为制定合适的部署方案,金融机构首先需要确定需求和目标,其次要根据业务场景和技术要求,选择合适的硬件和软件环境,确保能够支持大模型的运行和优化。针对不同应用场景,金融机构探索采用不同部署方式以更合理地应用大模型。根据部署环境的不同,可以将大模型部署方式分为私有化部署、行业云部署和公有云部署等。私有化部署可以提供更好的数据安全保障,大大减少信息安全隐患,且一般具有较好的应用效果,尤其是对于需要运用内部语料训练的金融业务场景,可以根据金融机构的需求进行定制和优化模型,并随时增减资源。将大模型部署在行业金融云,既能在一定程度上满足数据安全可控的要求,又兼备成本低、扩展性强等优势。中小型金融机构对行业云部署的需求更为迫切。由于金融机构无法完全掌控其数据的存储和管理,使用这种部署方式可能面临数据安全风险,因此该部署方式可能更适用于互联网类的金融企业或非敏感类业务场景。 鉴于个人隐私保护和数据不出域等相关要求,私有化部署仍是金融机构部署大模型的主要选择方式。
私有化部署 | 行业云部署 | 公有云部署 | |
数据安全性 | 高 | 中 | 低 |
隐私保护度 | 强 | 中 | 弱 |
内部语料与场景结合紧密度和灵活性 | 强 | 中 | 弱 |
资源扩展性 | 低 | 中 | 高 |
成本 | 高 | 中 | 低 |
适合企业类型 | 大中型金融机构 | 中小金融机构 | 非敏感金融场景或互联网类 |
适合场景 | 数据最敏感场景,如投资投研等 | 数据一般敏感的场景,如客服 | 办公助手,代码助手,使用API调用 |