差异化：国内外金融业大模型发展研判 随着大模型技术快速演进，国内外金融业纷纷加大对大模型的投入力度，积极探索大模型在办公协作、 业务运营等领域的创新应用。但国内外在大模型建设方面呈现一定差异。 国际上，境外金融机构更多选择直接采购外部商用大模型的技术路线，较多使用公有云部署方式，例如 花旗银行、西太平洋银行等金融机构选择采购OpenAI的大模型产品。在应用场景方面，境外金融机构 在核心业务场景的应用较为丰富，例如摩根大通、高盛等金融机构在舆情分析、智能客服、风险评估等 领域实现大模型落地应用。 随着DeepSeek等开源模型的突破性进展，AI技术的迭代速度持续加快，技术普惠化趋势愈发显著。金 融业作为数字化和智能化的先行者，具备生成式大模型应用丰富的场景舞台和技术实施基础，势必成为 大模型技术和行业应用深度融合的最佳示范。金融业需抢抓发展契机，探索大模型应用范式，助力金融 业驶向新航程，为经济社会发展提供高质量数字金融服务。 从国内来看，国内金融机构更多选择开源自建或与基础大模型供应商联合共建的技术路线，大多使用私 有云部署方式，例如工商银行工银智涌大模型、建设银行方舟大模型、农业银行ChatABC。在应用场 ...

生成式AI的企业部署现状 - 逾四分之三的企业已在至少一个业务环节部署AI，生成式AI推广速度尤为迅猛 [1] - 年收入超过5亿美元的大型企业转型速度更快，28%的大型企业由CEO直接负责AI治理工作 [1][2] - 21%的已部署生成式AI企业对部分工作流程进行彻底重构 [6] AI治理与组织架构 - CEO直接参与AI治理对EBIT提升效果显著，大型企业中17%由董事会负责 [2] - 风险与合规环节倾向集中管理，技术人才引入采用混合式管理 [3] - 27%的企业要求员工审核所有AI生成内容，商业/法律行业审核比例更高 [7][9] 风险应对与最佳实践 - 企业重点应对AI不准确性、网络安全及知识产权侵权三类风险 [10] - 大型企业在网络安全风险管控更积极，但AI输出准确性应对无显著差距 [13] - 设定清晰KPI指标对利润影响最大，仅1%企业认为生成式AI部署进入成熟阶段 [14] 人才与技能重塑 - 大型企业更倾向招聘AI数据科学家、机器学习工程师等岗位 [18] - 50%的已部署AI企业未来一年需增加数据科学家 [18] - 企业将AI节省时间用于新工作或既有职责，大型企业更可能优化员工 [22] 行业实践差异 - 商业/法律行业对AI内容审核比例远高于其他行业 [7] - 大型企业在制定路线图、专责团队设立、员工培训等实践上领先中小企业 [15] - 仅19%企业为生成式AI设立明确KPI，24%建立专责团队推动落地 [16] 数据与调查背景 - 调查覆盖101个国家1491家企业，42%受访企业年收入超5亿美元 [23] - 47%企业经历过AI负面结果，较2024年初44%略有上升 [24]