華夏時報記者付樂冉學東北京報道

(資料圖片)

今年以來，以AIGC大模型為代表的人工智能技術創新非常活躍。作為數字化的先行者，金融業自然成為了大模型落地的最佳領域之一。

8月28日，消費金融行業大模型出爐，馬上消費金融在金融大模型發展論壇中發布“天鏡”大模型，這也是國內首個零售金融大模型。

“通用大模型和金融大模型有本質區別，金融大模型需要做決策，要做到不管外部如何變化，達到100%決策安全。金融大模型的核心是要可信、安全、合規。”馬上消費金融首席信息官蔣寧在會上表示。

此外，歐洲科學院外籍院士、清華大學人工智能研究院常務副院長孫茂松也提到，金融大模型，通用大模型對文本、語言比較重視，但對數字不敏感，如何建設好金融行業大模型，這里面有很多挑戰。

金融大模型挑戰重重

在行業看來，通用大模型對于專業領域的適用性不佳。在實際情況下，會發現由于通用大語言模型缺乏特定領域知識和知識推演能力，往往無法實際完成許多專業的金融類任務。

通用大模型和企業應用之間，存在著巨大的鴻溝。改造和優化現有的通用大模型，形成真正在金融領域專業的大模型，才能讓大語言模型技術更好地服務于金融行業。

金融大模型是機構在業務場景中積累的金融數據訓練而來。相較于通用大模型，金融大模型表現出明顯的金融領域特征，通常涵蓋金融研報、政策、基金、銀行、保險等各個方向的專業知識。如果把各類金融大數據、宏觀經濟數據注入大模型，就能進行風險預警和預測。

目前，在金融領域，大模型主要應用在智能客服、智能運營等領域，后續或將延伸至資本管理、公司治理、風險管理等。

談到通用大模型和金融大模型的區別，蔣寧舉例到，生成式大模型最大的問題在于“滿腹經綸”，“回答錯了不承擔風險”。比如自動駕駛，它的剎車、提速、轉彎、看燈，外界環境都在變化，對象車在變化，所以絕對不能出錯，1%的錯都會造成生命財產的損失。

金融大模型與自動駕駛的案例一脈相承，生成式大模型不能做解釋，但是金融大模型最主要的能力叫做判別性，它需要做交易決策，這也是工業大模型、金融大模型與傳統大模型最大的區別。

孫茂松也表示，大模型的基本定位還是智力勞動者的助手，它不會把一個行業整體取代。生成式人工智能的特點是它一定會出錯。因為通用大模型對文本語言比較重視，對數字其實不敏感，所以ChatGPT有時候經常亂說，而金融數據很多都是結構化知識圖譜，所以大模型在金融領域有很多挑戰。

蔣寧認為，ChatGPT讓大家感覺到無所不能，但目前工業、金融領域大模型還面臨著關鍵性任務和動態適應性、個性化要求和隱私保護、群體智能與安全可信和基礎設施的能力四大難題待解決。通用大模型的核心是生態，而不是參數，只有生態才能讓這個模型越用越聰明。

他表示，希望在任何情況下，金融大模型給客戶的回答，給所有的員工的回答是合規的，并且在任何不可預期的情況下，它的結果是穩定的。

國內首個零售金融大模型

談到安全風險，中國工程院院士、浙江大學求是特聘教授譚建榮舉例到，北京老太太接到遠在美國的孫子打來的視頻電話，圖像、聲音都是孫子的，結果卻被詐騙了。“人工智能時代，眼看的不一定是事實，大家要提高警惕”。他說。

“人工智能發揮作用越大，它對于安全可信的要求也是越高的。”中國信息通信研究院副總工程師王愛華表示，當從業者自身把安全和一些問題作為發展第一要務的時候，說明這個技術在整個領域會進行應用。

為進一步降低金融風險，馬上消費金融于近日發布了國內首個零售金融大模型“天鏡”。據了解，目前，天鏡大模型已有匯集智慧、喚醒沉睡知識、眾創數據價值、數字分身四大核心應用場景，可為零售金融企業數字化轉型賦能。

蔣寧解釋到，通過在自身數據上做模型精調對齊訓練，同時再用推理加速技術實現模型可控，天鏡大模型相對通用大模型更懂金融。

例如，將企業招股書、財報、經濟預測數據等文件上傳后，金融垂類大模型可以深入解析金融領域專業術語、同時擁有查詢定位多個不同文檔、洞悉金融圖表隱含的信息和歸納總結能力。

在人工客服場景中，通過大模型提煉萃取一線優秀人工坐席客服經驗，匯聚成群體智慧，從而擁有一對多服務客戶的能力，也可作為人工坐席的輔助角色，幫助推薦、優化回答。

金融大模型是機構在業務場景中積累的金融數據訓練而來。相較于通用大模型，金融大模型表現出明顯的金融領域特征，通常涵蓋金融研報、政策、基金、銀行、保險等各個方向的專業知識。如果把各類金融大數據、宏觀經濟數據注入大模型，就能進行風險預警和預測，進一步降低金融風險。

目前，在金融領域，大模型主要應用在智能客服、智能運營等領域，后續或將延伸至資本管理、公司治理、風險管理等。

（文章來源：華夏時報）

標簽：