金融行业沉淀了大量高质量数据。各金融平台的用户数以亿计，各种用户画像数据、交易数据浩如烟海。利用大模型对上述数据的分析处理，可提高金融效率。比如，金融机构可以预测用户行为偏好，更高效、准确评估客户风险；AI还可以实时监测交易和市场波动，及时制定策略。
事实上，金融行业也在主动拥抱大模型。IDC（国际数据公司）一项调研显示，超半数的金融机构计划在2023年投资生成式人工智能技术，只有10%的金融机构表示没有试验计划。不久前，两家国内科技公司联合推出的火山—智谱高性能金融大模型，也是为科技金融AI落地积极铺路。
大模型前景固然可期，但金融行业对安全和隐私要求极高。在推动大模型落地金融行业的过程中，安全、合规是最大的技术难题。开发金融AI，是技术和行业交叉融合的系统化工程。从火山—智谱高性能金融大模型的合作攻关背景可以看出，一方面，模型性能、功能及底层架构的升级迭代是基础；另一方面，高效的算力基础设施、开放安全的生态、丰富的金融行业实践以及完善的交付保障更是重要前提。
大模型是金融行业必争之地。但如果将AI进一步渗透到风控等金融核心业务，还需要在垂直领域进行磨合，还要经过时间的考验。金融行业一般认为，现阶段最容易实现的，包括AI投资顾问、自动化客服、风险评估、报告自动化生成、代码生成应用等，应从外围做起，逐步接近核心。
大模型带给金融界的冲击，必然超越了上一次数字化浪潮，金融工作模式的变革势不可挡。然而，大模型在金融场景落地的“最后一公里”，是充满变数的一公里。只有夯实科技的基础，未来的AI金融才能行稳致远。
