HundSun恒生电子：2024金融科技趋势研究报告

1 2 3 4 数智新应用 5 趋势一：大模型对场景普遍渗透，以“中控”为核心的生态范式初步定型 趋势简介 近期，国内外出现了许多大模型并形成了百模大战的现状。研究指出，金融行业头部机构会在未来1年内在相对成熟的场景中尝试引入大模型，以及生成式AI能力。大语言模型时代的到来，为投研、投顾、风控、研发提效等场景带来了新的想象空间，行业在关注大模型本身建设的同时，作为连接大模型与应用的“中控”成为了行业未来大模型生态的核心。 趋势阐述 国内外大模型的涌现，呈百模大战的态势，例如：OpenAI的ChatGPT、谷歌的PaLM、Meta的LLaMA、清华的智普、华为云的盘古、百度的文心、阿里的千问、科大讯飞的星火、商汤的日日新等。预计2024年，已针对人工智能有领先性的探索且硬件配备较完善的金融机构，会尝试在一些业务场景中引入大模型以及生成式AI能力。此外，RPA作为扩展Al落地的“最后一公里”，将助力大模型扩展其应用边界，且通过易于使用、易于管理的部署来帮助Al加速转型，增强认知决策能力以处理复杂的长链条业务，降低运维成本来提升应用价值。未来，金融行业在推动大语言模型的应用落地过程中，将会遇到生成式深度合成类应用行业的强监管以及数据安全境内保护的强监督。 专业化的面向资本市场的金融大模型：金融领域具有复杂的金融知识和特殊的投资决策需求。为更好地满足行业特性，研发金融领域垂直大模型势在必行，典型代表有彭博的BloombergGPT和恒生的LightGPT。这类模型能够触达金融 6 市场动态，学习和掌握投资组合优化、风险评估、金融法律法规等相关领域的知识。 与大模型本身建设相比，大模型配套基础设施建设同样重要。通俗来讲，有了新工具，新工具的使用指南，也十分重要。构建连接大模型和行业应用的“中控”基础设施，对于像金融这样受到强监管的垂直细分行业在内容合规、业务适当性、部署模式和数据流向等数据安全方面都是至关重要的。 “中控”基础设施，由三大部分组成：共性大模型插件、大模型工具链（任务编排和指令流水执行）、行业资源图谱。 金融大模型插件：减少幻觉——连接文档、数据库、API、元数据 金融领域存在大量数据需要连接，如行情、上市公司信息、基金基础信息、金融机构内部知识库文档等，因此需要大量共享插件能力，例如文档的解析处理能力、自然语言转SQ