隨著AI大模型技術興起，越來越多金融機構正積極擁抱這項全新的新科技。

今年以來，工商銀行、農業銀行、中國銀行、交通銀行、招商銀行、中信銀行、興業銀行、華夏銀行、浙商銀行等眾多金融機構，都在積極探索大模型在金融領域的應用。與此同時，騰訊、螞蟻集團等第三方科技平臺也在研發金融大模型，方便金融機構更好地使用這項新科技提升業務競爭力。

與此同時，數據隱私保護挑戰、模型定制挑戰、安全合規應用挑戰、場景擴展挑戰、底層算力成本高企挑戰，同樣令眾多金融機構對使用大模型技術持有謹慎態度。

如何破解上述挑戰，讓大模型技術更好地賦能金融生態高質量發展，正成為金融業界高度關注的一大熱門話題。

11月21日，在由21世紀經濟報道主辦的“2023首席科技官思享會（閉門會）上，眾多金融機構負責科技研發的高層們對此紛紛獻計獻策，助力大模型技術在金融領域的應用走得更穩更好更快。

大模型在金融領域落地的具體挑戰

中國銀行業協會首席信息官高峰在這場閉門會指出，銀行業數字化轉型需要大模型技術的加持。但大模型在銀行業的落地，應具備“三個條件”，即技術成熟度、政策支持、應用場景。

“沒有應用場景，新技術就是‘無根之木’。此外，對金融機構而言，合規同樣是第一要務?！彼麖娬{說。

在高峰看來，大模型在銀行業的落地過程，仍面臨兩大難點，分別是算力和數據治理。在數據治理方面，隨著大模型的落地探索，不少金融機構也逐漸在加強數據治理，比如大型銀行在數據治理領域有成熟實踐，中小金融機構也在開始陸續構建數據中臺和數據治理體系。

在算力方面，直接自建算力，成本相對高昂，但好處是安全性足夠高，適用于實力雄厚、希望自建行業或企業大模型的大型金融機構。相比而言，算力混合部署，即在敏感數據不出域的情況下，接受從公有云調用大模型服務接口，同時通過私有化部署方式處理本地的數據服務，則適用于資金相對薄弱，按需應用大模型技術的中小型金融機構。

農業銀行研發中心副總經理趙煥芳指出，大模型在金融領域的應用，目前仍處于探索試點的初級階段，面臨著多方面挑戰，其中包括數據隱私挑戰、模型定制挑戰、安全應用挑戰、場景擴展挑戰等。

“由于金融業對安全合規的要求極高。如何解決大模型的幻覺問題、隱私保護等問題，提升可信可控可解釋性，需要金融業界持續關注?！彼麖娬{說。金融機構要用好大模型技術，還要重點關注數據樣本、基礎設施、場景應用、安全部署、協作機制五大關鍵因素。其中，數據是核心，數據不是越多越好， 高質量訓練數據才是關鍵；算力是基礎，算力瓶頸是挑戰也是機會，開源節流才是關鍵；場景是關鍵，場景建設應合理布局。

度小滿首席架構師李豐指出，寄希望大模型能在短期帶來應用層面快速爆發或場景突破，不是很現實。因為這不是大模型所擅長的，大模型真正的擅長的，是知識庫壓縮、推理、問題拆解、問題解答等底層能力。若要真正體現大模型的價值，一定是與場景深度結合，但這個進程不會很快，尤其是金融場景的新技術應用必須經過反復驗證，確定效果才能上線。

民生銀行數據管理部總經理沈志勇表示，要判斷一家金融企業能否做好大模型，至少應該從算力規模、NLP（自然語言處理）基礎、數據積累等維度判斷。算力規模影響大模型的迭代速度；大語言模型屬于NLP領域，因此NLP能力積累至關重要；而海量文本數據是訓練大語言模型的重要基礎?！?/p>

