柴洪峰院士：大模型在金融领域的应用与思考
本文整理自7月6日世界人工智能大会“垂直大模型重新定义知识管理”论坛上中国工程院院士、复旦大学金融科技研究院院长柴洪峰《大模型在金融领域的应用与思考》的主题分享，从金融垂直大模型的应用场景、金融垂直大模型面临的挑战与金融垂直大模型的突破点三个方面进行介绍。 金融业作为数字化和智能化的先锋，已经深入探索了垂直大模型技术与实体经济融合的多种应用场景。金融的本质是服务于实体经济，它与实体经济紧密相连，共同发展。几千年的文明史见证了文字、算法和会计记账法的诞生，这些不仅丰富了人们的知识体系，也催生了金融行业和科学的多个分支。在这个过程中，金融领域有望成为垂直大模型技术应用的前沿阵地，推动金融与科技的深度融合，为实体经济注入新的活力。 金融领域作为大模型技术应用的前沿阵地，尽管目前还处于发展初期，但其潜力巨大。金融大模型的发展可分为三个阶段：初期以人的智慧为主，中期转向机器主导，最终实现人机交互的深度融合。目前，金融业正通过需求明确、预评估、场景测试、模型训练与优化、测试上线等步骤，推动大模型技术的广泛应用，这标志着金融大模型正逐步从理论走向实践，为金融行业的智能化转型奠定基础。 金融大模型技术的应用场景 01业务支持 金融机构正借助大模型技术的力量，为研发、运营和日常办公等多个业务场景提供强有力的支持。这种技术的应用不仅显著提升了工作效率和交付成果的质量，还为员工营造了一个更加舒适和高效的工作环境。在这个环境中，员工能够更加专注于创造性工作，从而进一步提高整体的工作效率。同时，通过优化流程和减少重复性任务，金融机构还能有效降低运营成本。达观数据就推出的大模型智能写作平台，以其在服务场景中的卓越表现，荣获了上一次评审的卓越奖项，这不仅证明了大模型技术在金融领域的实际应用价值，也为整个行业树立了创新的典范。 02市场营销 在市场营销方面，大模型技术的运用正重塑金融机构与客户之间的互动方式。通过精细分析客户数据，包括交易历史、在线行为和偏好设置，这些先进的算法能够揭示深层次的消费趋势和个性化需求。金融机构利用这些洞察来定制营销策略，确保每一项推广活动都能精准触达目标客户群体。例如，通过客户行为分析，银行可以识别出潜在的理财需求，随后提供定制化的金融产品建议，从而提升客户满意度和忠诚度。此外，大模型技术还能实时优化营销信息，确保内容的相关性和吸引力，进一步增强客户体验，推动金融机构在竞争激烈的市场中保持领先地位 03客户服务 凭借出色的语义搜索能力，大模型技术已成为运维人员处理各类数据的得力助手。无论是结构化数据还是非结构化数据，它都能高效地进行分析和处理，迅速定位问题核心，极大地缩短了故障排除的时间。例如，达观数据研发的大模型智能写作平台，不仅在金融研报的初稿生成上发挥着重要作用，还在文稿解析、材料解读和文档审核等多个关键场景中展现出其卓越的性能。这种技术的应用，不仅提升了工作效率，也确保了金融报告的质量和准确性，为金融行业的数据分析和决策支持提供了强有力的支撑。 04产品运营 大模型技术的引入，为金融行业的产品运营带来了革命性的变化。它通过自动化处理繁琐的日常任务，极大地释放了人力资源，使员工能够将精力投入到更高价值的工作上。在投研、投顾、信贷等多个领域，大模型技术提供着强有力的支持。以国泰君安为例，它利用大模型技术为券商领域提供智能化的投资顾问服务，同时在信贷审批、风险评估等方面也发挥着重要作用。这种技术的应用不仅提高了工作效率，还提升了服务质量，为金融产品创新和服务优化提供了坚实的基础。 05风险管理 金融机构作为金融风险的守护者，其核心任务是风险控制，这关乎整个行业的稳定与安全。