Financial Technology 金融科技 36 国际金融 2024-10 INTERNATIONAL FINANCE AI 大模型在金融行业的应用前景及 潜在影响分析 ◎姚泽宇 苏杭 作者简介 ：姚泽宇，中国国际金融股份有限公司研究部执行总经理 ；苏杭，中国国际金融股份有限公司研究部分析师。 摘要：当前，金融机构主要将大模型应用于业 务场景简单的非决策类环节。本文从展业流程角度 务场景简单的非决策类环节。本文从展业流程角度 和业务场景角度系统梳理 AI 大模型在金融行业的 应用现状，并从应用趋势、赋能空间、产业格局三 个方面对大模型在金融行业应用趋势展开探讨，动 态、辩证分析大模型对金融体系的整体影响。本文 认为，监管机构、金融机构及技术服务商等各方可 通过加强合作、明确监管合规要求、完善风控制度 等降低大模型带来的相关风险；同时，针对未来大 模型广泛应用所带来的潜在风险也需提前讨论、积 极防范。 保险设计平台，其中大模型将应用于帮助精算师更 高效地获取信息，以及基于已有数据和知识库生成 多种保险方案。 二、大模型对金融行业未来发展可能 产生的影响 展望未来，伴随大模型能力提升以及在金融行 业进一步落地应用，大模型有望推动金融行业提升 效率，并给产业协作和行业格局带来深远影响。本 文从应用趋势、赋能空间、产业格局三个方面对大 模型在金融行业应用的发展趋势进行探讨。 （一）应用趋势展望：大小模型协同发展，

- 1 - 2025 年 5 月 12 日 第 14 期 总第 689 期 全球灯塔网络： 思维转变对数字化转型影响和规模的推动 【译者按】2025 年 1 月，世界经济论坛与麦肯锡联合发布《全球灯塔 网络》报告，总结了全球 189 家标杆工厂的转型成效。报告分析了跨行业 协作及 AI 技术对生产效率的驱动作用，确定其“价值回馈”的关键性策 略，包括预防流程债务、开发模块化资产、赋能一线员工及循环经济实践， 1-2 倍）。其核心策略为：预 防流程债务、夯实人/流程/技术能力、资产化推广（如模块化工 具）、本地化适配方案，确保技术实效落地（见图 4）。 - 9 - 图 4：灯塔工厂实施和保持大规模影响的方法 预防“流程债务” 在整个工厂范围内要进行哪些流程 变革并采用哪些解决方案？ - 了解“流程债务” - 优化信息流 - 设计数据流以支持人员和物料 投资自身能力 需要哪些人将数字化带到一线？ 推进灯塔工厂与企业团队的数字化转型，贵公司新增哪些关键职能岗位？” 西门子等企业的生产现场负责人正重掌先进技术方案确定与 整合的主导权。行业焦点有两大关键领域：一方面通过技能升级， 使一线岗位适应未来技术对工艺流程的影响；另一方面借助低代 码和无代码等技术工具，赋能非技术员工成为能够创建、修改及 优化应用程序的业务用户。 （三）通过资产化扩大规模 资产化通过开发可复用的数字化资产，系统化推动组织转型。 早

趋势 5 数字化转型的核心变革： 利用新一代ERP解锁未来的优势 32 2025年趋势追踪 趋势6 矿业及金属行业的智慧运营： 数据驱动的优势 39 趋势 7生成式AI对矿业及金属行业劳动力的影响： 发展有效的再培训策略 46 趋势 8推进净零排放进程： 协作应对气候变化 54 趋势 9 使ESG策略更加以价值为导向： 驱动目标与进展 61 趋势 10 创造自然竞争优势： 2:塑造关键矿产供应链 趋势 3:驱动增长，提升韧性 趋势 4:利用人工智能提升矿产勘探 趋势5:数字化转型的核心变革 趋势 6:矿业及金属行业的智慧运营 趋势 7:生成式AI对矿业及金属行业劳动力的 影响 趋势 8:推进净零排放进程 趋势 9:使ESG策略更加以价值为导向 趋势 10:创造自然竞争优势 全球及中国联系人 作者与致谢 趋势 1 引领矿业及金属行业步入新时代:依托前瞻性 领导力， 覆性技术的涌现，以及对践行 多元化、公平性与包容性（DEI）的呼吁，还包括供应链中断等问题。 在过去，企业的架构和管理模式往往旨在维系企业相对稳定。如今，企业的盈利能力、可 持续性以及其在社会中的影响力，可能更多取决于其适应变化的能力。 举例而言，Z世代即将成为全球矿业及金属行业劳动力的重要组成部分，他们极具目标导 向性；德勤全球发布的《2024年Z世代与千禧一代调研报告》显示，50%的Z世代和43%的