“此外，金融機構應用大模型技術一定要注意安全合規?！彼麖娬{說。以數據角度而言，金融機構需對大模型進行兩種教育與設立三道防線。兩種教育分別是訓練時通過數據注入正確的價值觀、以及在訓練時通過強化學習對模型的錯誤回答進行糾偏；三道防線則是過濾掉訓練數據、模型返回結果以及用戶提問環節的不良內容。

中信銀行信息技術管理部金融產品IT創新實驗室處長陳志明指出，目前金融機構在應用大模型過程，還需要大模型選取、算力制約、應用方向選擇等方面挑戰。在選取大模型方面，一些千億級大模型需要較大的底層算力，如何突破算力制約變成一大挑戰，在應用方向選擇方面，金融機構需密切關注大模型領域已出現哪些比較成功的核心應用，確保金融機構不會遭遇“應用代差”。

馬上消費科技創新發展部總經理赫建營指出。就金融領域大模型未來發展趨勢而言，其圍繞場景金融將呈現三大能力方向，分別是GPT功能私有化、LLM（大語言模型）深層個性化、合規安全的科學決策。

“這意味著金融機構需搭建四層大模型解決方案，分別是通用大模型、知識處理大模型、工具大模型和決策大模型。在這個搭建過程，需要產業鏈上下游共同協同建設。包括響應國家政策，重視防范風險；突破技術邊界，共創數智未來；定義行業標準，規劃生態體系；創新場景應用，共享AI新紅利等?！彼麖娬{說。

海爾消金首席信息官梁樹峰直言，考慮到大模型剛面世不久仍存在局限性，企業對大模型未來發展前景保持樂觀同時，也在謹慎規劃與應用大模型。

在他看來，大模型應用面臨的挑戰來源于四個方面：信息安全、技術鴻溝、基礎算力與模式創新。

“就近期OpenAI發布的最新版本可以發現，未來信息處理和調度中樞將不再是操作系統，而是類似于ChatGPT、OpenAI的大模型平臺。因此，我們要考慮未來怎樣用好、管理好大模型，真正地讓客戶能夠獲得專屬陪伴式顧問和專業服務?！彼硎?。 

光大信托數據中心總經理祝世虎認為，未來大模型在金融領域的應用發展，還需關注三大問題，分別是中小銀行的后發劣勢、技術向善的治理、可解釋性的研究。

“中小銀行的后發劣勢，主要是中小銀行學習大銀行的成功經驗時，會學習容易學的部分而忽視難學的部分，比如較容易學習的包括系統采購，較難學習的是數據整合、人才培養、制度調整等，但這可能在大模型時代，中小銀行與大型銀行在業務競爭力塑造方面的差距進一步擴大；二是技術向善，對自身具有智能的大模型技術，如何能保證其產生向善的智能，也是一大挑戰；三是可解釋性，可解釋性不能理解為讓被解釋的人聽懂，因為這和被解釋人的認知有很大關系，所以可解釋性的對象不應該是人，而應該是科學本身，例如用大模型驗證來驗證模型，用科學解釋來解釋科學，用魔法來打敗魔法?！彼寡?。

金融機構探索差異化解決方案

針對大模型在金融領域應用所帶來的諸多挑戰，各家金融機構科技部門負責人也在閉門會議給出自己的“解決方案”。

高峰對此提出三點建議，一是當前大模型技術尚不成熟，加之金融行業是一個強監管、高安全的行業，金融機構不妨先內部后外部，短期內不建議直接對客使用；二是注重大模型與小模型協同，不能忽視傳統小模型的價值，比如當大模型轉換到金融場景，會得到相比原先深度學習算法具備更好創造性的小模型；三是借力知識圖譜讓大型語言模型更強，通過結合知識圖譜，LLM（大語言模型） 有望解決缺乏事實知識、幻覺和可解釋性等諸多問題；反之LLM 也能推動知識圖譜發展，讓其具備強大的文本和語言理解能力。

在李豐看來，大模型在金融領域的應用，可以先內后外，先從企業內部做提質增效的實驗，然后再推到更廣闊的應用場景。一方面，內部驗證風險更低；另一方面，在打磨內部用戶的認知和能力后，可以為大模型后續更廣泛應用打下很好的基礎。

