水平是不一样的。“前面提到的华东股份的行人说，电脑可以用来敲代码、玩游戏、做表格、写文章，甚至有网友用。 Excel 软体绘画，工具能起到的作用上限一直取决于用户。

这意味着 AI 战略不仅需要提供工具，还需要培养业务人员的大模型应用能力。

上述保险资产管理数字化转型部门的人士告诉记者，为了让全集团员工使用好大模型，他所在的机构去年已经超越了。 20 场 AI 来“刷新员工对员工的培训” AI 的认知"。“我们不仅为所有员工做了科普工作。 AI 工具教程，还针对个别部门的需求场景，传达给个别部门。 AI 使用工具的价值。“他提到，对于投资研究、风险控制等重点部门，也有科技部门和业务部门共同探索创新工具试点。

上述经历过智能审批系统价值的大银行家也表示，为了满足业务部门提出的科技发展需求，她的银行在很多地方设立了软件开发中心，银行很多。 AI 应用程序均由业务部门主动提出申请，再由科研人员驻场开发，共同推进应用落地。

“金融业的智能化进程是一个庞大的系统，急功近利是不现实的。如果一个企业的数字化做得不好，智能化根本就是空中楼阁。”上述保险经理表示，至少未来有必要 5 年内数字化积累，不断夯实数据基础，重塑全体员工 AI 认识，可以实现智能应用的大规模落地。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com