有头部银行的应用实践显示，大模型在辅助完成客户需求分析、风险预判等工作时，可提升作业效率40% 以上。但在多个关键环节，应用大模型之后仍需人工复核验证。这种"人机协同"模式既发挥了AI的效率 优势，又确保了金融服务的审慎性。 下面用一个示例来展示大模型在金融领域的应用。我们分别对GhatGPT、DeepSeek、百度旗下的文心一 言提出问题"请分析一下英伟达这家公司的投资前景怎样？"，以下是三个大模型的回复： 在ChatGPT、DeepSeek等通用人工智能（AI）大模型的技术浪潮下，金融行业正加速推动大模型与业务 场景的深度融合。依托海量客户数据资源与深厚技术积淀，金融领域天然具备人工智能应用的优质土壤， 为大模型技术落地提供了理想场景。 AI大模型为实体金融机构提供了强大的支持。它解决了金融机构面临的服务供给不足、门槛高、信息不 对称、风险评估难等问题。比如，在服务供给方面，通过自然语言处理技术实现 7×24 小时智能响应，突 破人力服务瓶颈；在准入门槛方面，运用机器学习算法构建动态风险评估模型，降低中小微企业融资门 槛。 另外，在撰写研究报告时，大模型也可以快速处理海量数据，包括财报、市场趋势、新闻、分 ...