新網銀行信息科技部副總經理陳思成指出，隨著數字原生邁向AI原生時代，金融機構可以重視基于大模型的AI原生應用。

“AI原生應用不是在現有系統基礎上進行簡單迭代改造就能完成，而是在大模型基礎上重新構建AI的應用能力。AI原生還要充分考慮大模型的一些技術問題，比如算力、產幻、安全、可解釋等問題?！彼赋?。但AI原生應用的確可以帶來技術設計、產品設計思維、交互模式的轉變。比如在產品設計端，傳統的產品設計是面向用戶設計，以業務流程、節點、數據等為核心設計，系統更多呈靜態，需人工運營才能提升系統能力；而AI原生設計則是以AI為核心驅動力，以交互、理解、記憶、學習等邏輯思維為核心設計，系統呈動態，具備自動化學習能力、自動提升系統能力，能更好地服務客戶多元化金融需求。

蘇寧銀行金融科技主任研究員杜娟透露，當前蘇寧銀行應用大模型，主要基于兩大需求，一是降本增效，二是讓金融服務變得更簡單，包括客戶更簡單地使用金融服務，內部員工更便捷地開展工作以提升工作效率。

“對此，我們在數據端，成立了數據資源中心，從數據采集，到數據更新等方面提升銀行數據質量，為引入大模型做精準預訓練做準備，此外，我們還在探索大模型與某些場景的融合可能性，并構建一個相對成熟的工作體系，為大模型應用落地做鋪墊?！彼赋?。

維信金科首席技術官史紅哲指出，圍繞大模型的應用，企業正考慮三管齊下，一是積極跟進大模型應用，且企業IT部門要與業務部門加強溝通，逐步推進大模型在具體應用場景的落地，令大模型使用場景更具實際操作性；二是要重視控制成本，不要貿然投入大量資源用于那些尚未看到實際成效的場景應用；三是在戰略規劃層面，中小金融機構要側重能力封裝與應用探索，堅持“誰好用就用誰的產品”，引入更多技術相對成熟的大模型產品提升自身業務競爭力與金融服務體驗。

“考慮到大模型的算力與人力成本都比較昂貴，目前我們不打算做底層的大模型訓練，但企業也對大模型應用規劃了全景圖，打算更好地借助內部能力與外部能力，提升大模型在各個金融業務環節的使用成效?！彼硎?。

值得注意的是，面對黑灰產欺詐攻擊日益猖獗與客群下沉所帶來的信貸風控新挑戰，大模型如何在信貸風控場景成功落地，成為閉門會議的一大熱門討論話題。

騰訊安全副總裁周斌指出，眾多銀行等金融機構在開展零售信貸業務過程，都會遇到新客群、存量客戶精細化運營、拓客新渠道等挑戰。但傳統調整風控策略閾值的方式，顯然無法支撐大規模零售信貸業務的穩定性。這意味著金融機構得進一步推動風控模型的迭代升級，才能占據主動，這恰恰是大模型在風控場景應用落地的一大優勢。

“如今，黑灰產運用新技術發動安全攻擊的反應速度非常靈敏，甚至部分黑灰產也可能已研發欺詐大模型，能在24小時內不間斷生成不同身份特征的用戶，向金融業務發起貸款申請。這要求金融機構需加快迭代風控策略和風控模型的速度，否則會遭遇黑灰產組織的技術降維打擊?！彼e例說。盡管部分金融機構在人才、數據、預算等方面相對不足。但當前大模型的確可以令中小銀行或金融機構擁有與頭部機構同等水平梯度的風控科技能力，因為大模型在解決小樣本風控建模方面具備較高優勢。目前，騰訊云風控大模型在持牌消金機構、互金平臺、銀行、汽車金融等場景擁有大量服務經驗，并積累豐富的風控知識，能很好地彌補風控建模樣本短缺等挑戰。

責任編輯：王超