1)金融行业正处于智化转型和信息技术创新的双期叠加阶段，中央金融工作会议提出以加快建设金融强国为目标，以金融高质量发展助力强国建设和民族的复兴伟业。伴随着大模型的出现，创新技术和金融应用场景相互交织，成为资本市场发展的核心驱动力之一。
2)行业在推动大语言模型应用落地的过程中，不仅需要大模型本身的建设，更需要构建连接大模型和行业应用的“中控”基础设施，为投研、投顾、客服、风控等场景带来崭新的想象空间。与此同时，低代码平台与代码辅助工具的融合，全链路赋能研发流程，将领衔软件工程3.0时代。大模型在质量工程领域的初步落地，也为其带来了更智能和更高效的解决方案，AI正深刻影响着金融行业的数智进程，推动行业的功能创新、性能创新与应用创新。大模型带来了新的视野，信息技术应用创新则开始全面加速，数据技术的融合创新将与业务实现“双向奔赴”，推进行业走向科技自强。
3)近期，国内外出现了许多大模型并形成了百模大战的现状。研究指出，金融行业头部机构会在未来1年内在相对成熟的场景中尝试引入大模型，以及生成式AI能力。大语言模型时代的到来，为投研、投顾、风控、研发提效等场景带来了新的想象空间，行业在关注大模型本身建设的同时，作为连接大模型与应用的“中控”成为了行业未来大模型生态的核心。
4)国内外大模型的涌现，呈百模大战的态势，例如:OpenAI的ChatGPT、谷歌的PaLM、Meta的LLaMA、清华的智普、华为云的盘古、百度的文心、阿里的千问、科大讯飞的星火、商汤的日日新等。预计2024年，已针对人工智能有领先性的探索且硬件配备较完善的金融机构，会尝试在一些业务场景中引入大模型以及生成式AI能力。此外，RPA作为扩展Al落地的“最后一公里”，将助力大模型扩展其应用边界，且通过易于使用、易于管理的部署来帮助Al加速转型，增强认知决策能力以处理复杂的长链条业务，降低运维成本来提升应用价值。未来，金融行业在推动大语言模型的应用落地过程中，将会遇到生成式深度合成类应用行业的强监管以及数据安全境内保护的强监督。
5)与大模型本身建设相比，大模型配套基础设施建设同样重要。通俗来讲，有了新工具，新工具的使用指南，也十分重要。构建连接大模型和行业应用的“中控”基础设施，对于像金融这样受到强监管的垂直细分行业在内容合规、业务适当性、部署模式和数据流向等数据安全方面都是至关重要的。
6)金融领域存在大量数据需要连接，如行情、上市公司信息、基金基础信息、金融机构内部知识库文档等，因此需要大量共享插件能力，例如文档的解析处理能力、自然语言转SQL能力(NL2SQL)、智能API调用能力等。这些能力以插件的方式存在，构成对大模型能力的重要补充。
7)作为AI增强开发的重要组成部分，以Copilot为代表的AI编码助手对低码行业产生了较大的影响，并引起广泛关注。低代码与Copilot将互相融合，全链路赋能到研发流程，包括编码前需求、设计的质量提升，到编码工作转向半人工的效率提升,以及编码后的测试、部署、运维智能化、自动化变革，低代码+Copilot将会领衔软件工程3.0时代，给研发提效带来新的生机。
