摘 要:人工智能是新一輪科技革命和產(chǎn)業(yè)變革的核心驅動力，人工智能高質量發(fā)展和高水平應用是推動金融高質量發(fā)展的新動能。深化大數(shù)據(jù)、人工智能等研發(fā)應用，開展“人工智能+”行動，建設金融大模型已經(jīng)成為金融行業(yè)發(fā)展的重要趨勢。人工智能大模型大規(guī)模落地金融行業(yè)，加快形成新質生產(chǎn)力，與其他金融科技融合，正在引發(fā)金融科技發(fā)展范式創(chuàng)新、行業(yè)運行方式變革、服務生態(tài)體系重塑，在風險評估和預測、文本分析和輿情監(jiān)測、客戶服務和咨詢、智能投資顧問和投資組合優(yōu)化等領域得到應用。大模型在金融領域的應用還在摸索階段，還需要金融機構與科技企業(yè)共同探索，以期在風險與機遇之間找到最佳的平衡點。
關鍵詞:人工智能 大語言模型 金融大模型 新質生產(chǎn)力
【中圖分類號】F49 【文獻標識碼】A
近年來，大數(shù)據(jù)、機器學習、自然語言處理、計算機視覺、語音識別和智能推薦等一系列人工智能及其相關技術得到長足發(fā)展，不僅極大提高了復雜問題的數(shù)據(jù)分析、處理、建模能力，也使得人和機器間的交互得以更加智能化。人機混合智能技術在金融領域的應用越來越多，ChatGPT、MOSS、ChatGLM等最新大模型技術（Large Language Model）已成為數(shù)字科技與金融領域結合的熱點，為以整體思維和系統(tǒng)認知破解金融科技發(fā)展難題提供了有效解決方案。金融領域大模型開發(fā)和應用取得可喜突破。金融行業(yè)具有場景、數(shù)據(jù)、知識“三多”的特點，為人工智能大模型發(fā)揮價值創(chuàng)造了便利條件。海外機構紛紛下場布局金融大模型，如彭博首度針對金融業(yè)推出大型語言模型BloombergGPT，哥倫比亞大學聯(lián)合上海紐約大學開發(fā)了FinGPT。與此同時，國內企業(yè)也迎頭搶灘金融大模型賽道，如馬上消費金融服務有限公司發(fā)布“天鏡”大模型，螞蟻集團推出了螞蟻基礎大模型，此外一些證券機構也開始應用大模型為客戶提供金融服務。
金融高質量發(fā)展與人工智能大模型的特性高度耦合
2022年下半年以來，以美國OpenAI公司發(fā)布的ChatGPT產(chǎn)品為代表的人工智能大模型熱潮席卷全球，標志著人工智能技術正式進入大模型時代，原先的許多人工智能技術將快速被大模型技術整合、取代、顛覆。就目前的發(fā)展態(tài)勢，大模型可分為以OpenAI開發(fā)的GPT-4為代表的通用大模型、有以谷歌開發(fā)的專注醫(yī)療健康的Med-PaLM 2為代表的行業(yè)大模型、有以粵港澳大灣區(qū)數(shù)字經(jīng)濟研究院開發(fā)的圖像分割基礎模型Grounded-SAM為代表的垂直大模型。在通用大模型的基礎上，運用行業(yè)數(shù)據(jù)訓練行業(yè)大模型或在通用/行業(yè)大模型基礎上，運用具體任務數(shù)據(jù)訓練垂直或專屬于企業(yè)、機構的大模型，逐漸成為人工智能技術發(fā)展的新模式。
大模型的發(fā)展大致經(jīng)歷了三個階段。第一階段是萌芽期，以卷積神經(jīng)網(wǎng)絡（CNN）為代表的傳統(tǒng)神經(jīng)網(wǎng)絡模型階段，為自然語言生成、機器視覺等領域的深入研究奠定了基礎；第二階段是探索期，以多層變換器（Transformer）為代表的全新神經(jīng)網(wǎng)絡模型階段，奠定了大模型預訓練算法架構的基礎，使大模型技術的性能得到顯著提升；第三階段是爆發(fā)期，以GPT為代表的預訓練大模型階段，大幅提升了大模型的預訓練和生成能力以及多模態(tài)多場景應用能力。
