中國金融業的 “大模型時刻”
面對大模型的到來，金融機構進退兩難：早一步成先烈，晚一步被顛覆。
1993 年初，剛剛履新招商銀行副行長不久的萬建華，在蛇口商業大街上看到了一台在當時還很罕見的 ATM 機。
這個新技術的代表，本應該以一種朝氣蓬勃的姿態出現在金融業技術變革的浪潮中。然而，顯示屏上厚厚的灰塵和插卡口零星的蛛網，卻讓它多少顯得有些落寞。
這一幕給萬建華留下了深刻的印象，以至於後來他在自己的書中感慨：
“它獨立一隅，基本上淪為一個尷尬的擺設。作為銀行管理人員，我們在心裏也打下了一個很大的問號——究竟會有多少人使用這個 ‘自動’ 的取錢機器？”
1987 年，中國銀行珠海分行初次引進 ATM 機的時候，引起了巨大轟動的。作為中國的第一台 ATM 機，它一經安裝就引起了轟動效應，在中國銀行珠海分行每天開放使用的 10 小時內，前來參觀、使用這台機器的人絡繹不絕。
ATM 的劃時代地位毋庸置疑。
發明了 ATM 機的英國人巴倫在 2004 年被授予 “英帝國勳章”，美聯儲前主席保羅·沃爾克也曾經説過：“銀行業唯一有用的發明是 ATM 機。”
但後來，來到中國的它沒有如預期一般等來屬於自己的繁華，而是如萬建華看到的那樣，在角落中蒙塵。
一直到 1993 年 6 月，包括金橋工程、金關工程以及金卡工程在內的 “三金工程” 開啓併為銀行業打下了互通互聯的基礎後，ATM 機才逐漸迎來自己的曙光。
在中國，一項新技術，哪怕如 ATM 那樣有劃時代的意義，在金融業要落地生根也要講個 “天時地利”，否則 “明珠蒙塵” 並不意外。
而如今，這個問題被正式交到了 “大模型” 手中，它點燃的火種照亮整個行業，但大家心裏還是沒有把握，對一些關鍵問題仍舊困惑：
從落滿灰塵到被時代之手温柔撫摸，大模型還需要多久？讓大模型像 ATM 機一樣為大眾接受，還需要付出多少？
大模型時刻
大模型的到來是如此耀眼。
問世 2 個月的時間，大模型的代表產品 Chatgpt 就突破了 1 億用户，創下歷史記錄。今年 2 月，英偉達創始人&CEO 黃仁勳發表了一段著名的評價：“ChatGPT 讓 AI 迎來了 iPhone 時刻”
在供給側，一些技術供應商團隊負責做大模型調研的工作人員發現，今年 2、3 月份的時候，國內市面上與 AIGC 相關的新聞還大多停留在技術上的創新，而到了 4 月份，行業就爆發了「百模大戰」，眾多科技公司爭先恐後地布大模型，不少甚至聲稱已趕上甚至超越了 OpenAI。
4 月之後，金融行業垂直領域的大模型發佈也越來越多，一眾為金融機構提供技術方案的科技公司也已經摩拳擦掌。
5 月下旬，度小滿發佈了千億級中文大模型「軒轅」，這也是國內首個垂直金融行業的開源大模型。
6 月份，更多廠商加入到了這場勢不可擋的洪流之中，騰訊雲攜手神州信息開展金融大模型的合作，哥倫比亞大學近日聯合上海紐約大學推出全新大模型產品 FinGPT。
眾多金融機構也堅定地也加入了這場浪潮之中，中國農業銀行推出類 ChatGPT 的大模型應用 ChatABC，中國工商銀行發佈了基於昇騰 AI 的金融行業通用模型。
7-8 月，隨着《生成式人工智能服務管理暫行辦法》正式實施，包括騰訊、百度、科大訊飛、華為、字節跳動等多家公司，又相繼釋放了最新的大模型進展。
9 月 7-9 日的外灘大會是又一個佐證：大模型如今已經成為國內金融行業最炙手可熱的話題，即便此刻還沒有看到最後的商業化出路，但金融機構們至少從戰略層面已經全然重視了起來。
就在 9 月 8 日的外灘大會上，螞蟻集團也正式發佈了金融大模型，並開源生成式 AI 編程平台 CodeFuse。
而在需求側，剛剛過去的財報季中，工商銀行、農業銀行、中國銀行、交通銀行、招商銀行、中信銀行、興業銀行、華夏銀行、浙商銀行等 9 家銀行，都在半年報中明確提出正在探索大模型的應用。
