AI金融行业报告：AI金融大模型的两条技术路线（27页）

当前AI与金融的结合主要有两条技术路径：①通用模型+金融语料训练金融大模型，②金融垂类大模型。1）双方优劣具有相对性。通用大模型 优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。2）通用大模型通过金融语料训练超越金融垂类模型 可能性较小。通用大模型在行业数据量，性价比，精确性、适用性、实时性、推理速度，合规性和风险控制等方面表现欠佳。 通用大模型“百模大战”，头部模型国外领先较大，平均水平国内外差距较小，中文上国内表现更优。1）国外通用GPT4-Turbo遥遥领先。 OpenAI震撼发布GPT4-Turbo，开启新一代人工智能模型的大门；谷歌将在谷歌云上部署 Claude，并于推出自研的大模型LaMDA 的聊天机器人 Bard；AWS 推出自有基础模型 Titan 和 AIGC 服务 Bedrock，以及 AI 编程助手 Amazon CodeWhisperer。Anthropic推出Claude，是最接近ChatGPT 的商业竞品；xAI发布其首个AI大模型产品Grok，模型通过X平台实时了解世界，GrokV1.5或于2024年3月发布。2）国内通用百度先行，多家企 业推出相关产品。百度推出“文心大模型”，是目前国内预训练大模型应用端生态最好的大模型之一；阿里发布通义千问2.0，专业维度能力较 强；vivo发布BlueLM大模型，应用的场景广泛；月之暗面发布Moonshot大模型，目前位于第一梯队。3）在金融领域中，通用模型应用表现各有 差异。其中GPT系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 金融垂类模型国外发展先行，国内成品问世。1）国外彭博BloombergGPT率先登场。BloombergGPT的混合训练方法使其模型在金融任务上的表 现大大超过了现有的大语言模型，而在通用场景上的表现则与之相当，甚至优于现有模型。AI4Finance Foundation开发FinGPT，为金融大型语言 模型提供互联网规模的数据，以此推动金融领域的开源发展。2）国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业通用大模 型“奇富GPT”；度小满推出国内首个千亿级中文金融大模型“轩辕”；腾讯云公布腾讯云金融行业大模型，TI-OCR大模型帮助银行解决日常业务问 题；恒生电子进一步升级金融大模型LightGPT，并发布多款光子系列大模型应用产品；蚂蚁集团公布蚂蚁金融大模型，在多项金融专属任务中表 现突出；东方财富、同花顺加大AI研发技术投入，筹建人工智能事业部，重点推进金融垂直大模型研发应用。