银行作为数据密集型行业，是大模型应用落地的最佳选择。
一方面，银行具备数字化基础，沉淀海量数据，例如交易数据、风控数据、贷前报告、贷后分析等，成为大模型落地的良好基础，另一方面，随着银行数字化转型进入深水区，人工智能的应用从可选项变为必选项，在经营策略、知识管理、运维支持等场景方面，亟需利用大模型技术提高人工效率。
和传统机器学习相比，大模型具备强大的通用能力和创作能力，可以通过聊天交互模式，协助完成文案撰写、文档审核、代码生成等各类智力性和创造性工作。
但大模型的应用仍然不够成熟，一方面大模型本身存在应用成本高、答非所问、科技伦理、数据隐私等风险，另一方面国内大模型在逻辑推理任务上表现一般，不适合太复杂的推理类场景。
目前，头部银行已经开始搭建大模型体系，探索在客服、办公、研发等内部场景的落地应用，并初具价值。
例如建设银行在金融量化分析场景中利用大模型实现研报生成、市场热点及情绪分析、抽取研报因子、自然语言编写因子、解释因子等；
工商银行利用大模型开发编码助手，具备代码生成、代码识别与检测、代码转自然语言等能力，目前编码助手生成代码量占总代码量的比重已达到40%，有效提升一线开发人员编码效率和质量。
短期来看，大模型将在银行内部以助手形式、人机协同等方式，提高业务人员的工作效率，长期来看，随着大模型技术的成熟，大模型有望实现对客直接使用，在银行营销、风控等更多场景发挥价值。
沙丘社区通过研究中国农业银行、中国工商银行、中国建设银行等国有大行当前在大模型领域的应用探索，旨在为其他银行大模型应用提供参考。
▎案例一：中国农业银行ChatABC大模型应用体系建设实践
银行自研大模型需要具备一套完善的大模型应用体系，农业银行ChatABC大模型应用体系包括算力、数据、大模型资产、统一平台工具、规范、配套和应用生态，为大模型应用提供支持。本文旨在为金融机构构建高效的大模型应用体系提供参考。
免费申请获取完整版案例
工商银行在远程银行、智慧办公、研发等企业内部场景进行了大模型应用的初步探索，通过聊天交互模式，协助用户完成文案撰写、文档审核、代码生成等各类智力性和创造性工作，并基于实践总结出一套银行大模型建设路径。本案例旨在为金融机构大模型应用提供经验借鉴。
免费申请获取完整版案例
国内大模型当前在复杂的逻辑推理任务上表现一般，建设银行将大模型应用于智能文档分析、辅助智能客服、舆情分析等国内大模型更加擅长的领域。本文介绍了建设银行对各类大模型的评测结果以及大模型训练过程，为金融机构大模型应用提供参考。
免费申请获取完整版案例
