新华网北京2月7日电（赵海军）金融行业作为AI大模型落地应用的最优场景之一，市场规模正在呈现快速增长的趋势。凭借在专业性、实用性、低成本等方面的优势，金融大模型正在逐步成为金融机构数智化转型中的核心支持工具。而随着生成算法、预训练模型、多模态数据分析等AI 技术的融合，大模型技术在金融行业的应用日趋广泛。

随着金融行业的数字化转型加速，金融机构对金融科技的资金投入逐年增长，进一步加速了金融大模型的研发与应用。金融行业的信息密集型和监管合规要求使得金融大模型 不仅需要优化业务流程，还在合规审核、数据安全等方面展现出显著的实用价值。国内科技巨头和金融机构纷纷布局金 融大模型领域，工商银行、农业银行、恒生电子、腾讯等均推出金融行业大模型，应用于智能投研、客户服务、风险控制等领域。

目前，金融行业大模型的应用已经展现出较高的灵活性和适用性。其“小而精”的结构特点不仅有助于模型在外部环境变化时快速调整，保障金融机构的高效运营需求，同时也降低了模型的后续维护和升级成本。金融大模型凭借在专业性、实用性、低成本等方面的优势，正在逐步成为金融机构数智化转型中的核心支持工具。

据赛迪四川测算，国内行业大模型市场规模从2020年的18亿元增长至2023年的147亿元，年均增长率接近100%，呈现指数级增长趋势，预计在2028年有望突破1000亿元。在政策支持和市场需求的双轮驱动下，预计到2027年，我国金融行业大模型市场规模将突破200亿元，从2022到2027年复合年均增长率超过70%。

从实际应用来看，金融行业大模型主要有五大场景：

投资研究和智能投顾。金融大模型通过高效的信息检索和智能生成能力，实现了从数据收集到分析报告生成的全流程自动化。

理财经理陪练。基于大模型技术可以开发智能学习与训练平台，即智能陪练平台。智能陪练专注于提升员工在多个业务场景下的知识储备与实战能力，涵盖新员工入职、新业务开展、新产品发行以及员工能力进阶等场景。

合规审核与风险管理。金融大模型的应用可以大幅提高金融机构对复杂合规要求的应对能力。在信贷风控和反洗钱等场景中已获得初步应用，帮助金融机构有效识别潜在风险，确保业务合规。

客户服务与运营支持。基于智能问答和语义理解，大模型可实现多渠道的客户咨询自动化，解答涉及账户管理、投资产品咨询等高频问题。

资产管理与市场监控。金融大模型通过多模态数据融合技术，能够同时处理文本、图表等多类型数据，从而生成高质量的市场分析报告。

从发展趋势看，金融大模型正在向“轻量化”与“高效化”发展，提升资源利用率。随着金融行业对大模型需求的增长，算力和成本成为重要的制约因素。为提升模型的可用性，金融大模型正向轻量化模型发展，通过模型压缩、知识蒸馏等技术，保持性能的同时降低资源消耗。特别是在实时决策和移动应用中，轻量化的大模型能够更灵活地响应数据处理需求，为中小型金融机构降低接入门槛。

目前在金融分析中，使用大模型时需谨慎评估其适用性。例如金融资产配置是一个高度专业化的领域，要求深厚的背景知识。对于大多数金融机构而言，短期内大模型的应用可能主要局限于语言处理技术，尚不能完全替代专业的金融分析。因此，确保合规性和准确性仍需依赖于专业人士的判断和审核。目前，大模型主要用于辅助基金经理、分析师和投资顾问，以提升工作效率。

业内人士认为，过度依赖大模型可能带来潜在风险，尤其是在较为复杂的传统业务链条中，存在应用效果与实际业务需求脱节的风险。如何在创新和传统业务模式之间找到平衡成为当前金融行业面临的挑战之一。