总裁前夫别耍酷2022年11月，美国人工智能研究公司OpenAI开发的大语言模型产品ChatGPT推出后在全球引发热潮，仅用2个月突破了1亿用户。以ChatGPT为代表的生成式人工智能技术（GenAI）给用户带来了突破性的体验，正在成为人工智能领域的一股新势力。据麦肯锡测算，2022年全球生成式人工智能技术市场整体收入为400亿美元，预计2032年将达到1.3万亿美元。

　　近期，国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局七部门联合发布《生成式人工智能服务管理暂行办法》（以下简称《办法》），旨在进一步促进生成式人工智能的健康发展和规范应用。《办法》强调了生成式人工智能技术应用的数据安全和隐私保护的重要性，也对应了金融业个人信息保护、数据安全合规和引导数据向善的要求。

　　金融业具备资源密集、人力资本密集以及牌照合规要求高等特点，积累了大量高质量专有数据，具备需要生成式人工智能技术赋能的业务痛点和广泛的应用场景。展望未来，生成式人工智能技术将改进现有金融服务和工具，推动创新和新业务模式的发展。本文旨在结合相关国内外案例，梳理生成式人工智能技术在国内外金融领域实践情况，并展望生成式人工智能技术在金融领域的发展前景。

　　生成式人工智能技术在国内外金融领域应用实践广泛。据腾讯研究院调研，截至7月末，国内已发布金融行业大模型18个。今年3月以来，美国、日本、韩国等国企业相继宣布投入金融行业大模型产品研发，并已发布多款产品。例如，在财富管理领域，摩根士丹利9月推出与OpenAI共同开发的面向内部投资顾问的生成式人工智能系统，员工可以用语言模型快速检索内部研究资源数据库；在支付领域，万事达运用生成式人工智能技术发现网络安全隐患；在银行领域，我国国有银行和股份制银行机构都披露正在积极评估和探索大语言模型的应用和案例。从全球已发布的四个典型金融大模型产品出发，我们梳理了2023年生成式人工智能技术在金融领域应用实践的情况。

　　3月，彭博（Bloomberg）公司发布全球首个金融垂直领域大语言模型BloombergGPT，它是基于BLOOM大模型改造而成的拥有500亿参数金融大模型。该模型在财报信息问答、财经新闻标题、正文情感分类（积极、消极、中性），信用评估报告中的公司名称识别以及根据公司名称关联至上市公司股票编码等五项金融任务上能力较强。

　　5月，度小满公司发布千亿级中文金融大模型“轩辕”，这是国内首个金融垂直领域的大模型。该模型在金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务上能力较强。

　　6月，哥伦比亚大学联合上海纽约大学推出首款完全开源的金融大模型产品FinGPT，可提供免费而完整的训练数据与模型框架。其在智能投顾、投资组合优化、金融情绪分析、信用评分、ESG评分、金融知识问答等方面能力较强。

　　9月，蚂蚁集团发布蚂蚁金融大模型，已在蚂蚁集团的财富、保险平台上全面测试。根据公开资料，该大模型具备研判观点提取，金融意图理解和金融事件推理等能力，已在面向消费者的“支小宝2.0”和金融从业专家的“支小助”两款助理产品中落地。

　　可以发现，生成式人工智能技术在全球金融领域的应用实践十分活跃，目前国内则主要聚焦于调用大模型的理解、归纳、分类能力去完成一些辅助性的金融任务，对于决策类、数据分析类、营销类金融任务探索还处于起步阶段。由于金融领域的准确性要求，未来仍需要技术探索与工程实践以解决内容生成的幻觉和安全性问题，提高内容的合规性、安全性和真实性。

　　生成式人工智能技术对法律体系的规则、权利保障以及司法救济等方面提出了一系列的挑战。该技术带来的风险和挑战包括：

　　随着生成式人工智能技术的应用范围逐步扩大，数据安全和用户隐私保护将成为一大挑战。例如，三星公司允许员工使用ChatGPT聊天机器人后，不到20天就发生了3起机密信息泄露事件；华尔街多家投行和机构禁止员工使用ChatGPT处理工作，防止泄露客户信息和财务数据等内部敏感信息。针对数据安全和隐私保护，《办法》以及《中国人民银行业务领域数据安全管理办法（征求意见稿）》等文件都进行了规定，该技术的广泛应用尤其需要实施更为严格的数据管理和保护措施，确保用户信息的安全。

