第1章金融大模型行业综述及数据来源说明

1.1 大模型产业界定

1.1.1 大模型定义

1.1.2 大模型的特征

1.1.3 大模型核心优势

1.1.4 大模型所处行业

1.2 金融大模型行业界定

1.2.1 金融大模型的界定

1、定义

2、特征

1.2.2 金融大模型相关专业术语

1.2.3 金融大模型行业监管

1.3 金融大模型产业画像

1.4 本报告数据来源及统计标准说明

1.4.1 本报告研究范围界定

1.4.2 本报告权威数据来源

1.4.3 研究方法及统计标准

第2章中国金融大模型产业发展现状及痛点

2.1 中国大模型发展现状及趋势分析

2.1.1 中国大模型发展历程

2.1.2 中国已发布大模型数量变化

2.1.3 中国大模型参数规模变化

2.1.4 中国大模型商业模式分析

2.1.5 中国大模型发展趋势洞悉

2.2 中国大模型落地金融业可行性分析

2.2.1 金融业海量数据催生大模型需求

2.2.2 金融业数字化基础降低大模型应用门槛

2.2.3 金融科技发展提升大模型应用效率

2.3 中国金融大模型技术选型

2.3.1 开源大模型应用

2.3.2 产学研联合创新大模型研制

2.3.3 商用大模型采购

2.3.4 金融机构技术选型考虑因素

2.4 中国金融大模型部署方式

2.4.1 私有化部署

2.4.2 行业云部署

2.4.3 公有云部署

2.5 中国金融大模型产品汇总

2.6 中国金融大模型招投标情况

2.6.1 金融大模型招投标统计

2.6.2 金融大模型招投标分析

2.7 中国金融大模型竞争要素及竞争格局

2.7.1 金融大模型竞争要素

2.7.2 金融大模型竞争格局

2.7.3 主要金融大模型厂商竞争力评价

2.8 金融大模型应用调研分析

2.8.1 金融大模型应用调研来源说明

2.8.2 金融大模型应用调研结果分析

1、应用前景

2、应用原则

3、应用场景

4、部署方式

5、应用领域

6、应用进度

7、应用效果

8、问题挑战

9、降本效应

10、落地时间

2.9 中国金融大模型市场规模体量

2.10 中国金融大模型发展面临的挑战

第3章中国金融大模型基础能力构建及标准化

3.1 完整大模型开发步骤

3.2 大模型基础架构及工程化

3.2.1 大模型基础架构

1、Transformer架构

2、大规模语言模型：BERT和GPT

3、卷积神经网络CNN

4、循环神经网络RNN

5、前馈神经网络MLP

3.2.2 大模型工程化

1、数据工程（数据处理和回流）

2、模型调优（模型训练与微调）

3、模型交付（模型压缩与测试）

4、服务运营（服务部署与托管）

5、平台支撑能力

3.3 基础大模型底座

3.3.1 NLP大模型

3.3.2 CV大模型

3.3.3 多模态大模型

3.3.4 科学大模型

3.4 金融行业大模型构建路线图

3.4.1 行业需求分析与资源评估

1、业务需求评估

2、算力层评估

3、算法层评估

4、数据层评估

5、工程层评估

3.4.2 行业数据与大模型共建

1、明确场景目标

2、模型选择

3、训练环境搭建

4、数据处理

5、模型训练共建

3.4.3 行业大模型精调与优化部署

1、模型精调

2、模型评估

3、模型重训优化

4、模型联调部署

5、模型应用运营

3.5 金融大模型基础能力构建概述

3.6 金融大模型基础能力构建之“算力”

3.6.1 大模型的算力需求分析

3.6.2 AI芯片

1、AI芯片概述

2、AI芯片发展现状

3、AI芯片供应商格局

4、主要AI芯片类型

（1）CPU

（2）GPU

（3）DPU

（4）TPU

（5）FPGA

（6）ASIC

3.6.3 AI服务器

1、AI服务器概述

2、AI服务器发展现状

3、AI服务器供应商格局

3.6.4 金融大模型算力部署路径

1、自建算力

2、算力混合部署

3.7 金融大模型基础能力构建之“数据”

