2024年中国金融大模型产业发展洞察报告1.pdf
《2024年中国金融大模型产业发展洞察报告1.pdf》由会员分享,可在线阅读,更多相关《2024年中国金融大模型产业发展洞察报告1.pdf(32页珍藏版)》请在咨信网上搜索。
1、部门:TMT金融组2024 iResearch Inc.2024年中国金融大模型产业发展洞察报告署名:孙石琦2目 录CONTENTS01中国金融大模型产业发展背景介绍Background02金融大模型结构特征与优势能力分析Product Mix and Advantages03中国金融大模型产业卓越者评选04中国金融大模型产业未来趋势预判Industry Development Trends05中国金融大模型产业专家之声Industrial Experts InsightsOutstanding Enterprises3中国金融大模型产业发展背景介绍Background0142024.9 iR
2、esearch I从通用智能走向专业化应用技术崛起:大模型迭代历程回顾多技术聚积融合推动大模型能力逐步完善,实现从“专用智能通用智能专业化智能”的模式转变随着生成算法、预训练模型、多模态数据分析等AI技术的聚集融合,AIGC技术的实践效用迎来了行业级大爆发。在内部模型迭代与多技术协同的作用下,以“大规模”+“预训练”为核心的大模型产品,逐步由Transformer基础架构走向集图像识别、语义理解、视觉感知于一体的多模态、全应用模型体系,以产品化、业务化模式实现AIGC能力的进一步释放。与此同时,通用大模型技术的成熟推动了新一轮行业生产力变革,凭借其在场景泛化、技术涌现、强计算能力等方面的优势,
3、大模型为多行业的发展带来了工业革命级生产能力的提升。随着专业化应用进程的推进,通用大模型在解决特定场景的专业化问题时暴露出部分局限性问题,行业深度信息的缺失导致其很难在专业领域提供高价值的服务,此外,通用大模型对于数据、算力的较高要求也提升了其在细分领域落地应用的门槛,相比之下,在专业度及成本方面更具优势的垂类大模型或将成为未来大模型技术落地应用的核心方式,预计未来5年,服务于特定行业的垂类大模型将实现超80%的专业领域覆盖,大模型能力将以专业化定制产品的方式为更多垂类专业领域赋能。大模型技术迭代与产品模式应用分析注释:各类模型的应用阶段描述仅为该阶段行业内最主流的模型应用,并不代表该阶段仅存
4、在一种或两种模型形式以及该模型形式仅存在于该段时期;来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制垂类应用期产品建设期加速迭代期技术兴起期产业大模型应用2023年2028年(预计)-结合特定领域数据进行通用大模型微调,增强模型的领域适应性。产业大模型聚焦于大模型在特定行业下的垂类应用,为行业提供高价值、专业化服务。通用大模型以其涌现性与泛在化能力,为多行业发展提供全新生产力与创造力支持。通用大模型建设基础架构确立2018年2022年2010年2017年谷歌发布Transformer架构,为后续LLM、GPT的建设提供基础的框架支持。特定领域专用模型应用Diffusion扩散模型作为面向
5、视觉计算的生成式模型,在图像创作、音频生成等方面提供了创造性解决方案。从专用智能走向通用智能通过在原有大模型的基础上增加对话、图像识别、视觉理解、语音感知等能力,由单一模态逐步迈向多模态应用。以GPT为例,实现由Transformer到GPT1/2/3/4再到GPTs生态的建设。自2023年起,国内外多家科技企业推出针对特定专业领域应用的产业大模型产品,依托自身专业领域特征及通用大模型建设基础,推动大模型技术实现产业落地应用的最后一环。52024.9 iResearch I能力适配:大模型与金融数智化高度适配大模型技术特征与金融业务数智化需求具有较高适配度,如何低运营成本的获取高价值大模型服务
6、是金融行业大模型应用关注的核心问题来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制大模型技术的产业化应用业务需求与技术能力的匹配行业需求金融行业数智化转型发展需求大模型的深度学习与智慧涌现应用技术能力金融行业属于数据、信息密集型产业,对于多渠道信息汇总及数据处理能力有较高要求,随着近年金融数据升级成为“第五生产要素”,数据在金融场景的应用得到了空前的重视。金融行业的数据要素应用需求基于经验的复杂决策制定金融行业的众多业务场景对于从业人员的专业能力提出了基于专业知识储备与过往经验积累的双重要求,以满足金融业务对于精准快速的有效判断以及高质量代码、文案产出的需求。大模型是拥有巨大参数量和计算
