文 | 蘇瑞淇

隨著人工智能技術(shù)的飛速發(fā)展，大模型已經(jīng)成為全球關(guān)注的焦點。尤其在金融領(lǐng)域，大模型的發(fā)展呈現(xiàn)迅猛增長趨勢，短短兩年時間，從百億級別參數(shù)已經(jīng)成長到了千億級別參數(shù)，引發(fā)人們的高度關(guān)注。

金融業(yè)因其具有大規(guī)模、高質(zhì)量的數(shù)據(jù)資源和多維度、多元化的應用場景，一直以來被視為大模型應用的最優(yōu)行業(yè)之一。根據(jù)中國移動上海產(chǎn)業(yè)研究院發(fā)布的報告，金融領(lǐng)域的AI大模型滲透率已突破50%，這一數(shù)據(jù)在各行業(yè)中居首位。2023年，國內(nèi)參數(shù)在10億規(guī)模以上的大模型數(shù)量實現(xiàn)了“破百”，達到116個，其中金融行業(yè)大模型就有18個。

然而，有不少人提出了疑問：金融大模型是否有必要追求極致的大規(guī)模，追求以“大”為優(yōu)？如果當下的大模型已經(jīng)能夠勝任目前的任務(wù)，未來是否還有必要繼續(xù)投入大量資金去研發(fā)更大規(guī)模的模型？

對于多數(shù)中小金融機構(gòu)而言，當下最為緊迫的考量是平衡大模型的投入產(chǎn)出比。盡管大模型被許多金融機構(gòu)宣傳為能夠降本增效的工具，但想要達到理想的效果，前提是要達到一定程度的規(guī)模化應用。如果沒有足夠的規(guī)模化應用進而實現(xiàn)收益，那么對大模型的資金投入很快就會后繼乏力，中小金融機構(gòu)也就缺乏進一步擴大模型參數(shù)規(guī)模的動力。在這種情況下，“小而精”的金融大模型是中小金融機構(gòu)更為合理的選擇。通過“喂”給AI垂直領(lǐng)域的相關(guān)數(shù)據(jù)，讓AI做到“術(shù)業(yè)有專攻”，中小金融機構(gòu)可以節(jié)省出資金更加靈活地應對金融市場的變化。

對于很多大型金融機構(gòu)來說，目前仍然存在很強的驅(qū)動力進一步擴大大模型使用。大模型的規(guī)模擴大確實會帶來一些顯著的優(yōu)勢。隨著參數(shù)規(guī)模和數(shù)據(jù)規(guī)模的顯著增長，千億級大模型表現(xiàn)出更強的通用性和全面性，可以在更加多元的金融業(yè)務(wù)場景中完成任務(wù)。金融業(yè)是對精準性、時效性要求極高的行業(yè)，行業(yè)特點推動很多大型金融機構(gòu)不斷提升大模型的參數(shù)規(guī)模，以應對瞬息萬變的金融市場。此外，一些大型金融機構(gòu)出于同行競爭的考慮，將擴大模型參數(shù)規(guī)模視為提升品牌影響力的重要舉措，以此展現(xiàn)自身的金融科技實力，在市場競爭中更好地脫穎而出。

總體來看，金融大模型的研發(fā)與應用應當基于各家金融機構(gòu)的實際情況量力而行，避免盲目跟風，一味追求參數(shù)規(guī)模的擴張。在實際應用中，過于龐大的模型可能難以在有限的計算設(shè)備上部署和訓練，從而限制了其在金融應用場景中的發(fā)揮。此外，在AI快速迭代的道路上，如果盲目追求參數(shù)規(guī)模，可能會帶來不必要的成本投入和資源浪費。

從行業(yè)的長遠發(fā)展看，大小模型之間的有機搭配與協(xié)同作業(yè)，有望成為金融領(lǐng)域未來一段時間的常態(tài)。大模型與小模型相互補充，共同發(fā)揮各自的長處。在處理廣泛數(shù)據(jù)、應對復雜任務(wù)方面，選用更有優(yōu)勢的大模型；在諸如合規(guī)等精細化的特定領(lǐng)域，選用更具有針對性的小模型。金融機構(gòu)通過采用靈活應變、協(xié)同優(yōu)化的策略，讓大模型為金融領(lǐng)域帶來更加高效和精準的服務(wù)，從而推動整個行業(yè)向更高層次邁進。