商业范儿
2024-05-13
数字经济的发展需要高效、安全、可靠的金融服务支持，而金融科技正是实现这一目标的关键。金融科技依托先进的数字技术，如人工智能、大数据、区块链等，重塑了传统金融服务的提供方式，推动了金融行业的转型与创新。
中国人民银行印发《金融科技发展规划（2022—2025年）》，其中指出“要稳妥发展金融科技，加快金融机构数字化转型”。
近期，包括6家国有大型银行在内的超20家上市银行已陆续发布了2023年业绩报告。其中，“数字化转型”“金融科技”已经成为各家银行业务开展最主要的关键词之一。
这意味着金融科技在助力银行等金融机构数字化转型的进程中还将发挥更大的积极作用。
数字化转型，金融科技提供核心驱动
数字经济时代，创新科技应用对于金融行业提升竞争力和适应市场持续创新意义重大。数字化成为金融行业发展的必然，对于金融科技的投入规模逐年递增。
银行业在2023-2025年科技投入发展规划中，就未来3年金融科技投入量化指导，明确了科技团队的建设规模与投入的资金比例。
据媒体报道，根据各银行已披露的2023年财报，6大国有银行及8家全国性股份制商业银行金融科技投入总额较上年同比增长6.04%，达到了1782.05亿元。
6大国有行金融科技投入首次突破1200亿元，共计1228.22亿元，同比增长5.38%。2021年、2022年，6大国有行金融科技投入总额分别为1074.93亿元、1165.49亿元，对应增速分别为10.77%、8.42%。
2023年，6大国有行在金融科技方面投入金额分别达272.46亿元、250.24亿元、248.5亿元、223.97亿元、120.27亿元、112.78亿元，同比增幅达3.83%、7.45%、7.06%、3.97%、7.45%、5.88%。
金融科技成为多家银行2023年财报的关键词。据媒体报道，某城商行年报中，金融科技被提及16次，数字化转型被提及63次。
从主要投入方向来看，金融科技主要用于数字化转型，在人工智能方面加大投入，提升数字金融服务的精度和效率。例如，某头部商业股份银行年报披露，投入大量资金和人力推动从“线上零售”向“数智零售”转型。
金融行业内达成普遍共识，金融科技能够为进一步提升效率、降低成本、强化风险管理、改善客户体验以及创新产品与服务的提供核心驱动，为数字化加速转型提供新的助力。
金融科技行业正借助在人工智能、大数据、隐私计算等方面的技术优势，为金融机构提供涵盖智能营销、智能运营、风控评估、管理等服务的系列解决方案，助力金融机构持续提升运营能力。
尤其是，针对不同金融机构业务形态及风险耐受力的不同导致的金融科技产品需求与管理上的差异，在平台规模、架构与技术路线的选择上也有不同，金融科技企业提供差异化、个性化服务的优势逐步显现。
随着投入持续增长，近年来中国金融科技应用获得了长足的进步，已居全球前列，研发专利数量居世界领先地位。
中央财经大学中国互联网经济研究院与社会科学文献出版社发布的《数字金融蓝皮书：中国数字金融创新发展报告（2023）》显示，2018年1月至2022年10月，全球共申请了19万项金融科技领域相关专利。其中，专利申请数量最多的3个国家是中国、美国和日本，分别是10.7万项、3.71万项和0.7768万项。
而在全球金融科技领域专利申请数量排名前十的企业中，有7家中国企业上榜，国有大行中国工商银行、中国建设银行、中国银行占据了3席。
行业大模型应用加速推动金融科技进入新阶段
金融大模型的逐步成熟以及应用加速，为金融行业智能化转型升级带来了新的机遇，步入新一轮发展周期。对推动新质生产力的形成，促进内涵式高质量发展意义重大。
这主要体现在：大模型提升金融机构的金融科技技术能力，实现对于金融业务全流程的数智化赋能。大模型进一步提升金融机构的效率、适应客户需求变化和拓展新的服务空间及场景。
金融行业作为大模型落地应用的最优场景之一，正成为新的蓝海。据IDC发布的《洞悉产业链六大趋势》报告预测，到2026年，25%的金融机构将使用生成式人工智能，助力金融服务在产业链的生产、制造、流通、消费等各个环节领域深度融合。
银行、保险、证券、基金及诸多金融机构也纷纷开启布局。据媒体报道，2023年工商银行、农业银行、中国银行、建设银行、邮储银行、兴业银行、平安银行、北京银行等多家银行推出或探索自研大模型平台。
金融机构对于大模型的应用和布局仍在加速。金融机构在实施金融大模型应用场景的过程中，主要应用于智能客服、企业内部智能运营等方面，例如知识检索与智能答疑、编程辅助、客户服务热线智能化、自动化文档编写、复杂数据分析、精准营销材料自动生成等。
在金融机构的核心风控环节，大模型的应用并不是直接调用整个通用大模型，而是拆解大模型的一些关键算法再去训练金融机构的内部数据——让大模型将海量的非结构性数据“结构化”，做好标签，以让风控得到更精确的变量。
大模型现阶段的价值在于数据理解、工作流程更加流畅和低成本，而不在于更精准地做风险定价。例如，将大模型应用在互联网文本数据、征信报告的解读上，通过用文本数据构造的预训练模型以及AI算法，解读更多维的出征信报告风险变量，更好的识别贷款人、小微企业主的信贷风险。
除了生成式应用，已经有部分金融机构在尝试进行辅助决策，将大模型的能力应用于产业链金融，成为金融风控系统的助手。主要应用在两方面：第一，用知识抽取能力构建产业链图谱。通过读取海量的商品信息、企业关系信息之后，形成产业链图谱，让全产业链上下游的小微 "显形"。第二，通过信息解析能力，对小微企业的经营情况进行秒级评价。
金融科技机构在金融数字化、智能化的过程中在算法和算力等方面形成的独有解决方案，纷纷投入到金融大模型的应用中，以求抢占先机。
行业发展，标准先行。早在2023年9月，中国信通院联合四十余家金融科技机构正式发布国内首个金融行业大模型标准，为金融行业智能化的高质量发展提供了重要支撑。
金融大模型的发展还面临挑战。主要在群体智能与安全可控、个性化和隐私保护、关键性任务和动态适应性标准、基础设施和架构改造等方面。例如，模型的复杂度和计算资源的消耗问题、数据的获取和质量问题、技术的可解释性和可靠性问题等。
虽然还需要克服许多的困难，但是大模型的广泛应用，必将为金融行业带来了前所未有的机遇和挑战。这种新质生产力的创新，不仅将重新定义金融服务的内涵和外延，还将带来金融制造的新模式和新业态。
同时，金融大模型的迅猛发展也将对金融科技行业范式产生深远影响，主要包括: AI 认知和理念的转变、重塑客户服务流程和体验、改善风险管理、提升金融服务效率和创新金融业务形态等方面。（来源：小赢科技）
