自2022年底ChatGPT问世以来，人工智能技术发展掀起新浪潮，大模型技术加速迭代，新算法、新应用不断涌现。金融行业数字化基础好、场景丰富、数据量大客群广泛，是大模型技术应用最重要的领域之一。经过一年多的探索与实践，大模型技术已在金融客户服务、风险管理、内部辅助等场景取得新进展，科技公司、科研院所、金融机构等积极探索合作新格局、呈现应用新趋势。也要看到，金融作为强监管行业，大模型在金融行业规模化应用还面临技术、合规、安全、成本、伦理等多方面挑战。展望未来，大模型技术如何进一步提升金融服务效率、改善客户体验？如何满足金融行业效率性、稳定性、专业性、安全性等内在要求？如何平衡大模型应用的短期投入和长期收益，尤其是对中小金融机构？值得政产学研各界深入交流。

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“金融行业大模型应用的新进展和新趋势”闭门研讨会，探讨金融行业大模型应用最新实践与成效，深入交流金融行业大模型应用的新进展、新特点、新趋势，全面分析金融行业大模型深化应用、商业落地、合规发展面临的机遇和挑战，并就大模型技术如何更好在金融行业落地应用提出相关对策建议。

会议由清华大学五道口金融学院教授、华夏银行原行长、我院学术委员会委员张健华主持，分为主题演讲、专家点评、圆桌讨论。

张健华

主题演讲

中原银行党委副书记、行长刘凯，交通银行私人银行部总经理金旗，厦门国际银行党委委员、副行长邹志明，百融云创科技股份有限公司董事长张韶峰受邀发表主题演讲。

刘凯

金旗

邹志明

张韶峰

专家点评

全国社保基金理事会原副理事长、原中国银保监会副主席、我院学术顾问陈文辉，中国银行原行长李礼辉，中国银行业协会首席信息官、我院学术委员会委员高峰等领导和专家在专家点评环节发言。

陈文辉

李礼辉

高峰

圆桌讨论

中国证监会原主席、我院学术委员会主任肖钢，中国建设银行数字人民币推进办公室副主任汪下烟，粤开证券党委副书记、原总裁王保石，廊坊银行党委委员、副行长陈树军，江南农商银行首席信息官杨凯，中欧基金总经理助理、公司管理委员会委员方伊，宁波银行财富管理部副总经理张伟等领导和专家在圆桌交流环节发言。中国工商银行、华夏银行、北京银行、北京农商银行、贵州银行、天津银行、顺德农商银行、微众银行、苏商银行、新网银行、富民银行等银行机构代表受邀参会。

金大模型蓬勃发展

积极探索“内外并用”

党的二十大报告对建设现代化产业体系作出部署，强调“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎” 。今年3月，政府工作报告提出“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群。”我国高度重视人工智能产业发展，正在加快培育新质生产力，推动实现高水平科技自立自强。在国家战略引领下，大模型研发与实践取得积极成效，在金融领域的应用持续落地。

会议认为，大模型技术已成为引领新一轮科技革命和产业变革的重要驱动力。金融行业积极探索大模型应用，已取得一定成效，比如知识问答、办公协同、研发辅助等场景应用趋于成熟，算力硬件和算法框架更加自主可控，相关规范随应用拓展逐步建立。从银行业看，大模型已落地员工问答助手、代码开发、知识检索等前台场景以及知识管理、系统管理等后台场景，未来将结合大模型技术成熟度水平，逐步拓展对客服务，审慎推进重要业务应用。从证券业看，证券机构积极拥抱大模型技术，在智能投研、智能交互、风险管理等领域取得一定成效。从基金业看，大模型在辅助投研策略、债券交易等投研后台和智能客服等市场应用场景收效较好。

会议指出，中美两国金融行业大模型发展表现分化，在应用进程、驱动因素、风控理念和技术应用等方面存在较大差异。一是美国大模型商业化应用进展迅速，已覆盖医疗、金融、房地产、媒体等领域，我国大模型商业化应用仍处于起步阶段，尚未出现“杀手级”应用。二是美国大模型快速发展主要受需求侧推动，核心驱动力是“机器换人”，而我国大模型主要受供给侧推动，更注重人机融合。三是美国侧重通过技术手段保障数据安全，我国注重完善政策文件和法规制度。四是美国注重底层技术（如计算机视觉）研发，我国还关注模型评估、网络安全、舆情预警等应用衍生问题。

