界面新闻记者 | 刘晨光

大模型和金融之间的融合日渐成为业内探索的重要方向。

“不同金融机构大方向是有共识的，即不管是短期还是长期，基于大模型的金融领域应用一定要积极去拥抱。” 近日，腾讯云副总裁胡利明接受界面新闻记者采访时表示。

胡利明表示，包括经营效率和服务效率，服务的质量一定会有所提升。他认为，大模型对于金融行业来说肯定是革命性变革，因为此前的模型基本上都是非常专有且很细分的，是不具备大模型的通用智能。

“简单来说以前的智能，是解决一个专项的小问题，那么现在基于这个通用的智能上面去叠加客服，CV（计算机视觉） 乃至金融研究等不同场景，可以做得更好，效率更高，通过生成式的方式，答复的内容对客户来说也能够制造更好的体验，有机会向更通用性的人工智能方向演进，这都是以前专有的小的各个场景智能，乃至于小专用模型所不能比拟的。”他说。

胡利明表示，头部机构会非常积极投资和尝试，包括从底层算力方面，包括大模型本身多路径尝试。“比如说金融机构自己用开源去做一些场景，或者和有大模型的互联网厂家和头部的厂家合作做一些场景，并行去探索，积极投入。这类的如头部保险、头部券商、国有大行以及比较大一点的股份制银行，基本上都处于这个状态。”

“腰部和尾部的金融机构处于另外一种状态。”胡利明指出，“腰部的可能有少部分比较积极一些，会和有大模型的厂家去合作试点一两个场景，用非常少的资源来做，先趟出来一条路，从而锻炼队伍，测试是否能出现效果。”

他表示，更多的腰部机构和小机构主要是观望和跟随，看看其它机构做得怎么样，有哪些场景有效果跑起来，但是并不急于做投资。

在胡利明看来，参与主体更多的是从投资意愿的角度来划分。实际上，无论在国内的其它的企业或是金融行业，大模型在业务场景的使用上都还处于摸索阶段，对于像投研、投顾，包括很多其它的一些场景，要更大地提升效率，其实需要和行业更深入的数据或是高质量的数据相结合。

胡利明认为，相较于此前的非大模型的时代，和定制化的模型相比，大模型的强项在于它的理解能力和生成能力，但是在产生效果方面，还需要较长时间的深度训练和调优，初期能够产生比较大效果，在效率提升上，即是在采访助手或者客服助手方面，相关领域的效果可能会明显一些，乃至对于生成结果的使用价值更明确一些。

胡利明坦言，其它领域，这种应用的可解释性和对以前的效果的对比并不容易量化，另外对数据本身的来源和质量要求也比较高，这个方向本身也是难点，就像投研投顾，机构的数据也都比较同质化，以前应用的数据源也都比较类似，现在很难说找到一些特别独特的数据源，可以很快体现出相关增值，暂时确实还没有看到相关迹象。

“国内对大模型的应用非常热门，但是想要出效果还是要一步一步来，不能急于一时，包括国内的大模型有不少基于开源来做，这个过程相对来说是会比较漫长。国内想要在短时间内赶上，首先要有基础大模型，然后再去拓展相关的业务场景。”

胡利明告诉界面新闻记者，当前金融机构试点做大模型，基本上会采取分层的模式，即现在规划智能化的能力，是有机会从零开始的，通常来说会考虑得比较科学一些，不会再去比较烟囱效应，比如说针对CV场景建整个大模型平台，针对风控的场景又从零开始建一遍，基本上是不存在这种现象。

“从底下的GPU算力的物理集群再到集群资源的管理，再到机器学习平台，再到这个行业大模型，或者用开源模型来部署，再往上就是行业应用，MaaS这个层面。只是说各机构试点的范围不同，选择的类型不同，比如说券商可能选投研投顾场景多一点，银行可能选择客服、风控之类的场景。”胡利明继续分析。