文章主题：AI大模型, 商业化应用, 智能金融, 风险防控
近日，随着全国首个官方“大模型标准符合性测试”结果公布，AI大模型商业化应用的关注度进一步提升。
在金融领域，AI大模型被视为第二次数字化浪潮，它标志着金融科技向智能金融的进化提升。然而，当前智能金融的应用与监管仍处于初级阶段，如何在发展和风险控制之间取得平衡，仍然是一个至关重要的课题。
数字化发展与风险防控并不存在绝对的对立关系，实际上，它可以在一定程度上增强金融机构的风险防范能力。然而，我们也必须认识到，数字技术的进步可能会加剧传统金融风险，同时也会产生新的风险类型。中国金融四十人论坛（CF40）资深研究员和中国证监会原主席肖钢在接受第一财经记者采访时表示，为了进一步强化监管，我们可以从完善监管沙箱制度、推动监管科技的发展、构建跨市场风险监测预警和防控体系等多个角度入手。
根据最近CF40发布的智能金融发展报告，我们可以明显观察到，各个金融行业的智能应用已经取得了显著的进步和提升，尤其是在产品创新、客服营销、运营管理以及风险控制和合规性方面。这些成果的取得，充分展示了我国金融行业在智能化发展的道路上所取得的重大突破。
AI技术是如何在金融领域落地应用的？
规模不断扩大是通用语言模型的重要发展趋势之一，这一点在12月17日的第二届明珠湾金融论坛上得到了强调。香港理工大学人工智能物联网研究院副研究员、IEEE计算机协会区块链和分布式记账标准化委员会主席李鸣，详细阐述了他对于AI大模型的观察与思考。他认为，AI大模型的发展将呈现以下几个主要趋势：首先，它们的规模将持续扩大；其次，它们将涉足更多模态和更多领域的应用；第三，数据安全和隐私保护将成为重要的议题；第四，预训练和微调的优化将为AI大模型带来更高的效率；第五，提升个性和可扩展性将是未来研究的重点；最后，跨语言和跨文化的研究也将成为AI大模型发展的重要方向。
智能金融应用的落地和升级,目前受到哪些趋势的影响?李鸣认为,这些趋势对于智能金融应用的发展具有重要的影响作用,并决定了应用的具体发展方向。例如,智能客服机器人、智能风控和反欺诈、投资分析和预测、个性化推荐以及财务规划等领域,都受到了这些趋势的推动。
在仔细审阅被纳入智能金融报告的33个案例之后，我们可以发现，当前银行、保险、证券行业在人工智能技术的运用上主要集中在四个方面：产品创新、客户服务与市场营销、业务运营管理以及风险控制与合规性。
以银行为例，该报告揭示，我们的行业已经在智慧乡村、智能录审、数智交易等领域中推广了大量创新应用。这些应用所依赖的主要技术包括但不限于机器学习、自然语言处理、AR/VR、知识图谱、深度学习、图像识别、数据中台、即时BI、人工智能、OCR、多模态技术、隐私计算以及区块链等。值得注意的是，这些应用大多是由多种技术的有机结合所带来的。
以产品创新为切入点，我们可以看到银行主要依赖机器学习、自然语言处理技术来进行投资分析和决策方面的操作。同时，知识图谱技术在信贷风险防控方面发挥着重要作用，有效保障了银行业的稳定发展。此外，AR/VR技术在智能网点建设中的运用，为银行业务带来了便捷高效的体验。在此基础上，深度学习和图像识别技术的应用使得智慧畜牧产品更加智能化，提高了农业生产的效率。在风险防控方面，银行利用多种技术支撑，实现了信贷档案智能识别监测、舆情分析、客户画像、智能风控以及多方安全监管保送等多个场景。这些场景的实施不仅提升了银行业的风险管理水平，还确保了客户信息的安全性。总之，在科技驱动下，银行业务不断创新，为满足客户需求提供了有力支持。
资料来源：明珠湾智能金融发展报告（2022）
报告认为，以ChatGPT为代表的生成式人工智能（AIGC）的出现无疑对金融业具有深远的影响，一方面可以通过快速准确的信息和自动化的任务处理推动金融业降本增效；另一方面，ChatGPT“让机器理解”的能力进一步推动了金融行业的数智化转型，拓宽了金融行业AI应用的边界。
聚焦人工智能生成内容（AIGC）在金融领域的应用，中国银行业协会首席信息官高峰指出，目前主要分布在智能客服、智能运营、智能风控、智能投研、智能营销、智能程序员等场景。报告指出，从国内外案例来看，头部机构已普遍在AIGC领域有大手笔投入，尤其资金实力更强的国有大行、股份行投入规模均是千万元乃至亿元级别。
