“当前，金融大模型已经超越单一场景应用，开始逐步深度融入核心业务链条。”近日，全国人大代表、董事长其实在接受证券时报记者采访时表示。
作为国内富有盛名的互联网券商，东方财富多年来保持高研发投入比，早在数年前就布局了人工智能与大模型，并在业内率先发布自研的智能金融终端——妙想投研助理。
其实表示，金融行业正在系统性拥抱AI，金融大模型正在实现从“效率工具”到“战略引擎”的升级，有望成为金融机构未来业务增长的重要。不过，在实际的业务落地中，金融机构在应用大模型时仍有三大挑战需要解决。
金融业正系统性拥抱AI
“目前，金融行业正处于深化改革和数智化转型升级的关键时期，以大模型为代表的人工智能技术在提升金融服务质效方面展现了巨大的应用潜力，金融AI应用正在向实、向深发展。”其实提到，大模型的应用覆盖面正在持续扩大。近几年，金融行业对AI的认知大致经历了三个阶段——早期对技术成熟度的谨慎观望，中期开源生态爆发后的战略重估，到如今全行业系统性拥抱AI，大模型在金融行业的落地应用正在从试点探索快速迈向规模化。
“尤其是DeepSeek这类高质量、低成本开源模型的出现，有效降低了大模型的应用部署门槛，进一步促进了金融AI应用生态的繁荣。”其实称。
与此同时，其实也观察到，大模型的场景化结合深度在持续提升。他表示，随着AI赋能逐渐成为行业共识，金融机构对于大模型的态度从“是否要做”逐渐转向“如何做深”。行业主体持续发挥金融数据优势，深挖金融场景需求，不断通过技术迭代、场景深耕与生态共建，推动大模型的应用落地从营销、客服、办公等相对基础、通用、容错性强的场景，向投顾、投研、交易等复杂度较高的分析决策场景有序融入。
“当然，应用的深化也让大模型内生问题的解决变得更为紧迫。”其实表示，大模型自身的技术局限性与金融场景的复杂性、低容错之间存在一定的适配性问题，让如何规范大模型的合规应用边界、有效平衡技术风险与经营效益成为了金融机构普遍关心的话题。目前，行业正通过协同构建金融大模型的数据、应用评测标准，为大模型的安全治理提供有效指引。
重构金融服务
全生命周期管理
“从当前证券行业的应用实践来看，金融大模型正在实现从‘效率工具’到‘战略引擎’的升级，有望重构金融服务的全生命周期管理，成为未来业务增长的重要驱动力。”其实表示。
据他介绍，在支持投研业务方面，金融大模型用“人机协同”的全新模式，颠覆了传统投研行业的工作范式。以东方财富自研的妙想金融大模型为例，面对研究过程中的信息整理工作，妙想既可以对市场进行常态化跟踪，也可以辨别并筛选出增量信息中对行业有重要影响力的内容，相关信息的价值密度更高、需求契合度更强，可以高效赋能投研工作。
此外，在赋能客户服务方面，金融大模型做到了从“标准化响应”到“个性化交互”的转变。在助力风控体系建设方面，金融大模型能将“事后分析”转向“事前预警”与“事中监控”，构建动态风险防控体系。
其实还谈到，金融业是对信息的准确性、真实性、权威性有着高标准、严要求的行业，而大模型在实际应用中可能存在输出结果的偏误。因此，如何保证大模型回答的准确可用，成为了全行业迫切需要解决的问题。
东方财富也在提升模型的准确性方面做了一些尝试与探索。首先，不断完善模型的“金融思维链”，让大模型能够深度理解金融行业的实际规范与真实业务要求，在解决问题时多层次、多角度地思考。其次，在业内首度推出信源分级机制，不断提高大模型对信源的分析、辨别能力，加强回答的可信度、透明度与解释力。此外，针对金融机构的数据保护需要，建立了全流程风险防控体系。
金融大模型应用
面临三大挑战
在实际的业务落地层面，其实认为金融机构需要重点关注三大挑战：
一是如何提升模型的准确性。金融场景对模型的精确度与可解释性具有相对严格的要求。而当前大模型在涉及复杂场景、较长决策链时，多步推理的可靠性仍有待进一步提升。
二是如何实现技术投入的可持续。随着应用的深化，大模型训练、推理阶段对于算力的需求呈指数级增长，因此在部署后阶段，算力基础设施的长期运维与升级对于金融机构的资金投入可能构成较大的压力。为实现可持续的技术应用生态，有效平衡技术引入成本与价值创造，金融机构一方面需要解决大模型效率、准确性和鲁棒性之间的应用层平衡问题，另一方面也需要综合考虑计算资源在数据处理、模型训练、稳定性提升等方面的合理配置。
三是如何应对数据和隐私保护挑战。大模型的应用涉及对海量金融数据的分析，在此过程中，如何保护好客户数据、业务数据安全，规范数据流动行为、避免合规风险，也是金融机构需要重点关注和应对的挑战。
（文章来源：证券时报）
还没有评论，来说两句吧...