3.7.1 数据处理与服务概述

3.7.2 国内外主要大预言模型数据集

3.7.3 数据API

3.7.4 训练数据开发

3.7.5 推理数据开发

3.7.6 数据维护

3.7.7 金融大模型对数据的需求分析

3.8 金融大模型基础能力构建之“AI基础软件”

3.8.1 AI基础软件概述

3.8.2 AI基础软件市场概况

3.8.3 AI基础软件竞争格局

3.8.4 AI基础软件主要类型

1、机器学习框架和库

2、模型训练和部署平台

（1）模型训练平台

（2）模型部署平台

（3）模型推理平台

3、数据处理和分析工具

4、优化和自动化工具

3.9 金融大模型标准化

3.9.1 大模型标准体系发展

1、大模型标准体系1.0

2、可信AI大模型标准体系2.0

3.9.2 行业大模型标准体系

3.9.3 金融大模型标准

第4章中国金融大模型应用场景分析

4.1 金融大模型行业应用场景分布

4.1.1 金融大模型应用场景全景图

4.1.2 金融大模型应用路线图

4.1.3 金融大模型落地路径分析

4.2 金融大模型应用场景：智能风控

4.2.1 智能风控概述

4.2.2 智能风控领域大模型应用优势分析

4.2.3 智能风控领域大模型应用案例分析

4.3 金融大模型应用场景：智能投研

4.3.1 智能投研概述

4.3.2 智能投研领域大模型应用优势分析

4.3.3 智能投研领域大模型应用案例分析

4.4 金融大模型应用场景：智能投顾

4.4.1 智能投顾概述

4.4.2 智能投顾领域大模型应用优势分析

4.4.3 智能投顾领域大模型应用案例分析

4.5 金融大模型应用场景：智能客服

4.5.1 智能客服概述

4.5.2 智能客服领域大模型应用优势分析

4.5.3 智能客服领域大模型应用案例分析

4.6 金融大模型应用场景：智能运维

4.6.1 智能运维概述

4.6.2 智能运维领域大模型应用优势分析

4.6.3 智能运维领域大模型应用案例分析

4.7 金融大模型应用场景：其他

4.7.1 智能办公

4.7.2 智能研发

4.7.3 智能营销

4.8 金融大模型应用场景战略地位分析

第5章中国金融大模型应用业态市场分析

5.1 金融大模型应用业态分布

5.1.1 金融大模型应用业态概述

5.1.2 金融大模型应用业态对比

5.2 金融大模型应用业态：银行

5.2.1 银行业大模型应用概述

5.2.2 银行业大模型部署模式与技术架构

1、银行业大模型部署模式

2、银行业大模型技术架构

5.2.3 银行业大模型应用场景

5.2.4 银行业大模型应用实践分析

1、中国农业银行- ChatABC

2、中国工商银行-金融行业通用模型

3、平安银行大模型

5.3 金融大模型应用业态：保险

5.3.1 保险业金融大模型应用概述

5.3.2 保险业金融大模型开放平台架构及训练方法

5.3.3 保险业金融大模型应用实践

5.4 金融大模型应用业态：证券

5.4.1 证券业金融大模型应用概述

5.4.2 证券业金融大模型应用实践

5.4.3 证券业金融大模型应用潜力

5.5 金融大模型应用业态：其他

5.5.1 信托

5.5.2 租赁

5.6 金融大模型应用业态市场战略地位分析

第6章中国金融大模型企业案例解析

6.1 中国金融大模型企业梳理与对比

6.2 中国金融大模型产业企业案例分析

6.2.1 奇富科技-奇富GPT

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.2 拓尔思-拓天大模型

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.3 马上消费金融-零售金融大模型“天镜”

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.4 蚂蚁集团-AntFinGLM

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.5 华为-盘古金融大模型

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.6 星环科技-星环无涯

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.7 度小满-轩辕大模型

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.8 腾讯云-金融行业大模型

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.9 科大讯飞-星火金融大模型

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

6.2.10 恒生电子-LightGPT

1、企业概述

2、竞争优势分析

3、企业经营分析

4、发展战略分析

第7章中国金融大模型产业政策环境洞察