7、能力的深度学习模型,在自然语言的处理、计算机视觉应用、知识图谱问答等环节具有强大的数据处理与分析能力,结合深度神经网络结构,实现非结构化数据及复杂语句的理解与表达。大模型的复杂信息处理能力大模型的涌现能力随着模型规模的提升,模型的性能将在突破某个临界阈值后显著提升到高于随机的水平,为用户提供基于原始数据与经验的创造性解决方案,包括上下文学习能力、知识容量扩展、泛化应用能力及复杂推理能力等。金融行业数智化需求与大模型技术特征相契合金融行业大模型技术应用通用大模型在金融领域的应用存在弊端大模型技术为金融行业提供全新生产力大模型的学习能力与泛化能力决定了其可以服务于多个领域,但在专业要求高的领域通用
8、大模型技术很难提供高价值服务;此外大模型产品的高运维成本也将成为业务场景实际应用的阻碍。大模型在复杂信息处理与智慧涌现方面的特征与金融业务的数智化转型需求高度匹配,业务场景中面临的海量数据分析、交易决策制定、个性化投资建议等环节对于金融从业者的专业知识储备与经验判断提出了较高要求,而大模型的应用能够优化数据处理模式,降低人力错误,并在关键决策的判断上给予金融从业者系统性支持,以技术能力重塑金融业务流程。62024.9 iResearch I产业定制:大模型技术的产业化应用近年,在金融科技发展规划与金融机构数字化转型一系列政策的指导之下,国内金融行业的数智化转型颇具成效,越来越多的金融机构意识到
9、数字化转型为自身业务发展带来的助力,行业内对于金融科技的资金投入逐年攀升,以金融机构作为主要服务对象的技术厂商迎来了需求端市场蓬勃发展的上升期,为前沿技术的产业化定制创造了优渥的市场环境;此外,金融作为监管合规要求较高的信息密集型行业,其监管体系的完善与监管要求的提升推动了机构应用前沿技术增强合规能力的需求,大模型作为有能力优化业务流程环节、完善合规应用的技术应用,其产业化及垂类应用的价值不容小觑。数据来源:金融机构科技投入规模数据来自艾瑞咨询2024年金融科技行业发展洞察报告“2019-2027年中国金融科技投入情况”来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制大模型技术的产业化应
10、用金融大模型科技应用成为金融行业发展的主旋律金融行业全面进入超级监管时代金融大模型监管环境明确市场环境支持 政策的指导:建设数字中国的战略号召与层层递进的数字金融系列政策,为金融机构的数字化转型提供了外在科技氛围营造与内在数字化发展指导;机构的投入:2024年中国金融机构科技投入预计超4000亿元人民币,后续将以约12%的增速保持增长。监管体制改革:国内金融监管体系改革,设立了“一行一局一会”的监管格局,明确了中国金融“双峰”监管框架;法律制度健全:制定网络安全法数据安全法个人信息保护法在金融领域的配套制度,建设高质量、多层次的国内金融监管体系。金融大模型将大模型技术与金融行业数据及场景信息相
11、结合,应用大模型在技术涌现、多任务学习、强计算高存储等方面的优势服务信息密集型产业,通过预训练、金融语料微调及专业数据强化对齐等方式,实现大模型技术在金融行业的产业化落地。大模型的产业化应用将在智能风控、精准营销、财富顾问、投资规划等多个业务场景中为金融机构提供全新生产力支持,解决场景中可能面临的金融信息过载、复杂金融需求拆解、个性化投资建议等需求,为机构与用户提供专业化、高价值服务。大模型技术大模型产业化能力应用在投入提升与政策扶植的双重作用下,以大模型技术为底座、结合专业化金融能力的金融大模型产品应运而生金融大模型结构特征与优势能力分析Product Mix and Advantages0
12、28金融大模型结构特征与优势能力分析 金融大模型结构特征分析金融大模型核心结构总览基座支持:通用大模型功能增强:大模型工具链业务适配:大模型垂类场景训练 金融大模型优势能力分析92024.9 iResearch I金融大模型核心结构总览由通用大模型基座、专用模型工具链、私域业务场景训练三部分组成的完整金融大模型产品构建体系来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制金融大模型核心结构总览以通用大模型为底座的金融大模型产业链分析技术诀窍行业信息业务流程问题处理厂商经验积累专业术语市场逻辑金融概念模型架构专业知识输入场景信息历史表现产品特征服务方式私域信息沉淀客群画像客户行为私域管理交互
13、信息客群特征捕捉专业术语业务逻辑场景信息宏观发展行业Know-how文心一言LaMDAGPT4-Turbo提示工程通用大模型产品通义千问检索增强大模型微调服务于基座大模型的工具链能力提升大模型泛化迁移能力库外知识体系生成与更新优化模型结构提升信息输出精准度基座支持1功能增强2业务适配3通过私域信息库的模型训练,为金融机构提供客制化的服务与问题解决方案。金融大模型核心组件结构分析:金融大模型产品的核心构建流程主要由以上三个环节构成,首先是作为技术底座支持的通用大模型为金融大模型产品的构建提供底层技术能力、算法、基础参数等底层模型逻辑方面的支持,在此基础之上,以解决特定领域应用能力短板问题的模型工