Strategy& 4 5 3 关于汽车领域的AI假设 人工智能的能力正从生成式AI发展到代理式AI，然而实现盈利效果的进程比乐观者所希望的更长。 最高短期影响体现在客户支持/体验、软件开发和选定的企业职能上。 人工智能在超越传统“建设方法”的合作伙伴关系中大规模释放其潜力。 赢家从基础人工智能工作开始，迅速聚焦于主要成本/收入类别，并与合作伙伴生态系统高效扩展。 1 人工智能浪潮正在来袭，其影响并不像预期的那样显著。 2000 2020 2025 2030 1997 – 2011 – 2020 – 2024/2025 – 2014 – 2022 – • • • 4 现实的AI演变场景需要首席执行官们立即采取行动 人工智能预期影响的演变 人工智能正从炒作走向现实，尽管采取行动的紧迫性仍然很高。 人工智能正从炒作走向现实，尽管采取行动的紧迫性仍然很高。 预期 影响 物理/类似人类的AI 生成式/代理式人工智能 狭窄/敏锐的AI 颠覆性的 情景 新一代 人工智能作为最高发展阶段 人工智能（AI）策略所需以应对风险 风险规避与业务连续性 – 与人工智能努力的快速加速 利用机会之窗 OpenAI 发布 ChatGPT OpenAI 发布 生成式人工智能 GPT3 基底 情景 监管或成本阻碍

披露规则提案和ISSB标准) 75% 的投资者希望公司报告 履行其设定的可持续发 展承诺所需要的成本 75% 的投资者希望公司报告 可持续性风险和机遇对 相 关 财 务 报 表 假 设 的 影响 75% 的投资者希望了解一家 公司对环境和社会的影 响 ， 该 比 例 较 2022 年 （2/3）上升 来源: PwC’s 2023 Global Investor Survey, PwC’s 的投资者希望公司报告 实现承诺的路线图 75% 的投资者一致认为，公 司如何管理与可持续发 展相关的风险和机遇对 其决策很重要 75% 的想要了解可持续性影 响的投资者中，表示公 司应该披露其受到影响 的货币价值，该比例较 2022年（66%）上升 85% 的投资者表示，合理的 保证将在一定程度上、 很大程度上或非常大程 度上给他们对可持续性 报告的信心 ESG重塑我们衡量价值的方式 可持续性愈加重要：投资者持 CSRD：虽然只在欧盟内 部采用，但全球公司都会 受到它的影响 ISSB：已表示将采用/正 在进行可行性研究的国家。 未来目标：扩展至全球 SEC: 等待最终确定，将 影响许多美国以外的公司 此外: 加利福尼亚州SB253 和 SB261 ： 将 影 响 全 球 公司 SEC ISSB CSRD 人们认为的影响范围： 实际上的影响范围： 4 普华永道 | 企业可持续发展报告指令（CSRD）

年钢铁行业分析 2024 年，中国粗钢产量同比小幅下降，钢铁行业下游需求疲弱，供给端相对处于 过剩态势，原燃料价格虽有下降，但成本端降幅不及钢材价格降幅，钢铁行业整体盈 利水平持续下行。受供需关系影响，铁矿石和焦炭价格均呈现波动下行态势；房地产 投资持续下滑，但制造业和基建投资对用钢需求提供重要支撑，钢铁产品结构持续调 整。 预计 2025 年中国钢铁行业将延续供需双弱的格局，钢材价格预计维持震荡走势， 钢铁是重要的基础原材料，行业具有典型的强周期属性。钢铁行业的供给受 下游需求和行业政策影响很大。 2022－2024年，中国粗钢产量分别为10.13亿吨、10.19亿吨和10.05亿吨，呈波 动下降趋势。从月度走势看，2024年1－4月，受下游有效需求不足及春节后需求启 动延缓等因素影响，粗钢产量低于上年同期值；5－6月，随着国内房地产利好政策 效应的不断释放，钢材边际需求改善， 2024年以来，房地产投资持续下滑，受供需关系影响，铁矿石和焦炭价格均 呈现波动下行态势；制造业和基建投资对用钢需求提供重要支撑，钢铁产品结构 持续调整。 黑色金属产业链包含由上到下众多的行业，钢铁行业作为产业链的中游行业， 与上下游产业的相关性很强。上游铁矿石、焦炭等原燃料价格变化直接影响到行 业的成本情况，下游房地产、基建、机械、汽车及家电等行业的需求变化也会对钢 铁行业景气度产生直接影响。 （1）铁矿石

