1、开启智能金融新时代 中 国 金 融 大 模 型 发 展 白 皮 书目录核心观点第一章 百舸争流：AI大模型发展概述.AI大模型与新质生产力.国内外AI大模型的发展现状.AI大模型应用发展整体现状第二章 聚焦行业：金融行业大模型概述.金融行业大模型应用的特殊性.金融行业大模型应用落地面临的挑战第三章 落地进展：大模型催生效率变革 金融行业务实求效.大模型在金融行业的典型应用场景梳理.生成式AI在金融行业场景应用流程梳理第四章 金融行业大模型的应用路径与关键能力.金融机构落地大模型的应用路径.金融机构选择或部署大模型时的关键能力要素第五章 展望未来：金融行业大模型的发展趋势.大模型技术创新与发展趋

2、势.行业应用场景的拓展趋势第六章 关于中电金信.中电金信公司介绍.中电金信人工智能产品及能力介绍.中电金信AI大模型在金融行业的服务案例核心观点AI大模型成为新质生产力的重要组成部分，国内外科技公司正加速布局AI大模型已成为新质生产力的重要组成部分，能够大幅提高生产效率，优化资源配置，降低生产成本，为企业高质量发展提供强大的技术支持和动力。当前，美国、中国、日本、欧盟等全球主要地区的科技公司正加大大模型技术的创新及应用。在未来GenAI投资分配上，中国和全球企业几乎都会平均分配在生产力提升应用场景、跨行业水平职能应用场景、以及垂直行业专属应用场景上。金融行业AI大模型的研发投入和应用较为显著，

3、且具有一定的应用特殊性和应用挑战近两年，金融行业在AI大模型的研发投入和应用方面亦走在市场前列。根据IDC数据显示，年，中国金融行业AI and Generative AI投资规模达到.亿元，到年将达到.亿元，增幅达到%。同时，金融行业属于信息密集型、风险规避及强监管行业，在推进大模型落地过程中，相比其他领域，金融行业对数据质量、推理准确性及响应速度，以及在管控、合规、安全层面的要求都更高。同时，根据IDC调研数据显示，数据治理、模型治理、以及合规应用是金融机构落地大模型/生成式AI更需求关注的要素。AI大模型在金融行业的应用场景正从简单到复杂加速分步推进IDC认为，生成式AI的行业应用往往都

4、是循序渐进的过程，一般是逐渐从内部辅助运营到外部对客提效、从业务边缘到核心，相应地AI对金融机构的价值也逐渐增大。在未来个月内，支付清算、智能投研、内部研发（代码生成、测试等）、数据分析（报表生成与分析、数据建模、数据决策等）、欺诈/洗钱/威胁监测、资产管理（资产尽调、资产评估及定价等）是金融机构主要的落地场景。在应用流程方面，IDC认为，金融行业生成式AI应用场景的落地可以从场景应用评估与选择（如技术解决方案评估、项目管理及风险评估、投资回报分析）、以及面向场景的工程化落地（如模型选择、技术路线、数据及算力准备、模型训练及调优、以及系统集成与部署、组织协同等）等层面分步推进。金融机构应根据其

5、资源能力选择不同的大模型应用路径，并需打造多样化的能力要素当前，不同类型的金融机构在推进大模型的落地中，有着不同的路径选择，其可根据自身战略目标、业务需求、技术能力、资源禀赋、风险偏好来决定是否自主建设、基于已有模型微调，或是采用其他方式来利用GenAI能力。同时，IDC认为，金融机构在落地大模型的过程中，需要综合考虑打造数据价值链管理、模型的选择与部署、AI平台搭建、以及AI治理等要素能力。尤其是在数据价值链管理方面，IDC认为，金融机构的数据价值链管理是生成式AI在金融场景中有效发挥价值的基石，其核心目的是提升数据质量、数据可用性以及确保数据的合规获取，有利于金融机构面向不同的应用场景快速

6、构建高质量的数据集，并为后续金融大模型的规模应用奠定坚实的基础。多模态技术、AI智能体、以及通过大小模型协同应用和构建大模型生态资源共享平台是金融机构落地大模型的主要趋势随着大模型技术的发展，大模型的参数规模也将显著增长，多模态技术及智能体亦将在金融机构中深入应用。一方面，多模态之间的融合将使得AI大模型能更深刻地捕捉复杂场景背景、细节和情感，使其更快的感知和适应场景，并能应用于更加复杂的金融场景。另一方面，AI智能体通过“感知-认知-推理-决策-组织/行动”的闭环，及其在数据处理、智能决策与自然交互等方面的卓越能力，预示着它将在客户服务、业务流程优化及业务效率提升等多个关键领域发挥核心作用，