隨著DeepSeek的爆火，大模型技術創新與應用落地快速發展。同時國務院國資委深化部署“AI+”專項行動，不僅加速了大模型在金融等關鍵領域的產業化進程，更為科技企業帶來前所未有的業務創新機遇。2025年政府工作報告進一步提出“持續推進‘人工智能+’行動”，強調數字技術與實體經濟深度融合的戰略方向，為大模型廣泛應用提供政策支撐。

在此背景下，中電金信依托其在金融科技領域的長期實踐積累，同時融合IDC 大模型研究的全球視角，聯合IDC發布了《中國金融大模型發展白皮書》。

白皮書在系統梳理了 AI 大模型整體發展現狀的基礎上，結合金融行業用戶的需求調研深入分析了場景落地過程中所面臨的挑戰和機遇，為金融行業全面擁抱智能時代機遇、構建可信AI能力基座提供戰略級行動指南。

金融行業：AI大模型研發與應用的先鋒，機遇與挑戰并存

AI大模型已經成為新質生產力的重要組成部分，國內外科技企業正加速布局。近兩年，金融行業在AI大模型的研發投入和應用方面亦走在市場前列。根據IDC數據顯示，2024年，中國金融行業AI and Generative AI投資規模達到196.94億元，到2027年將達到415.48億元，增幅達到111%。同時，金融行業屬于信息密集型、風險規避及強監管行業，在推進大模型落地過程中，相比其他領域，金融行業對數據質量、推理準確性及響應速度，以及在管控、合規、安全層面的要求都更高。同時，根據IDC調研數據顯示，數據治理、模型治理以及合規應用是金融機構落地大模型/生成式AI更需要關注的要素。當前，AI 大模型在金融行業的應用場景正從基礎走向復雜，加速向縱深方向拓展。

金融機構：因地制宜選擇大模型應用路徑，構建多元能力體系

當前，不同類型的金融機構在推進大模型的落地中，需根據自身戰略目標、業務需求、技術能力、資源稟賦、風險偏好來決定是否自主建設、基于已有模型微調，或是另辟蹊徑借助其他方式來汲取GenAI的能力。同時，IDC指出，金融機構在落地大模型的過程中，需要綜合考慮打造數據價值鏈管理、模型的選擇與部署、AI平臺搭建以及AI治理等要素能力。其中，數據價值鏈管理堪稱生成式 AI 在金融場景中釋放價值的基石，其核心目的是提升數據質量、數據可用性以及確保數據的合規獲取，助力金融機構針對不同的應用場景快速構建高質量的數據集，并為后續金融大模型的規模應用筑牢根基。

規模化應用：多模態技術、AI智能體引領變革，模型協同與生態共享成主流

隨著大模型技術的發展，大模型的參數規模也將顯著增長，多模態技術及智能體亦將在金融機構中深入應用。一方面，多模態之間的融合將使得AI大模型能更深刻地捕捉復雜場景背景、細節和情感，使其更快的感知和適應場景，并能應用于更加復雜的金融場景。另一方面，AI智能體通過“感知-認知-推理-決策-組織/行動”的閉環，及其在數據處理、智能決策與自然交互等方面的卓越能力，預示著它將在客戶服務、業務流程優化及業務效率提升等多個關鍵領域發揮核心作用，為金融機構帶來前所未有的價值創造。

此外，IDC認為，通過大小模型協同也能驅動金融機構在更加復雜的場景中應用。同時，通過構建大模型生態資源共享平臺，向金融機構提供大模型應用所需的全套資源，是金融機構大規模應用生成式AI的主要路徑之一。

AI領域競爭加劇，企業走向體系化競爭，以往“單品+生態”難以制勝，AI需要結合應用軟件方能滲透各個研發生產運營環節，實現業務價值。同時AI應用要構建在穩定、健全、安全的數字基礎設施之上，而不是自建一套新的孤立的智算技術體系。

在行業落地實現新一代人工智能應用時，需要的不僅僅是行業“大模型”，而是端到端的解決方案，即包含上層應用、訓練數據、底層算力、智能平臺以及工程實現，以此打通AI技術應用的“最后一公里”。

免責聲明：所載內容來源互聯網、微信公眾號等公開渠道，我們對文中觀點保持中立，僅供參考、交流等非商業目的。轉載的稿件版權歸原作者和機構所有，如有侵權，請聯系我們刪除。