和公共服务的同时也是主要的碳排放源头之 一。因此，科学地评估园区的低碳发展水平成 为了“双碳”战略下一个重要的话题。对此， 我们建立并使用了中国园区低碳发展进程评估 框架（PDI），从表现力、发展力和影响力来 全方位衡量园区低碳发展的成效，希望可以为 园区提供参考借鉴。 基于对 32 个园区的调研，我们发现园区在低 碳发展上普遍面临的三方面挑战： • 驱动力不足：当前，园区对自身碳排放的掌 低碳技术创新尚未完全发挥作用 - 15 行业案例分析 - 26 表现力洞察：产业、能源结构调整与循 环经济是推动降碳的主要抓手，而碳盘 查与数字化监管尚缺位，园区难以精准 科学地推动降碳 - 07 影响力洞察：绿色制造、绿色金融、社会 行动等低碳软实力还未获得充分的重视 - 20 园区低碳发展建议 - 32 目前园区层面系统性的低碳发展政策尚待建立 创新载体建设是园区推动技术减碳的抓手，但 中国园区低碳之路的先行者 实现园区和园区中工业产业的深度减排是中国低碳 发展进程中一个极具挑战的关键议题，近期发布的 《工业领域碳达峰实施方案》已指出要打造绿色低 碳工业园区。 现力、低碳发展力和低碳影响力三个维度立体衡量各 个园区低碳发展的情景，共设置 9 个二级指标、14 个三级指标及 24 个表征指标对技术、经济和社会等 不同维度上的低碳特征表现进行评估。 2005 《关于加快发展循环经济的

2050 罗兰贝格罗兰贝格 | | 2 2 公开可用的来源 ， 使我们的分析可验证 • 我们故意使用 当然 ！ 冠状病毒 pandemic 和乌克兰战争对全球产生了深远的影响，深刻地影响了人们、经济和政治格局。然而，这两件事件并未颠覆本报告中分析的宏观趋势 ——这正是宏观趋势的本质所在：气候变化、社会老龄化或技术创新等趋势不会失去其动力、方向或重要性。为了应对这些挑战并把握由此产生的机遇，我们对宏观 引领更多 差异化产品以及可能关联的服务和产品生态系统——创 新方面 公司配置 可以细分为业务模型、网络、结构和 流程创新。此类内部创新提供 关键的下游效应 ， 使 其他领域的创新 - 创新 用户体验 直接影响客户，例如 公司的公众形象或声誉。服务创新、渠道创新、品牌建 设和客户参与等方面的创新均属于此类创新。 100 75 50 25 0 2.5 % 13.5 % question whether the 扩散 创新有 加速 时间仍然开放。 一些分析 这表明是这种情况 ， 但他们 有分析的弱点 采用者的份额 [%] 创新市场份额 [%] 要对社会和经济产生影响 ， 创新需要 达到临界质量 5.2 前沿技术 5.3 人类与机器 5.1 创新的价值 技术与创新 达到临界质量(早期多数) ： 克服 “营销鸿沟 ” • In 1962, Everett

再次提出了关于新兴能源使用的问题 技术。在这种情况下 ， 批评家推测 AI 的快速采用 数据创新中心 1 再加上深度学习模型规模的增加将导致 能源使用的大量增加 ， 具有潜在的破坏性 环境影响。8 然而 ， 与过去的技术一样 ， 许多 关于人工智能消耗能源的早期说法已被证明是 夸大和误导。本报告概述了辩论 ， 包括一些早期的失误以及它们是如何形成的 政策对话 ， 并澄清人工智能能源的记录 需要大量的能源 训练这个特定的 AI 模型是正常的 ， 尽管这个估计很清楚 指的是一个非典型的例子。这就像一个汽车新闻媒体 发表一篇文章 ， 建议 “驾驶汽车排放的碳与 一架飞机 “仅基于一项研究环境影响的研究 飞行汽车的原型。 此外 ， 原始的研究论文和随后的新闻 文章经常指出 ， 虽然大型人工智能模型的性能优于现有的 在语言翻译基准测试中 ， 改进只是 边际。这意味着人工智能研究人员正在做琐碎的事情 ”15 他们认为这是 “环境种族主义 ” 富裕的西方国家部署更大的 AI 模型 ， 因为这些 AI 系统将对全球贫困社区产生负面影响 南方。具体来说 ， 他们写道: 例如 ， 问马尔代夫的居民是否公平或公正 （ 到 2100 年可能会在水下 ） 或苏丹的 80 万人 受严重洪水影响的培训和环境代价 部署越来越大的英语 [语言模型] ， 当类似的大 - 没有为 Dhivehi 或苏丹阿拉伯语生产比例模型