今年以来，以ChatGPT为代表的人工智能大模型引领新一轮技术发展浪潮，金融行业具备数字化基础好、场景丰富、数据量大等优势，是大模型技术落地的重要领域之一。我国科技公司、科研院所、金融机构积极推动大模型研发及应用，涌现出一批优秀实践案例，但要实现大模型在金融行业广泛应用还面临技术、合规、安全、成本、伦理等多方面挑战。展望未来，如何使大模型更好地服务金融机构数字化转型? 如何平衡前期投入和长期收益? 如何完善监管政策，促进金融领域大模型健康规范发展及应用?亟需政产学研各界共同探讨。

在此背景下，中国数字金融合作论坛与深圳香蜜湖国际金融科技研究院于近日联合举办“金融行业大模型的应用与展望”闭门研讨会，探讨大模型服务金融机构数字化转型的背景与意义，分享业内金融行业大模型的最新实践与应用，剖析金融行业大模型应用面临的困难与挑战，并就推动金融行业大模型健康发展提出建议。

会议由清华大学五道口金融学院教授、中国数字金融合作论坛秘书长、我院学术委员会委员张健华主持，分为主题演讲、主题交流、圆桌讨论等环节。

张健华

主题演讲

加拿大工程院及皇家学院院士、微众银行首席人工智能官杨强，招商银行首席信息官江朝阳，恒生电子股份有限公司董事长刘曙峰受邀发表主题演讲。

杨强

江朝阳

刘曙峰

主题交流

全国政协经济委员会副主任、中央财经委员会办公室原副主任尹艳林，中国工商银行原行长杨凯生，中国人民银行科技司司长李伟，中国信息通信研究院云计算与大数据研究所所长何宝宏受邀在主题交流环节发言。

尹艳林

杨凯生

李伟

何宝宏

圆桌讨论

中国证监会原主席、我院学术委员会主任肖钢，中国银行原行长李礼辉，兴业银行副行长孙雄鹏，天津银行董事长于建忠，清华大学计算机系教授、国家“万人计划”科技创新领军人才许斌，清华大学金融科技研究院副院长魏晨阳，蚂蚁集团研究院院长李振华，信也科技集团副总裁、大数据及AI负责人陈磊，泰康保险集团助理总裁兼副首席科技创新官杜彦斌，杭州华鲤智能科技有限公司创始人兼CEO李津等领导专家在圆桌讨论环节发言。

金融大模型发展如火如荼

总体仍处于应用初级阶段

会议指出，今年以来，大模型创新应用加速发展，总体上呈现由通用大模型向垂直领域下沉的趋势，也表现出使用成本快速下降、企业级用户可用性增强、分布式转型等特点。大模型的快速发展，可能缩短金融科技产业价值链，使科技产品更多以服务形式交付给终端用户，也将进一步改变传统金融的商业模式、运营模式、人机交互模式和服务业态，应用大模型的能力可能成为未来金融机构的核心竞争力。

会议认为，金融行业大模型应用机遇与挑战并存。机遇指的是，金融行业具备场景丰富、数字技术领先、数据要素丰富等优势，是大模型技术落地的最佳实践领域之一。目前，金融行业对大模型应用的关注度较高，从银行业来看，大语言模型在辅助办公、辅助编程、服务助理等场景的应用前景广阔。大模型将持续助力金融机构提升全业务、全流程、全场景数智化水平，赋能数字化转型。挑战则包括：一是大模型本身存在投资效益不高、数据参差不齐、数据安全风险、模型逻辑不强等问题，二是金融机构大模型应用面临专业人才短缺、资金成本过高、科技伦理问题、模型同质化等挑战。金融行业大模型发展要坚持“负责任金融”理念，明确为谁负责、谁来负责和怎么负责，切实落实金融消保工作。要以审慎监管和包容开放的态度来促进大模型生态健康发展。

