2024年共享善治AI智绘未来金融白皮书

妈蚊集团 ANTGROUP IDC 上海财经大学 共享善治AI 智绘未来金融 一大模型在金融领域的价值、治理和生态进阶之路 AI 0.28 0.23 的资源约束等，需要我们深入探讨和解决。在此背景下，我们与合作伙伴一起提出大模型在金融领域的应用和发展框架，发布 《共享善治AI，智绘未来金融》白皮书，展望AI与金融场景融合的发展趋势，探讨负责任AI实现层次和技术生态演化路径。我们希望通过这份白皮书，与业界同仁共同探索生成式AI技术在金融 领域应用的进阶之路，共绘智能化金融的未来蓝图。 未来已来，将至已至。蚂蚁集团秉持科技驱动和普惠初心， 愿与各方携手，以AI新质生产力为笔，以金融五篇大文章为卷，共同书写金融行业数智化新篇章，为社会创造更大的价值。 一李振华蚂蚊集团研究院院长 引言 随着生成式AI技术的崛起，人工智能正以前所未有的力度和 速度，推进技术创新，重塑产业未来。金融业一直以来都是技术应用的先行者，过去，移动互联网、云计算、大数据等技术，推动了金融业从信息化走向数字化，当下，人工智能技术的蓬勃发展将在金融行业引领新一轮变革。置身于AI技术浪潮中，每个参 与者需要重新审视公司战略、业务形态、技术路径和治理机制， 推动人工智能技术深度融入业务、重构业务，驶向智能化的星辰 大海。 同时，伴随差生成式AI技术在金融行业的探索应用，我们也 面临若诸多挑战，包括如何更好的释放AI在金融场景的价值，如 确保技术可靠可控，而不是放大风险，以及如何缓解技术应用 金融行业天然具备数据和信息密集型的特点，在数字化成熟度方面处于领先地位。此外，金融行业的数字化投入持续稳步增长，汇集了大量具备数字化技能的人才。这些优势使得金融行业在AI技术的应用和创新方面具备独特的条件，能够在推动技术革 新和提升行业效率方面起到示范作用。 尽管大模型在金融业务领域展现了巨大的潜力，但其在金融行业的全面应用仍面临诸多挑战。目前通用大模型与行业相结合整体仍处于初级阶段，此外金融行业因其产监管和强合规要求， 使得大模型的落地应用需要更加谨慎，周期会更长。总体来看大 模型的行业生态系统尚未完全成熟，其在行业内的广泛应用需要 克服技术、行业演变、监管和科技伦理等多方面的挑战。因此， 如何实现大模型在金融业务场景的价值最大化，并推动金融行业 的数智化升级，仍将是未来的重要课题。 本白皮书是IDC中国首次联合合作伙伴针对大模型在金融领 域的应用发布的白皮书。内容详细阐述了金融行业在大模型应用中的现状和挑战，并提出了推动大模型技术在金融领域广泛应用的路径和策略。通过对AI价值实现、负责任AI、大模型生态演化 行业未来发展的读者深入阅读本白皮书。 的深入分析，旨在为金融机构提供理论和实践的双重支持，助力金融机构顺利迈入未来金融的大模型时代，推荐每一位关注金融 一武连峰IDC中国副总裁兼首席分析师 随着大模型的迅猛发展，金融行业正处于深刻变革的关键节点。大模型不仅是技术创新的产物，更是新质生产力的代表，通过其卓越的数据处理和分析能力，极大地提升了金融分析的深度和精度。大模型技术的引入和应用，正在对传统的金融业务模式产生深远而持久的影响，正在成为推动整个行业向更高效、更智 能的方向发展的重要力量。 白皮书系统地提出了大模型在金融领域的应用和发展框架， 探讨了大模型在金融领域的应用价值及其衡量方法；厘清了负责任AI的框架，为金融机构的大模型应用划出清晰的安全底线，并推动科技伦理共识；最后聚焦行业的生态演进，既深刻分析了金融行业生态现状，又科学严谨的提出了未来行业平台化生态的趋 势判断。 REFAC 这一应用与发展框架的提出，为翘首以盼大模型带来变革的金融行业注入了新的科学理念，也为大模型在金融领域的应用提供了全面且实用的参考。