“當(dāng)前，金融大模型已經(jīng)超越單一場景應(yīng)用，開始逐步深度融入核心業(yè)務(wù)鏈條。”近日，全國人大代表、東方財富董事長其實在接受證券時報記者采訪時表示。

作為國內(nèi)富有盛名的互聯(lián)網(wǎng)券商，東方財富多年來保持高研發(fā)投入比，早在數(shù)年前就布局了人工智能與大模型，并在業(yè)內(nèi)率先發(fā)布自研的智能金融終端——妙想投研助理。

其實表示，金融行業(yè)正在系統(tǒng)性擁抱AI，金融大模型正在實現(xiàn)從“效率工具”到“戰(zhàn)略引擎”的升級，有望成為金融機構(gòu)未來業(yè)務(wù)增長的重要驅(qū)動力。不過，在實際的業(yè)務(wù)落地中，金融機構(gòu)在應(yīng)用大模型時仍有三大挑戰(zhàn)需要解決。

金融業(yè)正系統(tǒng)性擁抱AI

“目前，金融行業(yè)正處于深化改革和數(shù)智化轉(zhuǎn)型升級的關(guān)鍵時期，以大模型為代表的人工智能技術(shù)在提升金融服務(wù)質(zhì)效方面展現(xiàn)了巨大的應(yīng)用潛力，金融AI應(yīng)用正在向?qū)崱⑾蛏畎l(fā)展。”其實提到，大模型的應(yīng)用覆蓋面正在持續(xù)擴大。近幾年，金融行業(yè)對AI的認(rèn)知大致經(jīng)歷了三個階段——早期對技術(shù)成熟度的謹(jǐn)慎觀望，中期開源生態(tài)爆發(fā)后的戰(zhàn)略重估，到如今全行業(yè)系統(tǒng)性擁抱AI，大模型在金融行業(yè)的落地應(yīng)用正在從試點探索快速邁向規(guī)模化。

“尤其是DeepSeek這類高質(zhì)量、低成本開源模型的出現(xiàn)，有效降低了大模型的應(yīng)用部署門檻，進一步促進了金融AI應(yīng)用生態(tài)的繁榮。”其實稱。

與此同時，其實也觀察到，大模型的場景化結(jié)合深度在持續(xù)提升。他表示，隨著AI賦能逐漸成為行業(yè)共識，金融機構(gòu)對于大模型的態(tài)度從“是否要做”逐漸轉(zhuǎn)向“如何做深”。行業(yè)主體持續(xù)發(fā)揮金融數(shù)據(jù)優(yōu)勢，深挖金融場景需求，不斷通過技術(shù)迭代、場景深耕與生態(tài)共建，推動大模型的應(yīng)用落地從營銷、客服、辦公等相對基礎(chǔ)、通用、容錯性強的場景，向投顧、投研、交易等復(fù)雜度較高的分析決策場景有序融入。

“當(dāng)然，應(yīng)用的深化也讓大模型內(nèi)生問題的解決變得更為緊迫。”其實表示，大模型自身的技術(shù)局限性與金融場景的復(fù)雜性、低容錯之間存在一定的適配性問題，讓如何規(guī)范大模型的合規(guī)應(yīng)用邊界、有效平衡技術(shù)風(fēng)險與經(jīng)營效益成為了金融機構(gòu)普遍關(guān)心的話題。目前，行業(yè)正通過協(xié)同構(gòu)建金融大模型的數(shù)據(jù)、應(yīng)用評測標(biāo)準(zhǔn)，為大模型的安全治理提供有效指引。

重構(gòu)金融服務(wù)

全生命周期管理

“從當(dāng)前證券行業(yè)的應(yīng)用實踐來看，金融大模型正在實現(xiàn)從‘效率工具’到‘戰(zhàn)略引擎’的升級，有望重構(gòu)金融服務(wù)的全生命周期管理，成為未來業(yè)務(wù)增長的重要驅(qū)動力。”其實表示。

據(jù)他介紹，在支持投研業(yè)務(wù)方面，金融大模型用“人機協(xié)同”的全新模式，顛覆了傳統(tǒng)投研行業(yè)的工作范式。以東方財富自研的妙想金融大模型為例，面對研究過程中的信息整理工作，妙想既可以對市場進行常態(tài)化跟蹤，也可以辨別并篩選出增量信息中對行業(yè)有重要影響力的內(nèi)容，相關(guān)信息的價值密度更高、需求契合度更強，可以高效賦能投研工作。

此外，在賦能客戶服務(wù)方面，金融大模型做到了從“標(biāo)準(zhǔn)化響應(yīng)”到“個性化交互”的轉(zhuǎn)變。在助力風(fēng)控體系建設(shè)方面，金融大模型能將“事后分析”轉(zhuǎn)向“事前預(yù)警”與“事中監(jiān)控”，構(gòu)建動態(tài)風(fēng)險防控體系。

其實還談到，金融業(yè)是對信息的準(zhǔn)確性、真實性、權(quán)威性有著高標(biāo)準(zhǔn)、嚴(yán)要求的行業(yè)，而大模型在實際應(yīng)用中可能存在輸出結(jié)果的偏誤。因此，如何保證大模型回答的準(zhǔn)確可用，成為了全行業(yè)迫切需要解決的問題。

東方財富也在提升模型的準(zhǔn)確性方面做了一些嘗試與探索。首先，不斷完善模型的“金融思維鏈”，讓大模型能夠深度理解金融行業(yè)的實際規(guī)范與真實業(yè)務(wù)要求，在解決問題時多層次、多角度地思考。其次，在業(yè)內(nèi)首度推出信源分級機制，不斷提高大模型對信源的分析、辨別能力，加強回答的可信度、透明度與解釋力。此外，針對金融機構(gòu)的數(shù)據(jù)保護需要，建立了全流程風(fēng)險防控體系。

金融大模型應(yīng)用

面臨三大挑戰(zhàn)

在實際的業(yè)務(wù)落地層面，其實認(rèn)為金融機構(gòu)需要重點關(guān)注三大挑戰(zhàn)：

一是如何提升模型的準(zhǔn)確性。金融場景對模型的精確度與可解釋性具有相對嚴(yán)格的要求。而當(dāng)前大模型在涉及復(fù)雜場景、較長決策鏈時，多步推理的可靠性仍有待進一步提升。

二是如何實現(xiàn)技術(shù)投入的可持續(xù)。隨著應(yīng)用的深化，大模型訓(xùn)練、推理階段對于算力的需求呈指數(shù)級增長，因此在部署后階段，算力基礎(chǔ)設(shè)施的長期運維與升級對于金融機構(gòu)的資金投入可能構(gòu)成較大的壓力。為實現(xiàn)可持續(xù)的技術(shù)應(yīng)用生態(tài)，有效平衡技術(shù)引入成本與價值創(chuàng)造，金融機構(gòu)一方面需要解決大模型效率、準(zhǔn)確性和魯棒性之間的應(yīng)用層平衡問題，另一方面也需要綜合考慮計算資源在數(shù)據(jù)處理、模型訓(xùn)練、穩(wěn)定性提升等方面的合理配置。

三是如何應(yīng)對數(shù)據(jù)和隱私保護挑戰(zhàn)。大模型的應(yīng)用涉及對海量金融數(shù)據(jù)的分析，在此過程中，如何保護好客戶數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)安全，規(guī)范數(shù)據(jù)流動行為、避免合規(guī)風(fēng)險，也是金融機構(gòu)需要重點關(guān)注和應(yīng)對的挑戰(zhàn)。