AI金融助手

文章讲述了AI人脸识别技术在金融领域的广泛应用带来便利的同时，也面临新的诈骗挑战。泰国央行的新规定要求银行在特定交易中使用面部生物特征验证加强安全，然而黑产团伙利用伪装的电力局应用进行诈骗，诱导用户安装并窃取信息，企图通过面部数据进行异地登录和财产转移。"金相狐"组织被识别为此次攻击幕后主导者，他们巧妙地结合社会工程学和可能的面部信息验证手段，尽管手法看似初级，但通过多种技术自我保护。报告详细分析了诈骗过程和技术细节，强调移动系统对权限管理的要求对于防范此类攻击至关重要。

随着政府对人工智能的高度重视，数字金融新范式兴起，本次论坛探讨了大模型在金融领域的实践应用和产业赋能，如马上消费推出的“天镜”模型已显著提升营销效果和知识产出效率。论坛强调了技术治理、安全和模型自主可控的重要性，同时面对挑战提出通过四大关键技术推动金融大模型发展。作为数字金融机构，马上消费积累了深厚的技术基础，并发布全国首部《金融大模型》著作，以填补行业理论空白，为人工智能赋能金融提供理论支持。

文章讨论了人工智能在金融行业的广泛应用，如马上消费公司通过AI提升营销效果，以及通用和行业领域的大模型的发展趋势。专家们认为金融应成为AI技术应用的引领者，并面临如资产获取、质量变化、息差收窄和资本补充等挑战。金融业需关注科技与业务可持续发展相结合，并提出在商业化落地时需要注重安全治理五大方向的技术管控，以应对潜在风险，包括大模型的安全性、合规性和幻觉检测。同时，蒋昌俊院士提出了通过GPA算法进行网络交易风控的建议。

《金融大模型》一书由马上消费CTO蒋宁团队基于公司首颗"天镜"金融大模型研发应用经验，结合前沿理论编写，旨在展现金融新质生产力，该作品在“大模型驱动下的金融创新论坛”上发布，得到业界专家的高度认可，被视为公司技术实力和社会责任的象征。

通过对AI与金融结合的研究，预计该领域将有所突破。具备大数据存储、数据要素及智能模型软件的金融机构将抢占先机。以下四家金融机构（具体名称省略）因其业务特性，在这一趋势中具有显著发展潜力：请谨慎对待信息，仅为投资参考。

财跃F1金融大模型发布会强调，该模型将在数据、算力、解决方案等多个领域为金融机构提供一站式支持，通过满足需求打造全新生态和商业模式。财跃星辰凭借场景和技术优势，依托界面财联社丰富金融语料和阶跃星辰的万亿参数MoE大模型，计划在2024年通过差异化产品和服务体系在券商网金等业务领域抢占先机，区别于普通的科技公司。

银行大模型在银行业的应用面临挑战，进展滞后于整体行业。主要困境包括高技术门槛、数据难题（如非结构化数据处理和质量问题）、算力需求、可解释性不足及内部员工抵触。尽管如此，随着投入增加和技术优化，如OpenAI通过迁移学习提升准确率，大模型的准确性有望提高，解决客户信任问题。同时，大模型正在推动银行业效率提升和人员结构变革，对相关岗位产生替代效应，但也引发人才结构调整和就业担忧。教育层面，针对大模型的专业教育相对匮乏，需要进一步发展与培养。

本文主要讲述了人工智能技术如何推动数字金融"新范式"的发展，特别是在政府工作报告强调深化相关研发应用后，大模型在金融领域的实践应用和创新成为热议话题。马上消费公司通过"天镜"金融大模型的成功案例展示了其对人工智能在金融业的广泛应用及其显著效果，同时也提出，虽然大模型带来了巨大潜力，但还需面对如群体智能安全、隐私保护等挑战。文章指出，金融行业正从数字化的中介服务向知识中介转变，生成式AI将替代部分传统知识中介，推动行业的深度变革和新质生产力的发展。同时，马上消费发布了全国首部《金融大模型》著作，填补了该领域的理论研究空白，旨在为金融界理解和应对这一新时代提供资源。总体上，文章强调了人工智能赋能金融，驱动行业高质量发展的趋势和必要性。

面对金融业务挑战，如资产获取难、质量变化和息差收窄，国家金融与发展实验室副主任曾刚强调金融业需借助大模型创新，以适应客户需求变化，提升效率并解决资本补充问题。马上消费CTO蒋宁指出，为应对大模型在高端制造等领域的技术挑战，企业需要构建模型安全、组合AI、持续学习和平台化服务能力，推动数字金融高质量发展。

今年政府工作报告强调了加快发展新质生产力的重要性，论坛上，与会嘉宾围绕大模型与金融新质生产力发展展开讨论。新质生产力是以科技创新为核心的，追求高质量发展，关键在于“质”。科技部陈志提出理解新质生产力的“一三二”原则，即解决安全和发展问题、从微观到宏观的产业层次和两个重点（未来产业和传统产业），人工智能在此过程中起着孕育增长点和赋能传统产业的关键作用。国内大模型发展面临应用场景不明确和技术瓶颈等问题，需要在场景为王的背景下聚焦底层模型的应用，并通过数据积累、经验总结及算力提升等方法推动其发展。孙茂松认为，大模型的优势在于启发创新，但使用时须兼顾技术工程师和诗人的平衡，以实现高效利用并解决一锤子买卖带来的挑战。金融行业则期待有价值的爆款应用，但仍面临合规性、算力等问题的挑战。