| 序號 | 模型名稱 | 所屬企業(yè) | 產(chǎn)品特色 |
|---|---|---|---|
| 1 | 盤古金融大模型 | 華為 | 覆蓋智能客服、信貸報告生成、智能編程助手等全場景金融應(yīng)用 |
| 2 | 無涯Infinity | 星環(huán)科技 | 專注智能投研，支持股票/債券/基金等市場事件的分析與推理 |
| 3 | 拓天大模型 | 拓爾思 | 面向媒體與金融領(lǐng)域，提供智能采編、審計助手等功能 |
| 4 | 奇富GPT | 奇富科技 | 覆蓋獲客、風(fēng)控、貸后服務(wù)等金融全流程 |
| 5 | HithinkGPT | 同花順 | 集成智能投顧、自然語言處理、輿情分析等功能 |
| 6 | 妙想大模型 | 東方財富 | 聚焦金融知識解讀、計算與投資決策支持 |
| 7 | Light-GPT | 恒生電子 | 支持投研、投顧、量化交易等核心金融場景 |
| 8 | 通義點金 | 阿里云 | 實時市場數(shù)據(jù)分析，助力用戶對話金融世界 |
| 9 | 軒轅大模型 | 度小滿 | 千億級開源模型，強化金融名詞理解與數(shù)據(jù)分析能力 |
| 10 | 天鏡大模型 | 馬上消費 | 零售金融場景應(yīng)用，意圖理解準確率超90% |
| 11 | AntFinGLM | 螞蟻集團 | 理財選品、資產(chǎn)配置、智能核保等保險與理財服務(wù) |
| 12 | K-GPT | 金證股份 | 智能投行、合規(guī)與客服場景應(yīng)用 |
| 13 | 混元金融大模型 | 騰訊金融科技 | 具備多輪對話、邏輯推理、金融數(shù)據(jù)可視化等能力 |
| 14 | 智譜華章 | 智譜AI | 金融代碼開發(fā)與知識檢索 |
| 15 | 靈犀AI Agent | 嘉銀科技 | 算力與網(wǎng)絡(luò)優(yōu)化支持 |
| 16 | 眾安大腦大模型 | 眾安科技 | 聚焦保險理賠與風(fēng)控場景 |
| 17 | 智能投研助手 | 海通證券 | 研究報告自動生成與投資策略優(yōu)化 |
| 18 | 工銀星辰大模型 | 中國工商銀行 | 千億級參數(shù)規(guī)模，覆蓋遠程銀行、信貸風(fēng)控、金融市場等場景 |
| 19 | 言犀金融 | 京東科技 | 覆蓋智能投顧、產(chǎn)品營銷、供應(yīng)鏈金融等場景，支持多模態(tài)交互 |
| 20 | 麒麟大模型 | 有連云 | 融合DeepSeek等通用模型，支持ETF營銷與投顧決策 |
| 2025.05 DBC/CIW/CIS | |||
2025年，中國金融行業(yè)正經(jīng)歷著由政策引導(dǎo)與技術(shù)革新共同驅(qū)動的深刻變革。國家金融監(jiān)督管理總局、中國人民銀行等部門密集出臺《消費金融公司監(jiān)管評級辦法》《推動數(shù)字金融高質(zhì)量發(fā)展的行動方案》等政策文件，構(gòu)建起"安全穩(wěn)妥有序推進"的監(jiān)管框架。這些政策不僅明確了金融數(shù)字化從"立柱架梁"到"積厚成勢"的轉(zhuǎn)型路徑，更將AI大模型應(yīng)用提升至戰(zhàn)略高度，要求金融機構(gòu)在智能客服、風(fēng)險管理、反欺詐等核心領(lǐng)域深化技術(shù)融合。
金融大模型的參數(shù)規(guī)模不斷擴大，性能不斷提升，多模態(tài)技術(shù)、AI 智能體等前沿技術(shù)在金融領(lǐng)域的應(yīng)用逐漸增多，使得金融大模型能夠處理更加復(fù)雜多樣的金融數(shù)據(jù)和業(yè)務(wù)場景。其應(yīng)用已廣泛覆蓋金融機構(gòu)的多個業(yè)務(wù)領(lǐng)域，包括內(nèi)部運營、信息處理和業(yè)務(wù)決策等。在內(nèi)部運營方面，實現(xiàn)了文案生成、代碼生成、翻譯等通用類場景的智能化處理，提高了工作效率和質(zhì)量。在信息和業(yè)務(wù)處理方面，能夠進行智能化知識抽取、金融知識的理解和生成、政策研報解讀等，為金融機構(gòu)提供了更準確、更深入的市場和業(yè)務(wù)信息。在管理和業(yè)務(wù)決策方面，信貸審批、理財投顧等決策類場景的應(yīng)用不斷深化，幫助金融機構(gòu)做出更科學(xué)、更精準的決策。典型案例印證了技術(shù)落地的深度：陸金所控股推出的"智盾"智能盡調(diào)系統(tǒng)，通過多模型串聯(lián)機制實現(xiàn)材料分析準確率93%，照片識別準確率99%，使小微企業(yè)信貸審批周期從7天縮短至2小時。中信建投證券打造的金融產(chǎn)品學(xué)習(xí)平臺，結(jié)合OCR多模態(tài)文檔解析與ASR語音識別技術(shù)，將產(chǎn)品培訓(xùn)時間壓縮80%，銷售團隊知識獲取效率提升70%，直接推動金融產(chǎn)品銷售業(yè)績增長20%。
在風(fēng)險控制領(lǐng)域，微眾銀行運用通義千問大模型進行信貸風(fēng)控，不良貸款識別準確率提高28%；螞蟻集團"仿金融專家多智能體協(xié)同推理"系統(tǒng)，在汽車分期業(yè)務(wù)中通過10余層推理環(huán)節(jié)，將用戶需求識別精度提升至95%。這些實踐表明，大模型正在重構(gòu)金融風(fēng)險管理的技術(shù)范式。
結(jié)語
未來，多模態(tài)融合技術(shù)預(yù)計使醫(yī)療診斷準確率提升25%、工業(yè)質(zhì)檢效率提高45%，金融領(lǐng)域或?qū)崿F(xiàn)文本-圖像-語音的跨模態(tài)風(fēng)險評估；開源生態(tài)蓬勃發(fā)展，中國主導(dǎo)15%的AI國際標準制定，為中小金融機構(gòu)提供技術(shù)普惠路徑；監(jiān)管科技（RegTech）創(chuàng)新加速，大模型驅(qū)動的合規(guī)審查系統(tǒng)已實現(xiàn)99%的合規(guī)內(nèi)容覆蓋。挑戰(zhàn)同樣不容忽視：85%的企業(yè)數(shù)據(jù)未標準化，專業(yè)領(lǐng)域可用數(shù)據(jù)缺口達40%，數(shù)據(jù)治理成為制約因素；算法黑箱問題要求建立"感知-認知推理-決策"的全鏈路可解釋性框架；人才結(jié)構(gòu)性短缺迫使行業(yè)探索"業(yè)技融合"機制。這些挑戰(zhàn)倒逼金融機構(gòu)在技術(shù)創(chuàng)新與風(fēng)險防控間尋求動態(tài)平衡。這場靜默的革命，終將重塑金融服務(wù)的邊界與內(nèi)涵。
（文/布萊恩特）
e-Mail：lab@enet16.com
