经济观察网 记者 汪青 “自2022年底ChatGPT横空出世以来，金融业凭借其数据密集、计算要求高且对准确性有着极高要求的行业，成为大模型技术应用的主要领域。”中关村科金CTO李智伟在9月8日接受经济观察网采访时表示，尽管目前大模型技术在金融领域正在不断加速落地，但距离成熟应用仍存在诸多挑战。

金融成为大模型应用主阵地

在业内看来，除了数据、算法和算力这三个大模型重要因素外，场景的匹配度也是大模型在金融领域应用的重要考虑因素。

据悉，金融作为数据密集型行业，拥有海量且复杂的金融数据，通过大模型技术能够高效挖掘数据价值，提升业务效率。同时，面对业务需求复杂多变、监管趋严等挑战，金融行业也在积极寻求新技术进行数字化转型。

“从复杂的风险评估到专业的投资决策，再到高效的客户服务和创新营销策略，大模型技术可以通过它自身强大的数据处理能力和智能分析优势为金融机构的效率与专业度带来显著的提升。”李智伟指出，大模型技术中的大语言模型不仅可以帮助金融机构构建更加智能、自然的智能交互系统，提高沟通效率和客户体验，还降低了企业的人力成本。

李智伟以金融大模型在投资决策端的应用为例解释道，目前多家头部券商通过与公司的大模型技术深度融合，成功推出了得助智能投顾、得助智能投研以及得助智能陪练等创新应用。

“通过对比公司过往的服务数据可知，金融大模型在投顾、投研方面的应用辅助可提升营销转化率8%以上，客户满意度提高30%以上，信息获取效率提升50%以上，整体投顾业务水平提升15%以上。同时，员工培训效率和质量显著提高，为产品部门减少了80%以上的培训时间投入；员工的产品知识获取效率提升70%以上。”李智伟说。

推进中的坎儿

大模型在赋能金融业务层面虽然已经取得了一些成绩，仍需要应对诸多挑战。

首先，技术成熟度是金融大模型应用的一个重要影响因素。

中国证监会原主席肖钢在第六届外滩金融峰会上提到，金融业对于准确性、精准性的要求特别高，同时对风险外溢的防范也非常严格。因此，大模型在金融领域的应用必须经过严格的测试和验证，确保其能够满足金融业务发展的需要。然而，目前大模型技术还不是很成熟，很多大模型在金融场景下表现并不理想，往往只是重复一些原则性的话语，难以深入满足实际需求。而这既是由于技术本身存在一些缺陷，也是因为很多大模型没有经过专有金融领域、特别是细分行业的数据训练。

其次，对于金融行业而言，强监管的属性决定其在大模型的准入和应用等方面都需要有明确的政策指导。

“然而，目前具体的监管政策还未完全出台，这对于金融机构如何正确使用大模型造成了一定的困扰。因此，相关部门需要尽快完善相关监管政策，为大模型在金融领域的应用提供明确的指导。”肖钢表示。

清华大学五道口金融学院、中国保险与养老金融研究中心主任魏晨阳也表示，AI技术目前还处在早期阶段，存在短板和不确定性。如何监管AI技术，确保其准确性、及时性和可控性也是行业和政策部门需要共同面对的问题。

在魏晨阳看来，需要构建一个审慎但又足够开放的治理架构，以应对大模型技术在金融业落地过程中的挑战。这样的治理架构需要既能够确保AI技术的稳健发展，又能够充分释放其创新潜力，避免过度监管限制创新。

同时，投入产出比也是企业应用大模型技术的重要考量因素。

李智伟表示，考虑到金融业务的复杂性和专业性要求，大模型必须具备高精度、高准确性的分析能力，而通用模型往往难以满足这一需求，因此实施大模型应用落地需要较高的成本投入，金融机构需要在投入与产出之间找到平衡点，确保技术应用的经济合理性。

实际上，AI技术投入成本高昂，对不同规模的金融机构产生的影响也各不相同。因此，肖钢认为，金融机构不必执着于应用大模型，小模型可能会有更高的性价比。并且大模型和小模型本身就并非相互排斥，而是可以相互协调、配合使用满足金融业的不同业务需求。

今年以来，OpenAI、微软、Google等公司都开发了很多小模型，并在小模型领域展开了激烈的竞争。这一现象也表明，小模型在金融业的很多业务中，特别是细分业务中，具有更好的性价比和更高的准确性。

此外，由于金融行业数据的敏感性和保密性，大模型在应用过程中必须严格遵守相关法律法规和监管要求，确保数据安全和隐私保护。

“这就要求金融机构在引入大模型技术时，必须结合具体业务场景的实际环境进行深度优化，建立全方位的安全防护体系以保障合规性和安全性。”李智伟以中关村科金构建的五重安全防护体系介绍道，首先，实施严格的数据清洗，剔除各类不合规内容；接着，进行隐私脱敏处理，在模型二次训练阶段加入合规加训环节，将行业法律法规与不合规案例融入模型，增强其合规意识；同时，通过提示工程在应用层面对模型输出进行约束，确保其在特定场景下遵循合规规范；最后，采用传统合规质检方式，对输出内容进行敏感词和质检点检测，一旦发现违规内容立即预警，全方位保障金融大模型应用的合规性与安全性。

金融大模型前景

“我们也看到大模型技术在保险行业应用的一些积极趋势，部门强有力的大厂开始利用自身的数据和场景优势，以及强大的研发能力进行AI技术的研发。与此同时，更多的保险公司也开始愿意与科技公司合作，共同探索AI技术在保险业的应用。”魏晨阳认为，未来，金融大模型的成熟落地离不开更精细且多方协同的生态。

在李智伟看来，随着创新技术的不断进步，金融行业将迎来全无人营销与客服的新纪元，知识辅助的自助办理将变得更加普及与智能，数据分析和业务机会的挖掘也将迎来前所未有的智能化水平。同时，多模态大模型将极大促进远程业务办理的便捷性，但也对防伪识别技术提出了更高要求，需加快布局以应对挑战。

在这一背景下，李智伟认为，技术开放性与数据合规使用的议题愈发凸显，金融机构需要主动探索，这既考验管理决策的智慧，也挑战科技公司的快速学习能力。

此外，随着科技公司在大模型技术和应用方面的投入不断加码，大模型技术本身的价值将逐渐同质化。

李智伟认为，作为科技企业，专注大模型技术应用不仅仅是大模型技术本身，更存在于技术之外的服务能力，必须将“最后一公里”服务视为至关重要的环节，向企业客户交付一个有价值的产品，确保客户能够顺利安装、运行并使用产品，甚至需要在产品运行初期提供持续的支持及试运行服务。基于此，公司推出了产品场景适应性更宽、产品运营效率更高、服务半径更广的多模数据增强的新一代智能交互平台。