度小滿也告訴光述（Lightell），目前其對接的很多銀行或者其他金融機構，都是從總部戰略層面對大模型進行推進的，足以佐證金融行業對大模型的重視。
那麼，在行業進展轟轟烈烈的此刻，金融業擁抱大模型，已經萬事俱備了嗎？
三個關鍵條件
中國金融業對於新技術的衝擊並不陌生。大模型的前輩眾多，比如上文提到的 ATM 這樣的硬件創新，又比如支付寶這樣的應用創新。
一項顛覆性的科技，要何時才能在中國金融業 “掀起波瀾”？下面這三個條件尤為關鍵：
1.技術成熟度。過去幾年，元宇宙等新技術同樣也曾眾星捧月，但最終並沒有在金融業 “落地生根”，歸根結底還是因為底層技術不夠成熟，基礎設施並不具備，沒能實際改善金融業務的效率。
2.政策。對於保守的金融機構，合規是第一要務。倒是也不必要在一開始就展現出多麼支持的態度，但至少不能對技術亮紅燈。當年支付寶之所以能橫空出世，固然是馬雲有着 “坐牢我去” 的勇氣來拍板，也是依靠政策最終支持了創新。
3.應用場景的匹配。沒有應用場景，新技術就是 “無根之木”。沒有銀行卡普及，ATM 機不會大規模應用；沒有智能手機的爆發，沒有網購的強烈需求，支付寶們不會有機會崛起。
從這三個角度看，大模型處在什麼階段？
從技術上來説，雖然生成式 AI 在中國金融業是完全的新生事物，但去掉 “生成式” 三個字，AI 對於金融業來説是一項熟悉的技術。
早在 2015-2016 年間，深度學習算法帶來的人工智能浪潮就已經興起，在客服、內容生成、視覺識別等領域，金融業已經廣泛引用 AI。
與如今的大模型相比，區別在於體量要小得多，參數也少得多，最大的區別或許是，那時的深度學習模型的建立，依靠的是有監督的訓練，只針對特定領域的信息，更像是「專用模型」，更偏向於理解能力。
而所謂的大語言模型 (LLM，Large Language Model)，是指在大量數據集上預訓練的巨大模型，且沒有針對特定任務來調整數據。簡單來説就是，相比於專用智能，大模型更像是一個會思考、會學習的「人」，而不是隻適於特定場景的「機器」，有更大的通用性和內容生成能力，能夠在更廣泛的領域應用。
以前的小模型是針對金融行業去開發一個專用模型；如今是基於所有通用信息研發好了一個大模型，當轉換到金融場景中時，再給它喂進金融行業的專用數據，最後得到一個相比原先深度學習算法而言創造性更好的小模型。
所以從技術上來説，有了上一輪的鋪墊，本輪的生成式 AI 給行業帶來的認知衝擊，並不像此前兩輪技術變革一樣突然。
大部分銀行的雲架構和算力基礎設施也已經完成了建設。
技術上剩下的問題是，一是大模型的 “AI 幻覺”，也就是可能模型會給出不着邊際的話，且沒有依據；另一個是版權問題，目前模型使用的數據是未獲得版權，但已經有機構開始主張自己的版權；還有一個是成本問題。
而從政策角度來説，新技術被接納可能不一定要政策的完全支持，但只要不阻止就已經是一個相對充分的條件。
一個明確的標誌是，2019 年中國人民銀行印發《金融科技（FinTech）發展規劃（2019—2021 年）》，以保守穩健著稱的金融機構，已經完成了對 AI 從懷疑、觀望到全面擁抱的轉變。
近日，國家網信辦聯合國家發展改革委、教育部、科技部、工業和信息化部、公安部、廣電總局公佈《生成式人工智能服務管理暫行辦法》（以下稱《辦法》），自 2023 年 8 月 15 日起施行，旨在促進生成式人工智能健康發展和規範應用，維護國家安全和社會公共利益，保護公民、法人和其他組織的合法權益。
不過，另一方面，目前仍未有模型通過安全評估。
最後，可能也是最重要的是應用場景。場景是什麼？從前兩段技術變革中，我們或許可以探知一二——就是大眾都廣泛使用了新技術相關的服務。
