【編者按】由ChatGPT引發的大模型熱已一年有余，圍繞大模型創業的公司也如雨后春筍，技術最終要為產業所用才能創造價值，當大模型落地千行百業，能夠發揮怎樣的價值？澎湃科技走進產業一線，訪談創始人、專家、投資人，調研大模型落地產業現狀。本文為金融大模型訪談。

·大模型在金融領域成功落地的關鍵是選擇合適的應用場景，打通大模型、垂域AI “小”模型、傳統金融工程模型、行業內外部知識庫和應用系統。輕量化模型的出現降低了大模型應用門檻，促進了AI平權和知識平權。選擇一個適合自己的基座模型，模型不一定越大就越強，數據是決定模型效果的關鍵因素。

恒生聚源CEO吳震操。

大模型進入金融領域，能更順利找到市場的“阿爾法”（超額收益）投資機遇嗎？金融、產業數據資訊服務提供商恒生聚源CEO吳震操日前對澎湃科技（www.kxwhcb.com）表示，不要認為大模型來了就可以直接用來做投資或者交易決策，這樣是走不通的。

數據是決定大模型效果的關鍵因素

“金融行業最大愿望就是使用AI做投資決策，找出好的標的，尋找自己的 ‘阿爾法’（超額收益）。”但吳震操表示，不要認為大模型來了就可以直接用來做投資或者交易決策。

成立于2000年的恒生聚源是恒生電子（600570.SH）旗下子公司，擁有金融數據庫、智能投研、金融市場終端等產品線。吳震操希望未來能發揮生成式大模型更快、更強、更高效處理信息的優勢，與現有金融工程模型結合，“大模型成功落地，關鍵是打通大模型、垂域AI小模型、傳統金融工程模型、行業內外部知識庫和應用系統。其中，數據是決定大模型效果的關鍵因素。”

“金融數據行業靠信息、知識和生態連接賺錢。大模型出現后，對信息的抽取、整合以及知識的生成范式產生極大改變。”吳震操表示。

恒生聚源有大量的員工在負責數據采集、數據清洗、數據治理等技術和分析工作。在內部，利用AI提升數據自動化處理能力是最基本的訴求。對外銷售數據和知識，讓客戶更精準地發現其所需的知識和信息是首要目標。

海外金融大模型興起后，恒生聚源在2023年中旬，基于自己訓練的垂域金融大模型升級了新一代的智能投研平臺WarrenQ，面對金融行業的研究、投資、交易、風控、合規場景，把投資研究作為大模型的第一個落地場景，通過WarrenQ上的Chat、ChatMiner等智能產品服務買方和賣方的研究團隊。

金融機構長期以來積累的業務文檔、投教文案、法律法規政策文檔、研究報告、投行底稿等是機構內部大模型落地的理想語料。通過“大語言模型+搜索+向量數據庫”的方式將私域知識數據與大模型結合，做到私有知識庫問答。舉個例子：在動輒數百頁的招股書、年報、半年報中，干貨藏于大量模板套話和風險免責提示中。WarrenQ可以基于大語言模型+向量庫的定向文檔問答檢索和定位溯源，從海量文檔中挖掘重點信息，同時利用研究員高頻重點關注的內容優化提示工程，進一步優化推薦“猜你想要”功能。

“大模型工具化越來越明顯。”吳震操說，從問答工具到Copilot（輔助工具）再到智能體（Agent），大模型對于生產力的效率提升幅度越來越高。過去基于自然語言處理（NLP）等技術將研報財報分詞、語義分析，但效率低下，準確率不高，仍然需要大量人工干預。基于知識圖譜開展智能投研可以做到信息精準，缺點在于有多少人工就有多少智能，需要持續投入大量資源維系不停生長的圖譜。大模型出現后，這些工作的效率和效果突飛猛進。“以‘AI智能客服’為例，我們用這個工具準確并高效地對各類數據產品進行解讀和答疑解惑，全面提升了服務效率，讓智能客服能夠精準識別用戶意圖，從而實現金融數據的端到端實時查詢。”

關鍵是數據和Know-How

“在金融行業，對大模型響應最快的是彭博，彭博利用自己的內部語料訓練模型，在ChatGPT出現沒多久就推出了BloombergGPT。行業第二大廠商倫交所走了另一條路，他們和微軟合作，微軟又是OpenAI的最大股東。”

大模型迭代速度快，訓練成本高。“上述金融機構的大模型之路也說明脫離場景講大模型，商業模式很難長久。”吳震操表示，自研基座大模型本身不是一條寬廣的賽道，很多機構一沒有充足的算力，二沒有充足的算法人才，此外缺乏足夠的領域數據支撐大模型業務生態。在他看來，未來大模型一定要和應用場景緊密結合。基座大模型的玩家有限，但把大模型應用在垂直場景中，市場將是無限的。

進入垂直行業解決實際問題時，必須提高大模型的可控性、可靠性、可解釋、可追溯，這是吳震操最深刻的體會。金融等強監管行業對可靠性和合規性要求極高，幻覺是大模型落地面臨的挑戰。恒生聚源解決這個問題的方式是把大模型當作知識入口，相當于搜索引擎或圖書管理員，讓大模型的生成可回溯。

“我們沒有用大模型本身來做知識生成，因為它是基于概率的算法，不可能百分百準確。金融行業有很多復雜金融工程模型，現在的大模型還無法超越當前所學的復雜統計學知識，生成復雜的金融工程模型，計算出一個復雜衍生品的價格波動。以現在的模型情況，再給它三五年，它也做不到，海外的模型也一樣。”在吳震操看來，大模型成功落地的關鍵是選擇合適的應用場景，打通大模型、垂域AI“小”模型、傳統金融工程模型、現有知識庫和應用系統。輕量級模型的出現降低了大模型應用門檻，促進了AI平權和知識平權。“沒有場景的支撐都是在浪費資源。其次，選擇一個適合自己的基座模型，模型不一定越大就越強。更大模型需要更多的算力，也需要算法和技術團隊維系。”

吳震操認為，大模型繼續往前發展，一定會改變企業內外部的知識交互，未來也一定會改變人機交互方式，Agent+知識管理是大模型賦能的最佳組合。但在金融領域，銀行、交易所的歷史長達四百多年，從工業時代到信息時代、人工智能時代，銀行、交易所的商業模式本質上都沒有發生任何改變。“大模型徹底顛覆金融機構的商業模式很難發生，但當大模型改變一些場景中的范式，就會帶來新的業態，這一點在C端應用中將更加突出。”吳震操說，這就像移動支付實際上并沒有改變買賣和支付這件事的本質，但給整個市場帶來了新的紅利和便利，創造了新生態。“大模型同樣如此，大模型短期內不會徹底改變金融機構的商業模式。在B端應用當中，大模型的作用仍是降本增效；而在C端應用中，倒是可以期待大模型帶來的生態變革。”