大模型如何落地應用于金融業？度小滿CTO許冬亮：通用模型難以勝任金融任務，金融大模型是必由之路

每經記者 肖世清    每經編輯 廖丹    

10月17日，百度世界·度小滿金融大模型前沿發展論壇在京召開。來自度小滿、浦發銀行、平安銀行、光大銀行等十余位金融行業高管共同探討了大模型如何落地應用金融行業。

度小滿CTO許冬亮在會上表示：“通用模型難以勝任金融領域任務，金融大模型是大模型落地金融行業的必由之路。”他認為，通用大模型競爭格局已定，大模型下一階段的競爭是行業大模型的競爭。

中國工程院院士鄔賀銓表示：“金融大模型改變了金融科技的范式，重塑金融行業的工作方式，改變了金融服務生態。”

展望未來生成式AI應用于金融領域的產業價值。度小滿CEO朱光表示，生成式AI正在深入到各行各業。金融巨大的市場、豐富的場景、個性化的需求，為生成式AI的發展提供沃土。在金融領域，大模型技術蓄勢待發，真正的變革時刻很快會到來。

度小滿CTO許冬亮 圖片來源：每經記者 肖世清 攝

金融大模型的發展需要全行業共同參與、合作開發

記者注意到，目前金融大模型已經應用在金融資訊、產品介紹內容的文本自動生成、構建虛擬客服在線交互等方面，給用戶提供更人性化的服務，提升金融機構內容運營的效率。

談及目前大模型在金融行業的應用現狀，鄔賀銓認為，金融大模型的發展目前仍面臨著三方面挑戰。首先是金融行業對數據安全性、隱私合規性都有著嚴格的要求。尤其是在風控方面，對時效性與精準性要求嚴格，而一般的基礎大模型透明性、可信性、專業性不足，很難直接遷移為金融大模型。

第二點是金融大數據在成本與質量上的平衡問題。由于金融行業內的數據難以共享，因此金融大模型的數據規模遠遠不及通用語料，導致金融大模型難以產生“智能涌現”的效果。

第三則是本地私有部署需要自建算力設施，對軟硬件產品有嚴格的信創要求，而且參數規模大則算力成本高。

許冬亮稱：“大模型發展到現在，有著不同的切入思路，比如說從模型的層級結構上，有通用大模型、行業大模型、企業大模型、任務大模型等等；從技術路線上，有開源大模型和閉源大模型。”他建議，金融機構應用大模型的路徑首選在行業大模型基礎上建立自己的企業大模型和任務大模型，“自己從頭訓練一個行業大模型，既不經濟也非必要。”

鄔賀銓指出，金融大模型的發展需要全行業共同參與，合作開發。“基礎大模型多數從通用語料訓練生成，通識能力強，可作聊天對話，但缺少行業專業知識，需要大模型提供方與垂直行業合作開發行業大模型。”

生成式AI在金融領域的應用將是度小滿重要的戰略方向

談及金融大模型的落地應用途徑，鄔賀銓建議：一是從可控入手開發應用，例如智能客服、智能運營、寫文章、寫郵件等安全的領域出發。二是從人機混合智能切入，例如在初期階段先讓金融大模型與傳統模型共存，經應用考驗后再將金融大模型逐步替代傳統模型。同時還可以通過變換場景，豐富大模型的場景遷移學習能力，或加入反事實的數據來測試，改進AI的學習本質，提高模型的泛化能力。也可以在金融大模型訓練或微調時通過有監督學習思維鏈的模式，通過專家介入誘導它一步一步地進行思維推理。

朱光表示，金融大模型的產業落地要做到“向下看”和“向上看”，業務需要“向下看”，了解底層技術的基本原理和框架，才能夠更好地借助大模型技術，去定義和解決真正的業務難題；技術則要“向上看”，讓通用大模型與行業數據、場景數據與業務需求結合，將技術轉化為產業價值。

展望大模型在金融行業的應用前景，浦發銀行總行信息科技部總經理陳海寧表示，當前大模型在金融領域的應用，將逐漸從外圍走向核心，需要金融監管的關心支持，金融同業與大模型科技伙伴加強合作，共同探索建立金融服務重量級應用，為金融服務實體經濟提供助力。大模型在金融領域的應用充滿挑戰和機遇，要做好算力、數據、技術、人才的積累，積極擁抱新技術帶來的變革。

而朱光也表示：“未來五年，生成式AI在金融領域的應用，將成為度小滿最重要的戰略方向。度小滿將不斷加大金融垂類大模型及應用的布局和投入，和業界一起把握機遇，推動新一輪金融科技發展浪潮。”