2024年中国金融大模型
产业发展洞察报告
部门：TMT金融组 署名：孙石琦?2024 iResearch Inc.
CONTENTS
目 录01 中国金融大模型产业发展背景介绍
Background02 金融大模型结构特征与优势能力分析
Product Mix and Advantages
03 中国金融大模型产业卓越者评选
Outstanding Enterprises
04 中国金融大模型产业未来趋势预判
Industry Development Trends
05 中国金融大模型产业专家之声
Industrial Experts‘ Insights

201中国金融大模型产业
发展背景介绍
Background
3技术崛起：大模型迭代历程回顾
多技术聚积融合推动大模型能力逐步完善，实现从“专用智能→通用智
能→专业化智能”的模式转变
随着生成算法、预训练模型、多模态数据分析等AI技术的聚集融合，AIGC技术的实践效用迎来了行业级大爆发。在内部模型迭代与
多技术协同的作用下，以“大规模”+“预训练”为核心的大模型产品，逐步由Transformer基础架构走向集图像识别、语义理解、
视觉感知于一体的多模态、全应用模型体系，以产品化、业务化模式实现AIGC能力的进一步释放。与此同时，通用大模型技术的成
熟推动了新一轮行业生产力变革，凭借其在场景泛化、技术涌现、强计算能力等方面的优势，大模型为多行业的发展带来了工业革
命级生产能力的提升。随着专业化应用进程的推进，通用大模型在解决特定场景的专业化问题时暴露出部分局限性问题，行业深度
信息的缺失导致其很难在专业领域提供高价值的服务，此外，通用大模型对于数据、算力的较高要求也提升了其在细分领域落地应
用的门槛，相比之下，在专业度及成本方面更具优势的垂类大模型或将成为未来大模型技术落地应用的核心方式，预计未来5年，服
务于特定行业的垂类大模型将实现超80%的专业领域覆盖，大模型能力将以专业化定制产品的方式为更多垂类专业领域赋能。
大模型技术迭代与产品模式应用分析
2010年—2017年2018年—2022年2023年—2028年（预计）基础架构确立
通用大模型建设
特定领域专用模型应用
从专用智能走向通用智能
? 通过在原有大模型的基础上增加对话、图像识别、
视觉理解、语音感知等能力，由单一模态逐步迈
向多模态应用。
? 谷歌发布Transformer架构，为后续LLM、
? 以GPT为例，实现由Transformer到GPT1/2/3/4GPT的建设提供基础的框架支持。
再到GPTs生态的建设。
? Diffusion扩散模型作为面向视觉计算的生
成式模型，在图像创作、音频生成等方面
提供了创造性解决方案。
技术兴起期 加速迭代期 产品建设期产业大模型应用
从通用智能走向专业化应用
? 自2023年起，国内外多家科技
企业推出针对特定专业领域应
用的产业大模型产品，依托自
身专业领域特征及通用大模型
建设基础，推动大模型技术实
现产业落地应用的最后一环。
垂类应用期通用大模型
以其涌现性与泛在化能力，
为多行业发展提供全新生产
力与创造力支持。
产业大模型
聚焦于大模型在特定行业下
的垂类应用，为行业提供高
价值、专业化服务。
- 结合特定领域数据进行通用大模
型微调，增强模型的领域适应性。注释：各类模型的应用阶段描述仅为该阶段行业内最主流的模型应用，并不代表该阶段仅存在一种或两种模型形式以及该模型形式仅存在于该段时期；
来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制
?2024.9 iResearch Inc. www.iresearch
4能力适配：大模型与金融数智化高度适配
大模型技术特征与金融业务数智化需求具有较高适配度，如何低运营成
本的获取高价值大模型服务是金融行业大模型应用关注的核心问题
大模型技术的产业化应用——业务需求与技术能力的匹配 行业需求 技术能力
金融行业数智化转型发展需求 大模型的深度学习与智慧涌现应用
? 金融行业的数据要素应用需求? 大模型的复杂信息处理能力
? 金融行业属于数据、信息密集型产业，对于多渠道信
息汇总及数据处理能力有较高要求，随着近年金融数
据升级成为“第五生产要素”，数据在金融场景的应
用得到了空前的重视。? 大模型是拥有巨大参数量和计算能力的深度学习模型，
在自然语言的处理、计算机视觉应用、知识图谱问答等
环节具有强大的数据处理与分析能力，结合深度神经网
络结构，实现非结构化数据及复杂语句的理解与表达。
? 基于经验的复杂决策制定
? 金融行业的众多业务场景对于从业人员的专业能力提
出了基于专业知识储备与过往经验积累的双重要求，
以满足金融业务对于精准快速的有效判断以及高质量
代码、文案产出的需求。? 大模型的涌现能力
金融行业数智化需求
? 随着模型规模的提升，模型的性能将在突破某个临界阈
值后显著提升到高于随机的水平，为用户提供基于原始
数据与经验的创造性解决方案，包括上下文学习能力、
知识容量扩展、泛化应用能力及复杂推理能力等。
与大模型技术特征相契合金融行业大模型技术应用
? 大模型技术为金融行业提供全新生产力
? 大模型在复杂信息处理与智慧涌现方面的特征与金融业务的数智化转型需求高度匹配，业务场景中面临的海量数据分析、交易决策制
定、个性化投资建议等环节对于金融从业者的专业知识储备与经验判断提出了较高要求，而大模型的应用能够优化数据处理模式，降
低人力错误，并在关键决策的判断上给予金融从业者系统性支持，以技术能力重塑金融业务流程。
? 通用大模型在金融领域的应用存在弊端
? 大模型的学习能力与泛化能力决定了其可以服务于多个领域，但在专业要求高的领域通用大模型技术很难提供高价值服务；此外大模
型产品的高运维成本也将成为业务场景实际应用的阻碍。 来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制
?2024.9 iResearch Inc. www.iresearch
5