银行利用基于Transformer模型的人工智能技术，开发了先进的反欺诈应用，这些应用能够深入挖掘并识别账户中的异常交易行为，实现实时预警。它们不仅分析交易数据，还综合考虑了实体间的交互信息和时序信息，以更贴近真实的金融操作环境。此外，在合规性知识问答、法律审查以及真伪校验等关键领域，这些智能系统也展现出了其独特的价值和作用，为金融安全筑起了一道坚固的防线。 金融大模型技面临的问题： 1、金融应用规范与指南亟须完善。 2、大模型应用范式不够丰富。 3、高质量金融训练数据还欠缺。 4、训练算力知识普遍不足 大模型在金融业应用发展建议 01 加强数据治理，打造大模型的金融数据底座 在金融科技领域，大模型技术的涌现效应正推动着行业突破传统边界。目前，尽管大语言模型在涌现效应上取得了显著进展，但似乎遇到了难以逾越的“天花板”。为了实现更深层次的突破，需要在垂直领域内构建一个坚实的金融数据基础。这类似于AlphaZero或AlphaFour在特定领域内定义空间和算法的方式。通过大数据、大参数和大计算尺度的结合，可以促进知识的涌现，提高垂直领域的知识生产力。这种突破不仅需要技术的力量，还需要跨领域、跨算法的协同合作。正如上海档案局徐未晚局长在致辞中所言，档案数据的整理和利用是关键，但更重要的是如何在不同领域中找到协同效应，实现真正的突破。这不仅是技术的挑战，更是对创新思维的考验。 02以人工智能为核，开启人机共融的科学新篇章 以人工智能作为科学研究的核心，引领金融行业进入一个人机共融的新时代。金融行业通过大模型技术的交叉应用，实现了自我优化和知识涌现，推动了科学发现、技术发明和工程创造的进步。垂直大模型与知识图谱的结合，在复杂和混乱的环境中提供了可预期、可信的决策支持，同时内部的“幻觉”发现提醒专家注意那些未曾想象的可能性。这种不断的迭代和优化过程，不仅扩充了知识图谱，也实现了工程上的集成创新。正如我与陈总及其他专家在大会中讨论的，大模型在金融行业的应用，正是要实现这种集成创新，将对外服务的知识生产力和对内的科学发现结合起来，推动大模型科技在各个行业的落地和创新。 03加强管理合作，创新助推金融垂直大模型发展 管理合作创新助推金融垂直行业大模型的发展。针对工程管理组织问题，通过软硬一体、供需统筹、产学研协同，创新管理合作模式，实现人才密度、科研强度、创新速度的有效集成，推动金融大模型技术的研发与应用，加速行业智能化和数字化转型。正如本次国泰君安、燧原科技、达观数据，复旦大学金融科技研究院的四方签约合作一样，国泰君安在证券行业第一线，它提出的需求由供给方达观数据与燧原科技，硬软合作一体进行合作。复旦大学作为研究单位，不断通过供需两方产生的实际科学问题来进行科学发现。通过大家合作进行技术发明，然后共同创造。这样一种有组织的科研，使供需直接见面，直接面向场景，直接面向数据，再叠加上上海档案局徐局长那边档案语料的支持，预示着金融领域将迎来创新实践的突破，加速行业的智能化和数字化转型 在全国科技大会、国家科学技术奖励大会以及两院院士大会上，中央领导发出了明确的号召，特别强调了科技金融在国家发展中的核心地位。证券行业被赋予了先行者的使命，需要在投资策略上更加前瞻性，注重早期介入、小规模培育、长期布局以及对硬科技的重点支持。面对2035年的宏伟蓝图，我们仅剩下11年的宝贵时间。在此期间，我们必须加强科研的组织和规划，确保每一步都精准而高效，以科技创新为驱动，为实现科技强国的伟大目标贡献我们的智慧和力量。这不仅是一个行业的责任，更是我们共同的历史使命。