当前，金融行业大模型应用仍处于初期阶段，实现落地应用的数量较少且多为辅助性内部场景。会上，多家金融机构和科技公司分享了金融行业大模型应用的实践与案例。微众银行在营销场景中通过联邦大模型，在保障数据隐私安全的前提下实现了金融机构与第三方合作平台联合建模，有效提升了客户留存率和外呼转化率。招商银行基于自身行业属性和规模，在私有化部署的基础大模型上开发垂直应用，并建设与基础大模型松耦合的企业级大模型与训练平台，不断推动大模型和小模型协同发展。恒生电子分享了和信通院联合探索金融行业大模型应用评测标准的主要思路，提出通过混合部署解决大模型算力和数据不足等问题，梳理了垂直领域大模型在众多金融场景应用的开发方向。兴业银行认为，面对正在到来的大模型时代，银行需要进一步拓展金融服务的创新场景。目前，兴业银行已成立金科院，并在财富管理、智能投研、客户服务、风险管理等方面开展数字助理试点工作。天津银行指出，中小金融机构在金融数字化和金融行业大模型自研应用方面存在资金、人才和理念不足等问题，迫切需要借助开放共享的金融科技生态、第三方科技公司赋能以及公有云、行业云等基础设施的支持实现自身数字化理念和实践的突破。蚂蚁集团推出了自研的通用大模型和金融领域垂直大模型，指出要通过多样化竞争和丰富的模型生态，推动大模型开发和应用良性竞争。泰康保险分享了未来大模型应用的发展策略，短期不高估大模型价值，长期不低估大模型价值。杭州华鲤智能分享了大模型作为超级助理在养老健康和金融领域的应用。

金融行业大模型应用仍面临诸多挑战

会议认为，金融行业大模型改变了金融科技范式和金融服务生态，在提升金融机构运营管理质效、自主研发能力、客户服务水平、投资决策能力等方面具有巨大潜力的同时，也在模型训练、应用落地、合规管理等方面存在以下挑战。

一是金融行业大模型存在数据安全、机器幻觉、模型同质、算法失效等问题。构建、使用、调整大模型需要使用海量本地数据，数据动态流转增加用户隐私暴露风险。金融大模型研发训练对数据投喂的充分性和精准性要求较高，且主要依赖已有数据，具有明显滞后性，在专业领域还存在幻觉问题，不一定适配金融业务需求。同时，金融行业大模型产出的一致性结论可能引发金融市场“羊群效应”，放大市场波动性，干扰经济运行。

二是金融行业大模型的监管规则和行业标准有待完善。现有大模型的评估主要侧重模型性能，缺乏产业指导价值，难以降低金融机构模型选择难度。金融机构内部员工使用大模型，以及和第三方合作引入数据源、接入大模型等的标准有待完善。模型知识产权保护机制的缺失也可能增加侵权风险，打击内容衍生企业积极性。对金融行业大模型的监管仍有待改进，在建立健全对AI模型审计、稽核、督查机制，增强大模型等新技术可理解性和可解释性，以及防范大模型企业相关风险方面还需探索更加有效的手段。

三是大模型垂直领域面临专业人才短缺、投入成本较高、早期风投不足等问题。数据的数量和质量决定了金融行业大模型发展的上限，在多数金融场景下，训练金融行业大模型需要投入大量时间和资金进行数据采集、清洗、模型训练、测试评估、系统部署，而大模型技术提升服务效率和投资效率的具体成效有待检验，缺乏明显的投入产出优势。同时，金融行业大模型的本地化要求高，在团队建设、算力资源、数据安全等方面投入同样巨大，可能进一步加剧金融机构间的马太效应。此外，国内科技公司在早期创业阶段面临较大的资金压力，技术研发的可持续发展动力不足。