目前 C 端國內並未全面開放 AI 大模型，國外也主要侷限在個人聊天、工作/學習助理的場景，AI 並沒有像當年的銀行卡、網購和智能手機那樣，在人羣中廣泛普及併成為必需品。
未來 AI 是成為 C 端流量入口（如比爾蓋茨所言，未來每個人都有一個智能助理），還是成為 B 端服務的底層技術（比如 Altman 所認為的），趨勢並不確定。
因此，應用場景當前並不成熟。
加入還是等待？
也就是説，對於大模型，技術還沒有完全成熟，政策還沒明確，場景還沒有完全顯現，這個時候，金融機構要進場嗎？
如果投入，機構需要付出多少成本？首先我們需要明確幾種可能的路徑。
第一種是自研大模型，這種方式面對的問題是人才與成本。據浙商證券的測算，這種方式資金投入更將高達 56 億 +1.7 億電費/年，還不含開發人員薪酬和維護成本，且開發週期和質量都難以預期。此前據媒體報道，GPT4 使用了 1.8 萬億巨量參數、訓練一次就需要 6300 萬美元。
第二種，是科技公司可做私有化部署大模型 + 微調，據光述（Lightell）採訪得知，如果私有化部署一套大模型，目前科技公司的報價是數千萬元。
這是一種相對成本最低的方式，也有很多機構選擇嘗試先與如度小滿、商湯科技這樣的科技公司小規模合作，慢慢等待科技公司的降本，保證自己不被拋下。
第三種方式，則是直接使用現有大模型的 API。
如果選擇接入大模型 API 的方式，目前更新後的 GPT3.5 Turbo 的 API 接口收費標準為每百萬 Tokens 收費 2 美元，約合 14 元人民幣；同屬 OpenAI 公司開發的 Whisper 語音轉文本工具 API 每分鐘收費 0.006 美元，約合人民幣 4 分。以建行為例，假設文本轉語音成本與語音轉文本成本相同，建行僅智能客服一項每年成本需要額外投入約 2 億多元。
這其中，還不含開發成本和對 ChatGPT 模型進行專屬訓練的成本，據 OpenAI 官網，使用 GPT 模型進行微調的成本也要 1.6 美元/百萬 Tokens。
此外，科技公司與金融機構之間，還存在着一個巨大的問題——金融機構掌握着的可能是最高貴的客户數據，而它們願意將這些交給 API 接口最終給科技公司手裏嗎？
這個問題，在最近幾年的電動汽車界，也曾經出現過爭議。
事情發生在 2021 年 6 月 30 日的上汽集團股東大會上。當時有投資者問及是否會考慮在自動駕駛方面與華為等第三方公司合作時，董事長陳虹表示，“如此一來，它成了靈魂，上汽成了軀體。對於這樣的結果，上汽是不能接受的，要把靈魂掌握在自己手中。”
不過這只是上汽，仍有眾多的小車企為了不在電動化、智能化的浪潮中被拋下，而選擇 “出賣靈魂” 與第三方公司合作，試圖趕上這趟列車。
對於小公司來説，“出賣靈魂” 帶來的痛苦，遠遠小於被時代列車拋棄最終死亡的痛苦。
或許這在智能化的金融業也是一樣。如果不投入，就需要面對巨大的機會成本——被顛覆。
就像以 36 名員工，1 家營業網點起步的招商銀行，後來抓住了電子化與數字化的機遇，崛起成為大型股份制銀行。就像只用 2 萬元創業的馬雲，因為抓住了線上交易與線上支付的機遇，而差點顛覆整個中國銀行業。
沒有人能承擔等待並被拋棄的成本，所以大機構選擇自研、小機構選擇技術外包，可能是對所有人來説都能接受的結局。
而最終的結局是什麼樣呢？
光述（Lightell）認為，大模型為金融行業帶來的變革可能會帶來兩種可能的結果：
一種是銀行整合技術，就像當初的招商銀行；另一種是技術整合銀行，出現一家真正以 AI 為場景搭建銀行業務的機構或公司，就像當初的支付寶。
但傳統模式的金融業被掀翻桌子，已經成為必然。
在 “早一步成先烈，晚一步被顛覆” 中二選一，也是金融機構當下必須要做的決策。
END
光述 Lightell
記錄「大財富管理時代」的好公司和好故事，洞察行業變遷與未來趨勢。
聯繫我們：Lightell@126.com