会议认为，大模型的技术能力决定其发展下限，场景适配度决定其发展上限。未来一段时期，我国金融行业大模型应用有望逐步从“先内后外”向“内外并用”发展，深度赋能营销、投顾、投研、客服、风控等业务决策场景，形成“数据飞轮”效应，数字员工、具身智能等智能体应用可能成为主流落地方向。

会上，多家金融机构和科技公司分享了在金融行业大模型应用的最新实践与成效。中原银行结合实际应用需求规划AI大模型服务体系，有序推进AI算力设施、工具平台、基础能力建设，智能信贷助手提升报告编写效率超10倍，知识问答助手已落地小微业务、运营管理、内控合规等9项场景。交通银行分享了人工智能赋能财富管理领域的主要场景，包括客户服务、客户画像、账户诊断等，未来还将持续探索在投资决策和个性化财富管理领域的应用。厦门国际银行基于开源大模型与开源应用框架，二次开发国行大模型应用平台ChatXIB，集成30余个垂直问答场景和智能体，在垂直领域问答准确率已达90%，实现便捷高效的信息获取和知识共享。百融云创作为人工智能技术服务公司，其自主研发的“百融AI Agent”已于2023年促进了550亿金融资产交易，其中，“百融VoiceGPT”已迭代出情感识别和情感语音输出功能，语义理解准确率提升至97%，已广泛应用于金融行业和非金融行业的营销、客服、通知、回访等场景，帮助客户提升投入产出比10倍。中国建设银行成立专项工作组启动“方舟计划”，打造具备“大模型、大算力、大数据”的金融大模型基座与能力体系，开展以提升客户体验和为员工赋能减负为目的的金融大模型建设。粤开证券积极探索金融科技领域前沿技术，携手多所高校和研究机构承接的“面向金融行业应用的信息安全及风险防控人工智能决策平台”项目已结项验收，为金融行业信息安全与风险防控提供创新解决方案。廊坊银行指出AIGC极大提高了大型银行金融供给能力，但当前中小银行更应关注经济转型、竞争加剧、利差收窄等风险和挑战，保证自身可持续和高质量发展。江南农商银行采用信创技术路线和混合大模型集群，已尝试在知识问答、质检和代码生成、智能体（Agent）、数字分身等场景应用大模型。中欧基金分享了大模型技术在策略定制、债券报价查询、智能客服、舆情分析等场景的应用情况，未来可能在投资判断、合规测试等领域加强探索。宁波银行分享了财富管理业务中，大模型技术在员工助手、数字员工、人工智能代理三方面的探索，将持续聚焦多模态和端侧大模型的发展趋势与应用实践。

金融行业大模型发展仍面临诸多挑战

会议指出，大模型是提升生产力的重要引擎，我国金融大模型在应用场景、算法模型、数据治理、智能算力、技术平台、风险管控等方面取得诸多进展。也要看到，当前我国金融大模型应用的人机交互拟真度和个性化、数据处理的精确性和效率仍有待提高，落地应用仍存诸多困难与挑战。

一是技术风险带来较大挑战。大模型内在复杂性不可避免的带来诸多技术不确定性，包括模型黑箱、模型歧视、算法趋同、机器服务冰冷、隐私保护薄弱等，而大模型应用面临幻觉控制以及可审计性、可追溯性、可解释性不足的难题。同时，AI发展过程中也存在AI对齐、AI虚假、AI操纵等人机伦理问题。此外，还需注意开源算法与生俱来的系统绑定和技术依赖风险。

二是数据治理亟待加强。目前，我国公共数据发掘不足、品质不高、开放不够，个人数据和企业数据权属不清、保护不够、流通不畅，数据产权不够明晰，数据理能力有待提高，且我国高品质文化类、科技类、视觉类数据相对短缺，难以满足大模型需求。此外，我国互联网平台与金融机构的数据共享模式尚不成熟，存在数据泄露等安全问题，对金融决策的合规性和严谨性构成挑战。

