中国金融大模型产业未来趋势分析

金融机构对于技术产品合规性、实践能力与稳定性的要求将指引供给端 产业迭代方向；分工协作、强强结合或将成为未来产业发展的主流模式。

1.市场趋势前瞻

 金融行业属于政策导向型产业，在前沿技术产品的选择上对于产品的合规性、实践效果与表现稳定度方面均有较高要求，而对于金 融大模型产品来说，作为其底层技术能力的生成式AI已被认为走到了技术发展曲线的膨胀阶段，如何将市场对于技术能力的期待转 化为大模型的产品力将成为大模型产业发展面临的重要课题。结合金融行业应用的特殊性，未来金融大模型产业的发展将极大程度 取决于需求端对于产品的认可程度，即金融机构对于大模型产品的使用意愿如何。

考虑到金融机构对于新技术产品选择的审慎程度， 未来中短期内大模型产品在金融领域的表现效果将极大影响机构对于该项产品的认可程度，进而影响后续产业整体的发展。对于金 融大模型产品的供应方来说，如何在合规的背景下保障产品的技术能力与专业度、为机构提供更优质的AI使用体验是目前短中期发 展的关键，就目前国内金融大模型市场的发展情况来看，单独一家机构很难实现从技术底座、能力增强到金融知识训练每个环节均 具备行业领先优势，“多环节、多机构”的合作模式或将成为优质金融大模型产品的构建方式，由分别的技术厂商提供底层技术、 能力增强与专业训练，充分发挥金融实践积累与技术创新迭代的协同作用，驱动国内金融大模型产业链的整体发展。

2.产品结构建设

金融行业对于数据信息保护有较高要求，云端部署意味着金融机构需要通过将业务数据信息上传至云端的方式来完成模型训练、获 取输出结果，这对于金融机构自身的信息安全与合规应用来说是不小的挑战，市场整体的接受度与认可度也将由于该部署形式受到 较大限制，多数涉及私域数据的专业化业务场景将很难接受云端部署的大模型应用，而基础的金融场景也难以发挥金融大模型在涌 现性与复杂信息处理的能力，导致大模型的实践价值大打折扣。

因此，大模型产品要想在金融行业实现高价值、大规模应用，应提 升产品部署方式的多元元化，由云端逐步延伸至边缘侧，增强产品部署的私密性，以此降低大模型产品应用过程中面临的信息安全 问题，在合规的环境下满足金融机构的个性化定制需求。于此同时，与国际市场通用大模型的“规模军备竞赛”不同，庞大的参数 对于垂类大模型来说过于冗余，特别是对于结果生成时效性要求较强的场景，参数量过大的大模型产品并不是好的选择，并且模型 规模的扩张也会显著提高使用成本以及软、硬件的支持负担。因此，如何压缩模型、减少模型的计算复杂度与内存占比将成为未来 行业发展关注的重点问题，通过合理的剪枝、低秩分解，将大模型产品轻量化，以精准的运营为客户提供稳定可靠的运算结果。

3.技术能力迭代

AI协同应用的技术演进路径预示着AI Agent将成为大模型技术迭代与落地应用的重要方向，在“动态决策”的大模型框架之下，AI Agent将以“超级拟人化”形态，接收外部指令、信息并进行深度理解，凭借其CoT (Chain of Thought)能力，通过计划、行动与 观察相结合的方式弥补推理与实践的差距，实现有效地意图识别与决策制定。此外，大模型作为Agent的“大脑”将为其全自动决 策能力提供规划、记忆、执行与工具四项能力补充，促使其有能力处理更复杂、更多元的决策任务，自主进行任务规划、环境感知、 选择行动、观察纠错等一系列以任务目标为导向的行动，提升大模型技术的实际问题解决能力与决策结果的准确性，推动智能体的 实践应用进程。

4.未来场景应用

目前已有多项包括传统AI技术产品在内的前沿科技应用正服务于金融业务的多个环节，其服务模式与应用效果已达到较为成熟的水 平。对于金融大模型来说，未来的服务模式并不是完全取代之前的小模型或其他技术产品，而是应用大模型在语义理解、信息分析、 内容生成等方面的优势，作为补充能力实现对于原有实践效果的提升。此外，金融大模型的应用也将逐步由简单的信息处理与图文 生成拓展至与投资决策相关的核心业务板块，充分发挥大模型产品在智慧涌现与复杂信息处理方面的能力，为投研、投顾场景提供 更全面的技术赋能。与此同时，金融大模型的信息处理能力也将在客户运营与挖掘中得到更为充分的应用，以高效低成本的方式触 达长尾客群，实现私域用户需求的深度挖掘。在走向未来场景应用的过程中，大模型的技术能力、金融行业深耕程度与监管合规要 求都将很大程度影响其的实践效果，如何在合规的前提下保障产品技术水平与业务能力将成为未来金融大模型产品之争的关键。