ChatGPT兴起所带火的大模型技术，正受到越来越多金融机构关注。
多位银行科技部门人士向记者透露，他们正密切关注大模型技术在金融场景的最新应用成效。
“目前，业界普遍认为认知大模型技术将大幅提升银行在智能客服、智能营销与智能运营等方面的效率，但考虑到这项新技术的高成本投入与数据合规性挑战，我们更愿等待其他金融机构先取得某些实际成效，再迅速跟进研发。”一位股份制银行科技部门人士向记者透露。
科大讯飞总裁吴晓如认为，金融行业属于信息密集型行业，是大模型技术的最佳应用场景之一。
值得注意的是，众多国内金融科技平台已迅速布局大模型技术研发。
记者获悉，近日奇富科技决定组建一级战略部门——大模型部，致力于开发运用各种深度学习算法、以及生成式人工智能技术在金融领域的场景化应用。
奇富科技首席算法科学家费浩峻表示，金融大模型基座为核心的智能征信服务系统可以帮助金融机构更全面、高效地理解与判断用户信用状况，有可能替代与优化以往金融机构在智能征信解读方面上千万级变量处理与众多深度模型建设工作，从而令大模型技术成为AI模型更智能化的“替代者”。
中关村科金则尝试针对财富管理场景，基于开源基础大模型打造面向理财师的智能营销助手，它可以实时追踪行业动态，深入理解客户投资需求，通过用户画像与大模型技术解析构建投资要素，为客户自动生成专业的定制化投资建议，减少理财师手工撰写文案的工作量、提升理财师展业效能。
值得注意的是，尽管ChatGPT带火的大模型技术颇受金融机构青睐，但它能否迅速普及，仍面临诸多挑战。
“金融领域的大模型技术应用，面临较高的数据安全性与合规性挑战。目前某些金融应用场景或许已具备良好数据基础与数据质量，可以迅速通过大模型技术创造更高的AI服务效率，但多数金融应用场景仍需要大量数据合规性清洗，且需要更多时间与资金投入检验大模型技术在提升AI服务效率的具体成效。”上述股份制银行科技部门人士透露。这也是不少银行对直接引入大模型技术颇为谨慎的原因之一，他们更愿与金融科技平台合作，借助后者相对成熟的大模型技术开发AI新产品新服务，在降低成本同时提升成功率。
北京社科院研究员王鹏表示，大模型技术等AIGC技术(人工智能生成内容)若要应用在金融行业，数据合规性与安全性将是一大挑战，因为它涉及个人因素保护与数据使用合规性，需要行业共同确定具体的数据使用标准。
大模型技术引发数据应用与产品思路新变革在多位金融科技业内人士看来，相比现有的AI技术，大模型技术可能在众多金融场景带来颠覆性的效率提升成效。
毕竟，ChatGPT在通用大模型训练的良好表现，正令人工智能进入新的发展时期。
GPT全称为GenerativePre-trainedTransformer，也被称为“生成式预训练Transformer模型”，是“预训练”和“大模型”结合后的一种全新人工智能范式，当大规模数据集在模型上完成预训练后，仅需微调少量数据甚至无需微调，就可直接支撑各类应用。
一位金融科技平台负责人向记者指出，基于上述大模型技术的特点，未来金融机构的AI技术使用模式与研发路径都可能发生改变。
首先在数据应用层面，以往金融机构主要采用结构化数据，而图片、文字、视频等非结构化数据因AI深度学习模型理解效果不够好，通常需采用高效的并行分布式处理技术，借助应用自然语言处理、影像处理、社会网分析和机器学习等专业工具或模型，通过打标签与预定义等方式对数据进行搜索、过滤、计算，再将上述非结构化数据转变成结构化数据再进行处理。
在这个过程里，非结构化数据“标签化”过程难免会产生信息损失，导致可使用的有效信息减少，且可应用的范围也较窄。
但是，基于GPT的大模型技术则没有这方面的烦恼，它可以直接利用非结构化数据，无需先“加工”成结构化数据处理，直接输入进行各种大模型训练。此举导致可运用的数据范围大幅拓宽且数据使用价值更高，令金融机构可以整合更多维度的数据提升部分AI金融服务的效率。
这位金融科技平台负责人向记者透露，以往很多理财师与投资者沟通时缺乏数字化工具，但通过大模型技术训练出来的对话式智能展业助手，可以基于客户海量数据先构建更完整的用户画像，包括用户基本画像和深层画像(囊括客户投资经历、竞品分析、投资预测等数据)，再基于用户画像与具体投资需求，自动生成个性化的专业投资策略，有助于理财师能以此为借鉴，向投资者推介相应的资产配置方案。
“这个智能展业助手的另一个好处，是通过大模型技术的训练，它可以回复客户很多投资问题，不仅限于投资产品本身，还有宏观经济与行业发展前景分析以及结合未来经济波动所面临的潜在投资风险提示等。”他指出。这无形间促进金融机构的产品服务研发思路发生新的变化。
记者获悉，原先金融机构在布局金融场景AI服务时，都会对所有内容先进行预先定义与梳理，即在特定金融服务场景里，金融机构先预定义大概问答内容标准后，再进行数据处理，并训练出对应的模型，这被