通过本白皮书，希望能鼓励金融学界、 金融机构、科技企业共同探索新技术所带来的广阔前景，推动技术与行业应用的深度融合，助力中国金融行业更高效地顺应新质生产力发展的潮流，朝着更加智能化、普惠化的新时代迈进。 一刘莉亚上海财经大学党委常委、副校长 目录 前言01 01AI价值实现07 1.1金融行业AI价值评估方法 08 1.2AI价值层次和场景价值 09 1.3金融机构AI应用现状 14 1.4四大能力帮助金融机构实现AI价值进阶 17 24 2.1什么是负责任AI 25 2.2负责任AI✁三大层次 25 2.3负责任AI的现状洞察 32 2.4负责任AI落地四大关键 35 41 3.1大模型生态的界定 42 3.2行业生态模式演进洞察 43 3.3目前行业生态的基本情况 57 3.4推动生态演化的建议 61 结语和未来展望 66 前言 自2023年AI大模型元年至今，大模型领域迎来持续的技术突破和早期产品技 术落地。例如OpenAI在2023年3月、9月和11月，相继推了出GPT-4、GPT-4V、 GPT-4Turbo，分别在多模态输入能力、生成内容的质量和准确性、长文本处理能力和推理速度等技术层面取得明显突破，在基础大模型表现方面被公认为遥避额先。同时商业接口的开放与开源模型的推出，推动着大模型技术的加速落地。 例如随着GPT-4Turbo的推出，OpenAl降低了API调用费用，使得企业和开发者 能够以更低的成本使用大模型技术。 除了国外基础大模型取得持续突破之外，国内的基础大模型发展也格外繁 荣。国内的基础大模型参数规模2023年以来呈现快速增长趋势，在自然语言处理任务及多模态处理任务上取得了显著的性能提升。自ChatGPT发布以来，国内各 类型厂商陆续发布多款参数规模在十亿量级以上的基础大模型，其中以阿里、百 度、华为等厂商为代表的部分本主厂商发布了大于干亿级别参数规模的模型。同 时国内的跨模态大模型也取得深入发展和突破，实现多模态信息的融合和交互， 如阿里云、百度，分别在CogView2、ERINE4.0模型上实现了特定任务的突破性 进展，展现了在文本与图像生成方面的创新潜力。 由于特定行业知识和专业术语的独特性，需要特定的行业大模型以更好地满足行业需求，行业大模型成为基础大模型发展的重要方向。在大模型的垂直行业应用层面，大模型技术在金融、医疗、汽车、制造、零售等行业开始探索落地应 用，例如在金融行业，蚂蚁集团发布了agentUniverse的开源智能体框架，提供 多智能体的协作模式，旨在帮助金融机构及开发者加快大模型在金融场景的研发 落地。 随着市场对大模型的行业应用以及相关价值创造的关注与日俱增，企业、投资著、技术开发者都在积极探索大模型技术在更多垂直行业的结合与应用，以期 还关系到各类行业业务模式的创新。 在市场中获得先机。大模型的深入应用不仅关乎技术的进步，产业生态的构建， 得到落地印证 生成式AI在帮助企业降本增效、改善体验和产品创新方面的能力遂渐 生成式AI为企业产带来的改变已经发生，尤其在降本增效、改善体验和产品创新方面，其潜力和效果正在遂渐得到印证。 险。 在降本增效方面，生成式AI能够自动化和智能化处理大量数据和信息，企业能够降低运营成本，提高决策效率。例如大模型技术在物流行业的智能航线规划、货运装载优化、船舶调度等方面的应用，可以提高物流效率，降低运营风 在改善用户体验方面，生成式A带来全新的人机交互体验，能够提供更有温度、更有深度、智能化的服务。蚂蚁集团推动AI技术落地“三个管家”，覆盖金融理财、生活服务、医疗健康这三个大众焦点场景。其中，AI金融管家“蚂小 财”，专注理财和保险专业知识问答，提供行情解读、持仓分析、保险配置和投 教科普等个性化服务，让每个投资者都有一个私人金融助理。截至2024年6月末，月活用户已经超5908万人，用户日均使用559万次，当月平均每位用户使用 约2.8次。 