三是监管规则和标准建设有待完善。大模型在金融领域的广泛应用伴随着一系列挑战，尤其是数据治理、隐私保护、模型风险等问题日益凸显，亟须制定相应的管理制度与标准来引导其健康发展。当前，我国针对大模型的道德伦理标准亟待完善，监管规则制定仍处于探索阶段。快速迭代的金融大模型技术发展与应用，对监管理念、监管能力和监管效率提出了更高要求。

四是投入成本较高及专业人才短缺。大模型训练运行需要大量算力，而算力设施建设需要投入大量资本、人才和时间。当前，我国尚未突破芯片等核心技术瓶颈，算力建设缺乏明显的投入产出优势，一定程度上限制了大模型技术推广应用。同时，金融行业尚未建立统一的行业级大模型基础设施，中小金融机构部署成本较高，依靠各金融机构“单打独斗”部署大模型，可能进一步加剧不同规模金融机构间的“马太效应”。

多方合力

推动金融行业大模型发展与应用

会议认为，金融行业大模型建设要以提升客户服务与经营管理质效为目标，坚持价值导向、守正创新，加强生态合作，立足自主可控，兼顾成本效益，稳妥有序推进金融行业大模型发展。

一是坚持市场导向。要集中力量推进基础软硬件自主创新，用技术手段化解各种技术不确定性难题，逐渐摆脱对国外开源底层的依赖，真正实现“国产替代”。商业可持续是驱动金融行业大模型发展的关键动力，要明晰大模型应用带来的业务价值、服务价值等直观效益，如投入产出比、可观业绩增值等。尤其是中小金融机构，更要重视大模型技术的实用性，明确金融大模型应用场景与目标，不盲目追求大模型，可通过大小模型相结合等方式，在保障功能情况下减少算力成本。

二是加强数据治理。海量的市场交易和公民行为数据是我国数字经济、数字金融发展的宝贵资源，而数据治理是一项关键性、基础性、长期性任务。对政府部门而言，要推进公共数据发掘、脱敏和开放共享，比如对公共部门掌握的个人和企业数据进行脱敏处理，以更好地用于公众领域。对金融机构而言，要建立完善的数据治理架构，明确数据治理的目标、原则和流程。要健全完善知识运营机制，提升企业级知识基础能力，加强大模型准入与评测管理，不断提升模型运营监控能力。要定期检查数据的准确性、完整性、一致性、多样性和代表性，在处理敏感信息时，必须严格遵守数据隐私保护法规，防止未经授权的访问、使用或泄露，维护客户信息安全。

三是坚持包容审慎监管。在探索大模型应用实践过程中，监管部门要统筹发展与安全，坚持“实践在前、监管在后，发展在前、规范在后”的原则，逐步构建安全、可靠、可控、公平的AI治理体系，积极关注伦理规范和监管立法，制定严格的道德伦理标准，注重技术伦理评审，防范算法偏见，促进大模型健康发展。金融机构要以保障AI应用满足金融服务为要求，以有效防范隐私泄漏、算法歧视、模型安全等各类风险为治理目标，重点围绕可追责性、高可靠性、隐私安全性、可解释性、公平性及价值观治理开展工作，强化主体责任，做好制度流程建设与治理实施。

四是构筑金融大模型行业生态。要加强各方合作，强化人工智能、芯片制造等专业人才培养，合力攻关算力核心技术“卡脖子”难题。探索“政产学研”各方共建金融行业基础设施的可行路径，构建“商用+开源”、“大模型+小模型”、“通用+领域”“行业级模型+企业级模型”协作机制，沉淀大模型技术公共服务能力，形成全方位、多层级、可复用、多场景金融大模型服务体系。允许中小金融机构借助科技公司力量开展模型训练并进行差异化调整，平衡企业的成本与收入，满足高效率、低投入、个性化金融需求，提升大模型应用质效。