转自：中国银行保险报网
□欧阳日辉
人工智能是新一轮科技革命和产业变革的核心驱动力。金融行业具有的场景、数据、知识“三多”的特点，为人工智能大模型发挥价值创造了便利条件。
金融高质量发展与“人工智能+”高度耦合
当前，在通用大模型的基础上，运用行业数据训练行业大模型或在通用/行业大模型基础上，运用具体任务数据训练垂直或专属于企业、机构的大模型，逐渐成为人工智能技术发展的新模式。
大模型是“大数据+大算力+强算法”的结合，通过在海量数据集上做预训练来学习复杂的模式和特征，它能够挖掘并生成新的数据资产价值，具备压缩海量数据和更强大的泛化能力，可以对未见过的数据做出准确的预测，展现出强大的语言理解和生成能力。大模型的快速崛起推动通用人工智能（AGI）的普及，使各领域的智能系统具备像人类一样学习和推理甚至决策的能力。
大模型在金融行业的应用场景将越来越丰富，从智能营销、金融信息查询，到财富管理、风险控制等多个领域，大模型都将赋予金融行业新的生命力和创新可能性，推动金融行业的数字化和智能化进程。
当然，金融大模型执行金融任务，需满足三个条件：一是在线持续学习，让大模型实现实时推理预测，基于用户行为做出快速的、最佳的个性化判断；二是构建组合式 AI平台，让大模型和传统的数千个普通模型有效组合、达成合作；三是满足安全合规根本要求，以保证其安全、合规。
人工智能提升金融服务效率的逻辑
从“互联网+”到“人工智能+”，这是一波新的技术潮流，大模型在金融高质量发展中起到至关重要的作用，横向拓展金融服务场景，纵向加深产业要素整合。
新质生产力在金融行业中的表现和作用进行具象化，主要体现在三个方面：优化、连接、预判。大模型作为新质生产力，正在推动金融行业生产工具的发展，提升金融行业的决策效率和服务水平，同时也在推动金融行业的创新发展。
大模型“涌现”出的语境理解、情绪感知、归纳、推理等通用能力为金融科技的发展开启了新篇章，即金融智能化阶段。以大模型为典型的AI应用为金融科技和整个金融行业带来了无限的创新思路和想象空间，不仅为金融科技带来了新的变革机遇，也提出了一系列新的技术和业务需求，包括模型的可维护性、高性能和实时性，AI服务规模的可拓展性，AI服务的可靠性和容错性，以及模型的可解释性和审计能力等。
为了保证AI模型的持续有效和准确，行业需要建立一套完善的模型管理和更新机制，这样可以确保模型及时应对新的业务需求和数据变化，从而提高模型的实用性和价值。为了保证AI服务的稳定运行，行业需要建立一套服务管理和监控机制。为了满足监管要求和提高用户信任度，AI模型需要具有良好的可解释性和审计能力。
从行业实践看，大模型在多模态信息理解、内容生成、知识问答、代码编程和合规检测等方面拥有巨大的效率提升价值，目前已经逐渐在金融领域加速渗透。可以预计，随着技术的不断进步和成熟，大模型将继续在金融行业的各个领域中扮演更加重要的角色，进一步提升金融服务质量并降低高水平金融服务成本，推进普惠金融发展。
人工智能促进金融高质量发展的方向
大模型应用总体上还处于早期探索阶段，仍面临不少挑战。一方面，金融数据的私密性和多模态特性，限制了共享和构建大规模数据集的能力，增加了模型建立和处理的复杂性，导致大模型在金融垂直领域仍未出现涌现效应；另一方面，数据安全治理也是发展金融大模型绕不开的重要课题，亟须加快构筑形成组织、管理、技术、运营四位一体的金融数据安全治理体系框架，提升协同共治水平。从大模型技术走向应用落地，需要金融行业的金融大模型与数据、场景相结合。
具体来看，一是要加强基础设施建设。二是要发展数据、算法模型和算力。三是要统筹监管与发展，促进“大模型+金融”应用合规落地。四是要促进科技企业和金融机构跨行业合作。五是要提升多语言和跨语言的能力，促进多模态融合。六是要发展可持续的负责任的金融大模型。
（作者系中关村金融科技产业发展联盟专家委员会副主任委员，中央财经大学中国互联网经济研究院副院长，中国市场学会副会长、教授、博士生导师）
