ChatGPT即將出世滿周年。在這一年內(nèi)，面對全新的市場，諸多公司涌入大模型賽道，形成“百模大戰(zhàn)”的盛況。“狂飆”的大模型，并不囿于通用領域，也正以飛快的速度向各個場景滲透。其中，金融領域已成為目前大模型最先落地的場景之一。經(jīng)北京商報記者不完全統(tǒng)計，已有十余家A股上市公司欲涉足金融大模型，其中走得比較快的公司，其研發(fā)的金融行業(yè)大模型已然亮相。不過，機遇同時也是挑戰(zhàn)，面對入局大模型所需要的高昂成本、技術及人才儲備，以及未來回報的不確定性，都讓投資者對大模型的未來持擔憂態(tài)度。

紛紛涉足

在深交所互動易平臺，以“金融大模型”作為關鍵詞進行檢索，目前可檢索出近400條結果。一方面，上市公司在金融大模型方面的探索逐漸深入；另一方面，投資者對金融大模型的關注度也愈發(fā)高漲。

拓爾思是獲得投資者提問數(shù)量較多的一家企業(yè)。據(jù)拓爾思介紹，今年9月，拓爾思拓天大模型已通過中國信通院“可信AI”標準符合性驗證，公司利用拓天大模型及AI分析技術已成功賦能浙商銀行、天津銀行等多家金融機構消保管控平臺建設，有效提升了消保管控質(zhì)效。除了在金融領域，拓爾思還在媒體、政務、輿情等領域發(fā)力，推出相應行業(yè)大模型。

相比之下，金證股份更聚焦于金融領域。金證股份于今年5月與旗下專注于智能金融AI產(chǎn)品及解決方案的子公司金證優(yōu)智正式達成金融領域特定場景大模型開發(fā)協(xié)議，雙方將聯(lián)手開發(fā)支持金融領域內(nèi)細分場景的垂直領域獨立大模型，旨在面向各業(yè)務端人員打造AI智能金融助理。金證股份表示，將在金融AI大模型、RPA+AI、智能客服、智能投資、智能投顧、智能風控、智能投行、智慧運維等方面加速推動人工智能技術在金融垂直領域的落地應用。

恒生電子金融大模型探索相對走在前列。今年6月，恒生電子就已發(fā)布金融行業(yè)大模型LightGPT以及基于大模型技術的數(shù)款數(shù)智金融新品。今年10月下旬，恒生電子發(fā)布了金融大模型LightGPT最新的能力升級成果，LightGPT在整體模型效果上提升15%，安全合規(guī)性上提升13%，推理速度上提升50%，并面向金融機構實現(xiàn)LightGPT-7B的開源，推理和訓練全面適配華為昇騰系列。

此外，還有東華軟件、京北方、宇信科技、先進數(shù)通等十余只個股同樣涉足金融大模型領域，其中多家企業(yè)系與華為、百度等大模型“頭部玩家”進行合作。

成本壓力

對于布局金融大模型的企業(yè)來說，是否具有足夠的籌備資金，是企業(yè)首先需要考慮的問題。

“金融大模型的研發(fā)和應用需要大量的資金和人力資源投入，同時需要面對市場競爭和不確定性，因此需要權衡成本和投資回報的關系。”中關村物聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟副秘書長、專精特新企業(yè)高質(zhì)量發(fā)展促進工程執(zhí)行主任袁帥如是表示。

實際上，在A股市場上，已有多家相關企業(yè)拋出了定增募資計劃。諸如，拓爾思擬募集資金不超過18.45億元，用于拓天行業(yè)大模型研發(fā)及AIGC應用產(chǎn)業(yè)化項目。從募資詳情來看，拓爾思將45.57%的資金投向軟硬件購置，擬投入募集資金8.41億元；占比第二多的項目為研發(fā)人員薪酬，擬投入5.1億元，占比為27.66%；此外，13.95%用于租賃費，10.73%用于數(shù)據(jù)資源購買，剩余2.09%為鋪底流動資金。

算力成本及人力成本都將是相關企業(yè)面臨的重要考驗。在袁帥看來，金融大模型需要處理大量數(shù)據(jù)，包括金融市場、行業(yè)和產(chǎn)品以及客戶的數(shù)據(jù)等。數(shù)據(jù)的獲取、處理和分析都是非常復雜的，需要專業(yè)的技術和團隊支持。此外，金融大模型的研發(fā)和應用需要具備跨學科的知識和技能，同時需要具備豐富的實踐經(jīng)驗。這使得人才短缺成為布局金融大模型的一個挑戰(zhàn)。

值得一提的是，由于市場供不應求，近期算力成本進一步增加。其中承接算力服務的匯納科技已率先提價。公司11月14日公告顯示，由于內(nèi)嵌英偉達A100芯片的高性能算力服務器算力需求大幅增加，相關高性能運算設備持續(xù)漲價，算力資源持續(xù)緊張，匯納科技擬將所受托運營的內(nèi)嵌英偉達A100芯片的高性能算力服務器的算力服務收費上調(diào)100%。

此外，Co-Found智庫秘書長張新原認為，上市公司布局金融大模型的難點主要體現(xiàn)在技術、數(shù)據(jù)難以滿足移植、模型精度和效用等方面。在技術方面，需要掌握復雜的數(shù)據(jù)分析和機器學習等技術。數(shù)據(jù)方面，大規(guī)模數(shù)據(jù)獲取和清洗以及數(shù)據(jù)共享與整合能力是亟待解決的難題。模型的精度和效用需要不斷優(yōu)化和驗證。

領域特性

與通用大模型相比，上市公司布局金融大模型，更應該關注金融領域的特性。

“開發(fā)金融大模型的公司，一定要更懂金融。”國武傳媒推廣中心總監(jiān)戚嘉富如是說。

據(jù)了解，通用大模型更注重一般自然語言處理任務，如文本分類、情感分析等。金融大模型針對的是金融領域的任務，因此需要充分考慮金融領域的特性，如金融市場、行業(yè)和產(chǎn)品的規(guī)則、慣例和變化等。

比起通用大模型，上市公司布局金融大模型更需要關注數(shù)據(jù)及隱私的保護。金融大模型需要處理大量金融數(shù)據(jù)，包括客戶數(shù)據(jù)、交易數(shù)據(jù)等敏感信息。袁帥表示，由于金融領域的交易和決策涉及到大量資金和資產(chǎn)，金融大模型需要具備較高的安全性，防止黑客攻擊和惡意行為。張新原也提到，數(shù)據(jù)泄露、網(wǎng)絡攻擊等安全問題是上市公司布局金融大模型時需要重視的一大挑戰(zhàn)。

此外，張新原表示，由于金融領域具有重要的社會功能，金融大模型的操作需要符合各類金融相關法規(guī)與監(jiān)管要求。

大模型極大地點燃了投資者對相關概念股的熱情，不過，也需要警惕“蹭熱點“的情況。在天使投資人、資深人工智能專家郭濤看來，對相關概念股，投資者需要仔細甄別是否具備相應實力。首先，可以觀察公司的業(yè)務布局和戰(zhàn)略規(guī)劃是否與金融大模型相關，是否有相關的技術和數(shù)據(jù)積累；其次，可以關注公司的合作伙伴和客戶情況，是否與金融機構有合作關系或已經(jīng)成功應用金融大模型的案例；此外，可以關注公司的財務狀況和業(yè)績表現(xiàn)。