四是国内大模型高质量发展不充分，生态建设有待完善。我国大模型数量充足但质效不高，中央网信办备案通过率约10%，国内大模型落地应用率仅2%。基础大模型是行业大模型建设的底座，国内大模型大多搭建在国外基础大模型上，一旦国外基础大模型限制开源使用，国内大模型将面临“卡脖子”危机。金融机构之间、科技公司之间、金融机构与科技公司之间竞争有余但合作不足，尚未形成普惠共享的大模型行业生态。

五是金融行业大模型可能加剧金融科技伦理风险。大模型在发展与完善过程中，容易产生模型“黑箱”、机器幻觉、激励扭曲、伦理偏见等风险，部分行业还出现算法“绑架”员工等不良现象。图像视频类AIGC的发展降低了金融欺诈门槛，加剧换脸攻击风险。

多方合力构建金融行业大模型应用

健康生态

会议认为，大模型技术的应用为人类社会发展创造新机遇，但也不可避免地带来挑战和风险。“发展才是硬道理”，唯有发展才能解决问题。金融大模型发展应秉持“审慎开放”原则和“负责任金融”理念，既要把握大模型和金融科技发展机遇，不断提升服务经济社会发展能力，更要牢牢守住不发生系统性金融风险底线，为建设金融强国提供有力支撑。

一是促进数据要素流通，发挥数据和场景价值。海量数据是金融大模型的根基，要建立可靠互信的数据生态，增强数据的可用性、可信性、可流通性和可追溯性。在积累客户黏性、丰富数据要素的同时，提高大模型成熟度，形成“数据飞轮”效应。聚焦场景创新，将金融机构的场景优势和金融科技公司的技术能力有机结合，推动大模型生态平台建设。金融行业大模型应遵循“先内后外、先易后难”的发展逻辑，在实践中探索提高模型稳定性和场景匹配度。

二是推动大小模型协同发展，发挥金融机构比较优势。利用“多对多”混合方式发挥大模型在意图理解领域和小模型在细分场景方面的优势，保障各方数据安全，提升模型运作效率。不同规模的金融机构可采用不同的模型部署模式，大型金融机构在算力投入、模型训练、团队建设等方面具备优势，可以采用私有化模型部署；中小型机构的差异化优势在于线下服务，中型金融机构可以采用混合部署模式，小型金融机构可以采用一体机轻量化部署模式。

三是坚持以人为本，避免陷入“技术至上”误区。要秉持以人为本和负责任金融理念，做到“有技术不任性，有数据不滥用”。金融科技是技术推动的金融创新，要坚持“金融为本，科技为器”。金融机构推进数字化进程的同时也要保留必要的传统金融服务方式，要避免过多、过急地减少与客户交流的物理网点和真人员工。要充分认识到金融行业智能化发展是逐渐演进的过程，要坚持“小步快跑”，既要有紧迫感，也要避免操之过急。

四是坚持审慎监管和守正创新，提升监管效率。大模型的应用和监管应相互促进、协同发展，应进一步细化金融行业大模型开发与应用的规范细则，引导金融行业大模型行稳致远。监管部门、高校智库、金融机构和科技公司应协力构建基于大模型安全、可信、效能、效率的评估标准，建立健全金融行业大模型的审计、稽核、监督机制。规范训练数据，建立价值观对齐机制，厘清数据使用边界，完善数据使用约束机制。利用新技术检验模型的合法性，明确模型知识产权的归属和责任划分。

五是构建普惠共享的行业生态，加强各界协同联动。打造基础大模型行业生态，既要鼓励良性竞争，推动人工智能民主化进程，也要规范企业行为，防止横向无序扩张。要自觉意识到大模型行业竞争格局的变化，逐步形成银行之间、科技企业之间、银行与科技企业之间优势互补、既竞争又合作的格局，更好服务实体经济。鼓励多样化大模型发展，构建多样化训练场景，丰富大模型的场景迁移学习能力。坚持基础大模型自主可控，推动国产技术产品的发展和国内大模型产业生态的建立。建立同业机构联盟，加强算力、数据集、公用云等行业共享基础设施建设，惠及更多中小机构。