近年来，以人工智能等为代表的新一代信息技术发展备受关注。去年12月，中央经济工作会议提出，要大力推进新型工业化，发展数字经济，加快推动人工智能发展。《中央关于进一步全面深化改革、推进中国式现代化的决定》提出，加强新领域新赛道制度供给，建立未来产业投入增长机制，完善推动新一代信息技术、人工智能、航空航天、新能源、新材料、高端装备、生物医药、量子科技等战略性产业发展政策和治理体系，引导新兴产业健康有序发展。
作为新质生产力的代表，生成式人工智能（AIGC）技术因近两年加速融入各行各业的“大模型”而被大众熟知，也成为未来产业重点布局的领域之一。
“这几年随着新一轮科技革命和产业变革的深入发展，人工智能、人形机器人等领域新赛道不断涌现，各国都在进行前瞻性谋划和布局，我国也在积极探索。”7月5日，在国新办举行的新闻发布会上，工业和信息化部部长金壮龙表示，“人工智能为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。”
据《中国互联网发展（2024)》数据，截至2023年末，我国人工智能核心产业规模达5784亿元；截至2024年3月，我国人工智能企业数量超过4500家，已有714个大模型完成生成式人工智能服务备案。
中国科学院院士、清华大学人工智能研究院名誉院长张钹认为，因为理论的限制，人工智能产业的前一阶段必须要结合具体的应用领域来发展，因此，这一阶段发展出的人工智能属于专用人工智能。
人工智能发展的三大核心要素是算法、算力、数据。从趋势看，作为现阶段数字技术发展的重要驱动力，人工智能的发展更注重多模态、多端能力建设，特别是随着通用大模型泛化能力增强，人工智能发展提速，衍生出一些新现象，包括垂直类大模型应用场景的扩大，数字人在教育教学、医疗服务、客服推销等领域的出现，具身智能也成为行业追逐的新热点。
大模型作为人工智能领域的技术“新高地”，在张钹看来，有4个发展方向对改进大模型非常重要，一是与人类对齐、二是多模态生成、三是智能体（AI Agent）、四是具身智能。
就当前创新层出不穷的多模态大模型来说，该类大模型可以将文本、图像、视频、音频等多种类型的数据联合起来进行处理和分析，对生成内容要求极高。
“多模态生成对产业发展非常重要。”张钹认为，“大家看到的大模型主要是生成文本，但是我们用同样的办法可以生成图像、声音、视频、代码，生成的水平是跟人类的水平接近的，其本质是文本处理的突破。”
如今，大模型已成为驱动产业变革的重要力量，代表了数字时代下最具竞争力的科技创新引擎。大模型向金融领域的应用与渗透，也加速了金融行业的数字化、智能化，然而实践中的一些困难和挑战亟须解决。
为满足监管要求、提升业务效率、增强市场竞争力、优化客户体验、应对市场变化，金融机构对软件开发的需求持续增长。
硅心科技（aiXcoder）商业合伙人刘德欣表示，金融是数据密集型和科技驱动型行业，在软件开发中面临代码安全要求严格、代码质量亟待提升、人力成本过高等挑战。同时，金融研发模式从传统的瀑布式逐步演变为敏捷式，业务需求的灵活多变以及降本增效等要求，促使金融行业软件研发效率需进一步提升。
一些金融机构在软件开发的过程中引入通用大模型，存在孤立性和对业务逻辑理解不足的问题，通用大模型的准确性和实用性大打折扣，限制了大模型在金融机构软件开发过程中的应用效能。
法本信息（Farben）研发中心总经理龙榜表示，大量通用代码大模型与辅助编程工具在通用测试中的准确性越来越高，但客户化的代码准确性不高、软件工程能力缺失、场景知识缺乏等短板，导致其在“to B”软件开发领域效果不明显。
基于此，部分科技企业开始聚焦于大模型的垂直技术领域，比如，基于深度学习的代码生成技术，将提高代码质量视为实现大模型与金融领域知识深度融合的关键，也是当下金融机构迈向智能化软件开发2.0时代的有力抓手。
