10月17日下午，百度世界·金融大模型前沿发展论坛在北京召开，中国工程院院士邬贺铨与来自度小满、浦发银行、平安银行、光大银行、泰康保险等十余位金融行业高管共同探讨大模型如何落地应用金融行业。

　　“通用模型难以胜任金融域任务，金融大模型是大模型落地金融行业的必由之路”，度小满CTO许冬亮在会上表示。他认为通用大模型竞争格局已定，“大模型下一阶段的竞争是行业大模型的竞争”。
　　“大模型发展到现在，我们看到大家有着不同的切入思路，比如说从模型的层级结构上，有通用大模型、行业大模型、企业大模型、任务大模型等等；从技术路线上，有开源大模型和闭源大模型”，他建议金融机构应用大模型的路径首选在行业大模型基础上建立自己的企业大模型和任务大模型，“自己从头训练一个行业大模型，既不经济也非必要”。
　　许冬亮表示，“度小满金融大模型经过公司业务场景中沉淀的海量金融数据训练，并通过数百万节点的知识图谱增强了大模型的事理逻辑能力，平衡通用数据和金融数据的配比解决通用大模型的遗忘问题，对金融知识理解更专业、更精准，可控性、安全性更高”。
　　今年5月份，度小满开源了国内首个金融行业大模型，已经有上百家金融机构申请试用。9月份， C-Eval、CMMLU公布了大语言模型评测基准的成绩，度小满金融大模型在两大权威榜单上的所有开源模型中排名第一，也是国内首个同时在两大权威榜单排名第一的金融大模型。
　　大模型技术发展迅速，基于模型的应用也在快速迭代。许冬亮认为，基于大模型的应用跟企业业务场景结合越来越紧密，从最早的纯原生应用例如ChatGPT、文心一言到“应用+AIGC”，例如Office 365 Copilot，未来的应用趋势将是AI原生再造：深度融合业务场景、重构业务流程。
　　他认为在To B场景中，大模型创造商业价值，必须要深度植入业务场景，重构服务流程和用户体验。“只有注入场景数据，才能激发金融大模型的任务能力”。以信贷行业的智能营销助手为例，没经过场景数据训练的智能营销助手跟客户沟通“有额度为什么没有使用”时，如果客户表示原因是“额度太少”，营销助手就无法给出进一步的解决方案；而经过千万小时金融对话数据训练过的智能营销助手就可以进一步询问客户是否有证明资产情况的其他材料。
　　“基于大模型的营销助手，只有能给对客户提供有价值的解决方案，帮助客户解决问题，帮助企业提升业务转化率，才能形成‘「模型-业务」数据飞轮’，不断迭代提升模型效果”，许冬亮总结说。
　　“大模型正在为金融机构带来技术‘弯道超车’的窗口期，金融行业也将迎来大模型产业级应用落地的战略机遇期，”许冬亮预言，“但仅靠任何一家金融机构或科技公司都难以实现大模型的产业级应用，大模型的价值创造需要全行业共同参与”。
　　目前，度小满正在与百度云共建基于文心一言的金融行业解决方案。“我们希望能在文心一言的基础上，加上我们的金融数据和场景数据，实现模型与业务场景适配，让大模型从一个刚毕业的‘应届生’成长为企业的‘优秀员工’”。