不过，数字化转型过程中，机构之间因为禀赋差异造成的分化一直备受关注。报告指出，大型银行的数字化转型和智能化应用发展较早，往往基于全技术栈面向全业务场景打造企业级平台化能力，水平在同业中较为领先；中小银行受制于资本、规模、人才等因素，其智能应用水平较大型机构总体上还有一定的差距，应该根据自己的战略定位和特色业务领域，通过专项技术产品引进和持续打磨的方式赋能业务。
从应用效果来看，报告显示，随着应用规模稳步增长，金融行业智能应用在提升普惠金融广度、助力乡村振兴，风险识别、分析和预警能力，以及提升营销精准性、提升客户体验等方面均有明显成效，且效果还在增强。
平衡发展和风险，依然要靠技术
智能金融的发展还处于探索阶段。“大模型浪潮下，数字化转型明显提升了金融机构的市场竞争力，但也要科学推广和使用大模型，不断提升科技治理水平，有效防范技术风险。”中国工商银行首席技术官吕仲涛在论坛上指出，当前金融机构还面临用户入口集中化、生成式能力可控性差，以及技术、资金投入成本较高等挑战。
报告也强调，由于AIGC技术目前尚处于起步阶段，其大规模应用面临可信度、业务、成本投入等多方面的挑战，还存在一定的风险，需要谨慎探讨。
中国银行原行长李礼辉指出，人工智能技术迭代可能造成在算力、数据治理和安全等方面的冲击和挑战，将尚不成熟的人工智能技术投入高风险的金融领域，可能放大现有风险并产生新的风险。他进一步指出，相关挑战包括算力集中和算力竞争、数据共享和数据治理、AI对齐与AI合成、AI信任和AI安全等，而从金融领域来看，现在主要的问题是AI算法和模型仍然不够清晰和透明，有待解决技术方面的缺陷，比如模型技术黑箱、模型学习局限、模型决定歧视、模型输出判决、模型算法趋同、模型服务冰冷、隐私保护薄弱、第三方依赖等。
“这就需要加快智能金融的监管创新，比如制定法律法规，明确智能金融和参与方的责任边界，包括智能金融监管的基本原则、监管机构的职责和权限、金融机构的智能金融业务规范等，建立穿透式、一体化、跨区域的智能金融协同监管系统。”李礼辉建议。
报告也指出，从现阶段应用实践看，智能金融的主要问题和风险点集中在几个方面：智能金融的伦理标准考量、人工智能技术风险与系统安全、金融数据安全与个人信息保护、市场行为与金融消费者权益保护、智能技术所引起的金融风险。
近期，在中央金融工作会议之后，国家金融监督管理总局明确，既要管“有照违章”，更要管“无照驾驶”，尤其是“建立监管责任归属认领机制和兜底监管机制”备受关注。
进入新的监管阶段，对于如何平衡智能金融发展与监管之间的关系，肖钢指出，首先要正确看待二者之间的关系，其次做好风险管控和监管。
肖钢表示，数字化发展整体对金融机构管控风险有利，二者并非完全对立关系。“智能金融的本质还是金融，没有消除金融风险，但利用数字技术、人工智能能够提高金融机构识别和防范风险的能力。”肖钢举例说，数字化信贷产品的不良率远低于传统贷款的不良率，已经说明通过数字技术能够提升防范风险的能力，不能把两者对立。
“同时也要看到，数字技术发展的确有可能放大原来传统的金融风险，同时带来新的风险。”他同时指出，在数字化应用过程中，原本传统条件下概率较小的风险有可能会出现，需要加强风险管控和监管，主要可从以下几个方面入手：
第一，进一步完善中国式监管沙箱制度。肖钢指出，最近几年，中国式监管沙箱试点取得了很好的成效，这是鼓励创新同时又防范风险的有效制度安排，下一步建议进一步推广。“因为创新可能会突破现有的一些监管规则和制度，既然是在沙箱里面，应该经过批准后允许他们在业务制度上有一些创新。”他说。
第二，加快发展监管科技。肖钢指出，要提高监管能力，必须要依靠科技。
第三，建立跨市场的风险监测预警和防控体系。数字化尤其人工智能条件下，跨市场、跨行业、跨区域风险传递速度越来越快，风险形态也比过去更加复杂多样。肖钢认为，这种情况下要加强跨市场、跨行业、跨区域的风险管控，需要建设跨部门、跨平台、跨市场的风险监控数据平台和监控体系。
AI大模型, 商业化应用, 智能金融, 风险防控
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