　　若人工智能产生不恰当的内容，则有可能违反技术和道德规范，触发声誉风险事件。涉及技术和道德规范的内容包括四类：一是知识产权侵权，在未标记引用的情况下生成内容模仿甚至抄袭已有知识产权作品；二是恶意使用导致生成不良内容，如生成包含描述仇恨和暴力的文字或图片；三是生成有错误价值观倾向内容，如内容包含偏见、歧视和错误意识形态等信息；四是生成内容包含虚假、错误、诽谤性甚至欺诈性的信息。

　　2021年3月，中国人民银行发布金融行业标准《人工智能算法应用评价规范》，指出可解释性是判断算法是否适用的重要依据。使用生成式人工智能技术产品时，由于生成过程存在“黑箱”，生成内容的逻辑和过程较难解释。如果将输出结果直接用于金融机构关键业务环节，或者对外为客户提供建议和决策，结果的不可解释性甚至错误的引导将为机构带来一系列风险，难以满足监管对于透明度及可解释性的要求，更无法取信于客户。《办法》中提出要提升生成式人工智能服务的透明度，提高生成内容的准确性和可靠性。

　　从全球监管实践上看， 2023年6月，欧洲议会通过了《人工智能法案》，该法案为全球首部通过议会程序针对人工智能的综合性立法。美国此前对创新技术应用持宽松的监管态度，但也正在针对ChatGPT等AI工具制定监管政策规范应用。

　　在未来的金融领域，我们预期生成式人工智能技术将成为一个革命性的力量，推动多方面创新和发展。据麦肯锡测算，仅银行业，该技术的预估产值就达到了2000亿美元至3400亿美元。据笔者分析，生成式人工智能技术在金融领域有如下三个关键方向。

　　在不久的将来，生成式人工智能技术预计将与其他先进技术，如机器人流程自动化（RPA）、区块链和物联网（IoT）无缝集成。这种集成将打破传统的技术边界，促使各种技术之间的协同创新。例如，通过生成式人工智能和区块链的结合，我们可以创建更安全、更透明的金融交易系统。同时，物联网技术可以与生成式人工智能技术结合，实现更智能的资产管理和风险控制。

　　生成式人工智能技术也有可能成为绿色金融的有力推动者。通过智能化的方式优化资源配置和管理，生成式人工智能技术可以帮助金融机构更好地识别和管理环境风险。例如，生成式人工智能技术可以通过数据分析来预测和评估投资项目的环境影响，从而促进更为绿色和可持续的投资决策。此外，生成式人工智能技术可以通过智能合约和区块链技术，实现更为透明和高效的绿色金融产品和服务。这将有助于推动绿色金融的发展，实现金融领域的可持续发展目标。

　　生成式人工智能技术有潜力推动金融服务的全球化和包容性提升。通过生成式人工智能技术，金融机构可以提供多语种、便捷化和智能化的服务，降低服务门槛，从而使更多的人能够享受到高质量的金融服务。此外，通过数据分析和机器学习，该技术可提供更为个性化和定制化的金融产品和服务，满足不同客户群体的需求，提升金融机构服务质效。

　　近年来，人工智能对经济发展、社会进步、国际政治经济格局等方面产生了重大而深远的影响，纵向带动了产业链上云端计算、芯片、数据服务等行业的发展，横向广泛运用在政府城市治理和运营、金融、医疗和生命科学等行业中。通过探讨生成式人工智能技术在金融领域的实践和展望，我们可以看到这一技术有望推动金融领域的一系列创新和变革。同时，我们也应该注意到它所带来的挑战和问题，并积极寻求有效的应对策略和解决方案。面向“十四五”和更远的未来，我们有望见证生成式人工智能技术在金融领域的繁荣和发展。我国也将实现人工智能核心技术突破，成为全球先进技术发展的高地。