(资料图片)

近日，“北大光华-度小满金融大模型技术与应用论坛”在京举办，多位专业人士围绕“大模型重塑产业生态”、“金融大模型如何落地应用”等话题展开讨论。

北京大学光华管理学院金融系主任刘晓蕾表示：“金融行业作为人工智能应用场景密集的行业，是大模型技术落地的最佳领域之一。以大模型为代表的新一代人工智能技术将加速金融数字化和金融智能化的发展，重塑现有业务流程，改变产业格局。”

度小满CTO（首席技术官）许冬亮表示，大模型让机器具有了常识，懂得了逻辑，学会了创作，让人和机器能以更自然的方式互动，通过与周边工具的结合，大模型已经具有了通用人工智能的雏形。金融行业是高价值行业，数字化基础好，高度依赖数据和技术，是大模型落地应用的高潜场景。对于中小金融机构，在大模型的浪潮里，他们也有机会通过应用创新，来加快自身的数字化和智能化进程，跨越数字化鸿沟。

光大信托数据中心总经理祝世虎认为，大模型是生产力的提升，在金融行业的落地路径要依靠大合作和大创新。通过大数据的整合、大算力的合作，在垂直领域精调模型，以小规模算力打造轻量级推理模型。在大创新上，目前大模型在金融领域的应用主要集中在智能客服、智能运营、智能办公等领域，后续应该更多应用于风险管理、资本管理和监管科技等几个方面。

谈及当前大模型在金融领域应用存在的实践，中国农业银行研发中心大模型研发负责人耿博表示：“AI（人工智能）大模型面临算力需求大、训练和推理成本高、数据质量不佳、隐私和安全问题等挑战。目前，大模型和场景融合是一个不断演进、探索的过程，数据是大模型的生产要素，基础设施是大模型的入场券，场景应用是大模型的驱动力，AI大模型未来发展将趋于通用化与专用化并行。”

许冬亮表示，金融作为一个强监管行业，也有很多的行业特性不可忽视。因此，大模型落地金融的道路并不平坦。他认为目前还存在三大挑战：一是通用模型能力不能满足金融场景需要。例如，通用大模型本身精度不够，当前大模型原生的幻觉问题、可控性问题和可解释性问题都限制了生成内容的准确性和可控性，而金融又是一个对精准性、可控性要求很高的行业。

二是大模型如何高效植入现有业务场景。目前，具备这样能力的公司和团队是极少的，懂大模型技术的大多没有具体的行业经验，行业老兵又对大模型的技术理解不够深入，需要时间去磨合和培养。

三是大模型生成内容的安全合规和隐私保护。金融本身是一个高合规要求的行业，加上大模型是颠覆性的新技术，我们对它的风险还没有完全了解，监管部门对它的落地应用也比较审慎。

许冬亮表示，上述三大挑战是整个行业都会碰到的关键挑战，而每家机构独立去解决这些问题既是不现实的，也是不经济的。度小满将持续地把研究成果和应用进展开放出来，帮助全行业提升核心竞争力。