14、具链系列产品将作为模型层与应用层的桥梁,为垂类模型的构建提供应用层面的增强,此外,私域信息库的模型训练将全面提升大模型产品的业务适配能力,为机构提供客制化的模型服务为基础模型架构提供功能延伸服务,推动大模型产品的落地应用。通用大模型作为垂类大模型产品的技术底座,为其提供基础能力架构与算法支持。102024.9 iResearch I1.基座支持:通用大模型国内通用大模型市场迎来“百模大战”时代,泛化能力的应用与专业能力的增强将成为通用大模型服务金融行业的两大主流方式随着深度学习与生成式大模型的融合应用,以卷积神经网络、对抗生成网络、ResNet为代表的深度学习模型能够在自然语言处理、计算机视觉
15、处理等方面实现较大突破,后续随着Transformer结构的应用,以Transformer和注意力机制作为组件、参数在十亿级别以上的自监督学习模型营运而生。伴随着近年大模型技术在实践应用场景的发展,目前通用大模型市场已进入“百模大战”的全新时代。从整体来看,以GPT4-Turbo、LaMDA 为代表的国际市场头部通用大模型,在模型架构能力、参数范畴、应用交互使用体验方面具有相对领先的优势,但随着近年国内大模型产业的爆发式增长,国内市场也出现了“文心大模型”、“通义千问2.0”等立足于自身大模型产品架构基础与生态体系建设的国产通用大模型产品,考虑到金融行业对于信创建设与数据保护有较高要求,国产通
16、用大模型体系的建设对于大模型技术在国内金融市场的应用至关重要。在实际应用过程中,通用大模型的核心使用渠道主要有两种,一种是应用其泛化学习能力,将其他行业获取的信息与模型能力迁移至金融领域,解决非核心金融业务场景中的信息处理及交互需求,另一种方式是将其作为金融行业垂类应用模型的基础底座,在工具链增强、专有业务生态训练下成为具备更高专业化金融业务解决能力的金融大模型产品,满足金融行业对于大模型产品在专业术语的概念及理解、场景针对性解决方案以及高精度、合规性的需求。通用大模型产品在金融行业的两大核心应用金融大模型产品基座支持与大模型泛在化能力应用来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制
17、通用大模型泛在化能力应用:通用大模型专业能力增强:通用大模型产品 通义千问文心一言 混元大模型GPT4-TurboLaMDA以泛在学习能力直接应用于金融领域以服务非核心金融业务场景中的信息处理与用户基础交互为主,场景包括:金融业务场景应用 金融市场信息整理舆情汇总与情绪追踪客服机器人问答宣传材料生成通用大模型产品 大模型基座支持+大模型功能的增加+私域数据集训练服务专业度要求更高、业务场景针对性更强、客群服务特征更加明确的金融业务场景;金融业务场景应用 对于大模型产业链上下游的合作提出了更高的要求,与金融机构间的共同开发至关重要。112024.9 iResearch I2.功能增强:大模型工具
18、链工具链作为通用大模型与垂类大模型间的桥梁,以便捷灵活的工具模块助力金融大模型建设降本增效大模型的工具链产品是指在金融大模型产品研发的过程中,为了优化通用大模型在金融领域的应用表现,在产品开发、预训练、精调、压缩、推理、部署等环节提供高性能、灵活易用的工具模块,在简化复杂的训练流程、降低大模型技术使用门槛与落地周期的同时,提高了模型使用的精准度与可靠性,增强了金融大模型产品在投资回报方面的表现。目前在国内市场,大模型工具链的使用与通用大模型之间存在深度的绑定关系,工具链的核心技术提供商以大模型厂商为主,随着通用大模型技术能力的迭代,预计未来更多的工具链产品将逐步融合进大模型内部体系,以更高水平
19、的通用大模型产品的形式为开发者提供完整一体化的AGI服务,但对于专业度壁垒较高的行业,例如金融行业,大模型厂商在技术层面的能力补足难以真正满足金融机构的应用需求,基于长期服务金融机构的技术积累与行业Know-how能力将成为工具链功能增强的重点,因此针对特定行业的专业化服务仍需依托于有较多行业深耕能力的专精厂商负责。大模型工具链的能力增强表现及“+工具链”的实践意义分析来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制通用大模型能力需求拆解大模型工具链的功能增强服务于基座大模型的工具链能力提示工程解决大模型对于特定领域任务泛化迁移能力应用不足的问题检索增强生成生成引用数据库以外的权威知识体