在推动产品创新方面，借助生成式AI可为用户提供更加个性化和高效的产品 服务。如大模型技术对WPS产品创新的推动，WPSAI锚定AIGC内容创作、Copilot智慧助理、Insight知识洞察三个战略发展方向，得益于WPSAl的发布，WPS为用户提供了更加丝滑、高效的办公体验。 观态度 大模型的发展或需更长的新技术周期，但各参与方对其商业化仍持乐 对于大模型技术发展开启的新一轮技术周期，商业化前景被普遍着好。 一方面，2023年以来我国大模型数量并喷，各类技术厂商纷涌入局。自 2023年3月OpenAI发布GPT-4以来，国内迅速响应，大型科技企业、初创企业、 高校和研究机构等纷纷加入大模型研发，“百模大战”由此开启。截至2024年3 月，中国10亿参数规模以上的大模型数量已超100个，形成上百种应用模式。 另一方面，大模型的类型也在不断丰富。从最初的语言模型如GPT系列，到 后来的多模态模型，如DALL-E和CLIP，再到专门为特定行业定制的垂直领域模 型，大模型技术呈现出多样化的发展趋势。这些模型在参数规模、训练数据、应用场景等方面各具特色，满足不同行业和领域的个性化需求。例如，一些模型专 注于医疗健康领域，能够辅助医生进行疾病诊断和研究；另一些专注于金融行 业，提供风险评估和市场分析等。 资本市场对大模型企业的投资热情高涨，展现出对大模型技术未来前景和商 业潜力的乐观态度。尽管2023年投融资整体行业遇冷，但AI行业融资的形势相对 仍处于比较热门的状态，如阿里巴巴、腾讯、蚂蚁等科技公司参与大模型领域创 业公司投资，反映出市场对大模型前景的着好。 进入2024年，大模型厂商之间开始出现明显的价格竞争与市场份额抢占，竞争加剧，体现对大模型未来商业价值的着好。各家大模型厂商的竞争点已不再局限于技术，而是扩展到了价格以及具体的落地场景。大型科技企业开始加大开源 力度，以扩大自身大模型生态影响力，扶持更多AI原生应用创新。 总的来看，虽然大模型技术和商业模式还有待进一步的发展与完善，但是从行业层面来着，各参与方对大模型的持续发展和未来的商业化应用前景呈现出明显的乐观态度。1DC预测，到2027年，中国的AI技术用户对AI相关的软件、 硬件、服务总投入将达到约407亿元，2023-2027年的CAGR达到20%，约占2027 年整体/T支出（软件、硬件、服务总支出）的11% 金融机构有望用大模型绘制未来金融蓝图 金融业在我国经济中举足轻重，金融机构通过提供资金流动和管理服务，为个人、企业和政府的各种经济活动提供必要的资金支持。金融行业的数智化建设对于提升金融服务效率、促进金融资源的有效配置有重大作用。大模型技术的引入，被视为推动金融行业智能化进程的关键力量。 力具备高要求。 》一方面，金融行业产生和依赖大量数据，其决策过程高度依赖于数据的获取和高效利用，对科技与业务的深度融合、跨领域知识的整合与分析等综合能 》另一方面，不同于一般行业，我国金融行业具有强监管的特殊性。金融风险涉及面广且具备传染性，需要快速识别并响应，充分防范系统性金融风险。达此金融行业的数智化建设需要满定强监管的要求，不仅要实现业务经营管 理智能化，还要达成关键技术自主可控、防范金融风险等目标。 大模型技术的引入，有望助力金融机构突破瓶颈，在多个层面推进智能化的建设进程。通过大模型提供深度学习和自然语言处理的强大能力，可持续推动金融基础设施的重塑、金融科技创新、服务效率提升、安全与风险防范增强，并助力金融机构实现可持续发展，重塑金融服务的面貌。例如人工智能在信贷风险管 理领域的运用可提升银行的资产转化能力，突破传统风险管理措施的局限。 大模型在金融行业的应用前景厂阔，围绕AI价值实现、A大模型在金融行业 应用生态演化以及确保AI的负责任应用，构成了金融行业智能化的重要研究课 题，也是实现AI在金融行业价值实现的关键。