【资料图】

今年以来，“大模型”一词在金融行业炙手可热。“千模大战”背后，大模型给金融行业带来了哪些变革？针对金融行业的独特性，大模型还面临哪些发展瓶颈？

“大模型重塑产业生态，金融大模型落地应用的话题正成为产学研界的共同关注。”在日前举办的大模型技术与应用论坛上，有业界人士表示，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重要领域之一，将重塑现有业务流程，改变产业格局。

清华大学人工智能研究院常务副院长孙茂松表示，大模型基于其构建的向量空间，正在打造出崭新的智能信息处理基础平台，进而变革各行各业的基本生态。对于金融领域而言，金融机构对于大模型的态度决定了自身的定位，也决定了其在日异激烈的竞争中能否抢占先机。

大模型时代，算力、算法、数据构成了新范式的“三驾马车”。北京大学光华管理学院商务统计与经济计量系教授王汉生表示，高效人工智能算法、模型最终要解决的是业务痛点问题。数据模型落地最重要的是寻找应用场景，比如在金融科技实践中，需要落地客服、销售、风控等业务场景。

“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。”度小满CTO许冬亮说，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。

对于金融行业大模型的应用实践，中国农业银行研发中心大模型研发负责人耿博表示，人工智能（AI）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。

有业界人士表示，现阶段在金融领域发挥大模型的能力有三方面挑战需要解决。一是通用模型能力不能满足金融场景需要，通用大模型本身精度不够、金融知识缺失、更新迭代慢。二是大模型如何高效植入现有业务场景，一个团队既要懂业务场景，又要理解大模型的使用方法，还需要具备比较强的工程能力。三是大模型应用于金融业中产生的安全合规和隐私保护问题，金融本身是高合规要求的行业，大模型又是具有颠覆性的新技术，业界对它的风险还没有完全了解。

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。通过大数据整合、大算力合作，在垂直领域精调模型，以小规模算力打造轻量级推理模型。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，后续应该更多的应用于风险管理、资本管理和监管科技等金融行业的核心业务方面。