随着大模型探索的逐步深入，针对效益目标、应用场景、项目定位以及组织的参与性问题，金融机构愈发的有独立的思考与定位。以工作量的节约作为主要的衡量方式>将与业务部门配合，按具体的工作项进行统计 >培养相应的人才梯度，例如大模型开发、Prompt 工程师等 形成标准的应用流程，例如数据标注、微调、提示词工程等 更重要的是让组织适应新趋势的变革要求，在思想上与通用人工智能相契合 >搭建数据(语料)、算力、模型三大基础架构，大模型属于底层的基础设施 与数据中台不同，基础大模型并不依赖于任何输入，因此其定位将更高 在硬件资源及内部网络配置上将考虑该定位 随着大模型探索的逐步深入，针对效益目标、应用场景、项目定位以及组织的参与性问题，金融机构愈发的有独立的思考与定位。 行业的数据显示代码编写大致能减少10%-30% 预计在办公、投顾、数据提取等其它方面，工作量的节省将有更大的成效