【資料圖】

近日，“北大光華-度小滿金融大模型技術與應用論壇”在京舉辦，多位專業人士圍繞“大模型重塑產業生態”、“金融大模型如何落地應用”等話題展開討論。

北京大學光華管理學院金融系主任劉曉蕾表示：“金融行業作為人工智能應用場景密集的行業，是大模型技術落地的最佳領域之一。以大模型為代表的新一代人工智能技術將加速金融數字化和金融智能化的發展，重塑現有業務流程，改變產業格局。”

度小滿CTO許冬亮表示，大模型讓機器具有了常識，懂得了邏輯，學會了創作，讓人和機器能以更自然的方式互動，通過與周邊工具的結合，大模型已經具有了通用人工智能的雛形。金融行業是高價值行業，數字化基礎好，高度依賴數據和技術，是大模型落地應用的高潛場景。對于中小金融機構，在大模型的浪潮里，他們也有機會通過應用創新，來加快自身的數字化和智能化進程，跨越數字化鴻溝。

光大信托數據中心總經理祝世虎認為，大模型是生產力的提升，在金融行業的落地路徑要依靠大合作和大創新。通過大數據的整合、大算力的合作，在垂直領域精調模型，以小規模算力打造輕量級推理模型。在大創新上，目前大模型在金融領域的應用主要集中在智能客服、智能運營、智能辦公等領域，后續應該更多應用于風險管理、資本管理和監管科技等幾個方面。

談及當前大模型在金融領域應用存在的實踐，中國農業銀行研發中心大模型研發負責人耿博表示：“AI大模型面臨算力需求大、訓練和推理成本高、數據質量不佳、隱私和安全問題等挑戰。目前，大模型和場景融合是一個不斷演進、探索的過程，數據是大模型的生產要素，基礎設施是大模型的入場券，場景應用是大模型的驅動力，AI大模型未來發展將趨于通用化與專用化并行。”

許冬亮表示，金融作為一個強監管行業，也有很多的行業特性不可忽視。因此，大模型落地金融的道路并不平坦。他認為目前還存在三大挑戰：一是通用模型能力不能滿足金融場景需要。例如，通用大模型本身精度不夠，當前大模型原生的幻覺問題、可控性問題和可解釋性問題都限制了生成內容的準確性和可控性，而金融又是一個對精準性、可控性要求很高的行業。

二是大模型如何高效植入現有業務場景。目前，具備這樣能力的公司和團隊是極少的，懂大模型技術的大多沒有具體的行業經驗，行業老兵又對大模型的技術理解不夠深入，需要時間去磨合和培養。

三是大模型生成內容的安全合規和隱私保護。金融本身是一個高合規要求的行業，加上大模型是顛覆性的新技術，我們對它的風險還沒有完全了解，監管部門對它的落地應用也比較審慎。

許冬亮表示，上述三大挑戰是整個行業都會碰到的關鍵挑戰，而每家機構獨立去解決這些問題既是不現實的，也是不經濟的。度小滿將持續地把研究成果和應用進展開放出來，幫助全行業提升核心競爭力。

封面圖片來源：視覺中國-VCG41N1462568496