20、系,解决大模型存在的知识更新问题大模型微调提升大模型信息输出精准度,基于人类反馈进行强化学习。工具链能力加强大模型工具链的实践意义服务于金融机构的“+工具链”体系降低金融大模型研发成本与产品落地周期,平衡产品研发ROI表现。通过工具链精简了模型参数,降低金融大模型使用对于算力的要求工具链对于基座大模型在特定领域功能表现提供增强效应提升业务处理的精准度User Input Context User Intent用户输入LLM Knowledge大模型训练知识External Contextual Reference Data外部上下文参考数据1.Prompt Engineering提示工程3.F
21、ine-Tuned LLM大模型微调2.缺乏NLG、对话管理、适应等能力4.RAG检索增强生成“基座大模型+工具链”产品组合的外延价值输出122024.9 iResearch I3.业务适配:大模型垂类场景训练大模型在特定信息域的定制化训练将全面提升其垂类业务场景的应用表现,数据信息的专业性与群体特征的捕捉能力将成为业务适配的关键来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制金融大模型垂类场景训练分析基于业务场景与客群信息的定制化训练信息积累大模型厂商专业知识积累专业术语业务流程宏观逻辑行业Know-how金融机构私域信息库客群信息产品历史表现业务场景信息业务规划行业经验服务金融机构的
22、历史经验积累 金融机构自身业务信息沉淀数据沉淀数据沉淀大模型基座场景增强工具链金融大模型金融大模型数据训练信息合规分享业务能力迁移大模型在垂类业务场景应用的效果与其训练应用的文本数据息息相关,信息输入的质量将很大程度的决定了大模型在特定业务场景的应用表现,特别是在专业壁垒较高的金融行业,金融大模型对于金融市场运营逻辑的理解、专业术语的解读以及宏观市场环境的洞察大多依赖于大模型厂商在模型训练期间的信息输入,因此大模型厂商在金融领域的专业积累能力将极大的影响其大模型产品的应用效果,能否为模型训练提供专业化的场景信息、专业知识及行业know-how能力将成为判断其金融大模型可用性的关键。除了在大模型
23、厂商专业知识库的场景训练之外,由金融机构提供的私域场景信息也将极大的提升金融大模型的建模精准度与问题解决能力,在合规分享的前提下,结合客户方私域信息的金融大模型产品将在模型结构与参数丰富度方面表现更为优秀,通过丰富大模型垂类场景训练的方式,为金融机构提供与业务场景及客群特征契合度更高的定制化大模型产品。13金融大模型结构特征与优势能力分析 金融大模型结构特征分析 金融大模型优势能力分析产品构建期:降低成本、保留差异化竞争空间、与底层模型同步迭代模型使用期:模型精准、结果可靠、产品结构轻量化迭代维护期:应变能力强、维护及迭代成本低142024.9 iResearch I阶段一:产品构建期以通用大
24、模型为底座的金融大模型构建体系,在具备成本控制与同频迭代优势的同时保留了产品的差异化、个性化竞争空间来源:专家访谈,公开资料,艾瑞咨询研究院自主研究及绘制完整构建流程之下的金融大模型产品优势能力分析产品构建阶段商城通用大模型大模型工具链业务场景训练金融大模型缩短产品落地周期,降低成本1保障基础能力,留存产品差异化竞争空间2乘基座大模型迭代东风,与时俱进3 从产品建设周期的角度来看,以通用大模型为基础的金融大模型产品的构建及产品落地周期要明显短于“从0开始”搭建的垂类大模型产品。通过基座模型的支持,金融大模型产品的开发流程实现将模型训练成本前置于通用模型阶段,降低金融大模型产品的研发成本。通用大
25、模型作为技术基座保障了金融大模型产品在基础技术能力以及通用业务场景的表现。在此之上,基于不同厂商行业经验积累形成的大模型工具链与场景训练,将充分体现不同厂商对于金融行业的理解以及各家金融大模型产品的差异化竞争表现。完整构建流程下的金融大模型产品将在保持较高基础技术能力的同时,提供差异化、客制化服务。建设于通用大模型基础之上的金融大模型产品,将跟随其底座大模型的升级迭代,实现“被动”的产品升级,其底层的技术能力、模型参数与逻辑、前沿科技的应用以及模型的使用方式与形态将对齐大模型行业领先标准,与时俱进。对于金融大模型产品厂商来说,由于其底层的技术模块将实现一定程度的“自动化”更新,厂商可以将工作的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2024 年中 金融 模型 产业 发展 洞察 报告
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【宇***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【宇***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。