人工智能正在從語音、文字、視覺等單模態(tài)智能，向著多種模態(tài)融合發(fā)展。從GPT-1到ChatGPT再到GPT-4 Turbo的發(fā)布歷程清晰地呈現(xiàn)了大模型從單模態(tài)生成到多模態(tài)融合發(fā)展的趨勢。ChatGPT是基于GPT-3.5 架構，綜合機器學習、神經(jīng)網(wǎng)絡等技術的大規(guī)模預訓練語言模型，能夠實現(xiàn)代碼生成、文本問答、內容撰寫等數(shù)字內容，屬于生成式人工智能（AIGC）。從產(chǎn)品形式看，ChatGPT是一款實現(xiàn)聊天功能的軟件應用。從技術層面看，“GPT”可以這樣理解：G是Generative，指生成內容，不同于搜索引擎，它根據(jù)現(xiàn)有字段預測下一個字，再將自己生成的下一個字和之前的字段組合，并不斷循環(huán)直至完成，而非僅匹配數(shù)據(jù)庫現(xiàn)有內容；P是Pre-Trained，指預訓練，代表模型已經(jīng)完成某些相關材料的訓練；T是Transformer，指底層的深度學習模型。隨著以ChatGPT為代表的生成式人工智能產(chǎn)品的火爆“出圈”，全球掀起了人工智能大模型開發(fā)浪潮。
以大模型為代表的人工智能發(fā)展呈現(xiàn)出技術創(chuàng)新快、應用滲透強、國際競爭激烈等特點，展現(xiàn)出強大的賦能效應。大模型是“大數(shù)據(jù)+大算力+強算法”的結合，通過在海量數(shù)據(jù)集上做預訓練來學習復雜的模式和特征，它能夠挖掘并生成新的數(shù)據(jù)資產(chǎn)價值，具備壓縮海量數(shù)據(jù)和更強大的泛化能力，可以對未見過的數(shù)據(jù)做出準確的預測，展現(xiàn)出強大的語言理解和生成能力。大模型包含了“大規(guī)模”和“預訓練”兩層含義，即模型在大規(guī)模的語料庫上完成了預訓練后僅需要少量數(shù)據(jù)的微調，就能直接支撐各類任務。大模型的快速崛起推動通用人工智能（AGI）的普及，使各領域的智能系統(tǒng)具備像人類一樣學習和推理甚至決策的能力。同時，推動機器算力向機器智力的躍升，拓展了人類認知疆域和知識范疇，促使數(shù)字社會加速向智能社會演進。
大模型在商業(yè)應用中的價值和重要性越來越引起人們的關注，尤其在金融、醫(yī)療、能源等領域，大模型逐漸成為企業(yè)提升效率、降低成本、提高競爭力的有效工具。與此同時，通用大模型無法具備解決行業(yè)、領域等專業(yè)問題的能力，大模型的商業(yè)應用邏輯逐漸呈現(xiàn)出多樣化、定制化的特點，大模型演化成“通用—行業(yè)—領域”的垂直化發(fā)展模式。金融領域首當其沖。中國銀保傳媒股份有限公司和騰訊研究院聯(lián)合發(fā)布的《2023金融業(yè)大模型應用報告》顯示，大模型技術目前在金融領域的結合呈現(xiàn)多層次、多維度的發(fā)展特點，已全面滲透到金融行業(yè)的前中臺通用應用、監(jiān)管科技、個性應用、后臺應用，包含渠道運營、營銷管理、產(chǎn)品設計、資產(chǎn)管理、風險管理、開發(fā)與運維、監(jiān)管科技、辦公管理和通識工具等核心應用模塊。
隨著大模型技術的不斷發(fā)展和優(yōu)化，其在金融行業(yè)的應用場景將越來越豐富，從智能營銷、金融信息查詢，到財富管理、風險控制等多個領域，大模型都將賦予金融行業(yè)新的生命力和創(chuàng)新可能性，推動金融行業(yè)的數(shù)字化和智能化進程。比如，馬上消費基于深厚的科研積累和長期的數(shù)字化實踐，在大模型的智能化架構、構建先進人工智能驅動的模型決策系統(tǒng)方面不斷進行嘗試。經(jīng)過約一年的研發(fā)和內測，2023年8月，馬上消費發(fā)布了全國首個零售金融大模型——“天鏡”大模型。“天鏡”大模型引入生成式模型強大的遷移學習和泛化能力，嵌入優(yōu)化金融業(yè)流程。從技術創(chuàng)新上，實現(xiàn)了模型訓練過程中的高效模型精調，實現(xiàn)了客服對話場景的模型生產(chǎn)技術細分，實現(xiàn)了提示工程技術下的模型輸出可控，同時，實現(xiàn)了幻覺檢測技術下生成內容可信。天鏡大模型通過在線交互的強化學習技術實時優(yōu)化大模型預測精度，提升智能客服機器人服務質量，意圖理解準確率達91%，相較傳統(tǒng)人工智能大模型的68%有較大提升，用戶滿意度達98.6%。馬上消費每天能基于用戶的1000萬個行為做出個性化的營銷和風險判斷，每天進行上億次模型計算，每秒可以處理150萬次特征計算請求。
與此同時，金融機構將在擁抱大模型方面迎來更大的發(fā)展空間，主要體現(xiàn)在產(chǎn)品和服務個性化、價值鏈效率、決策科學性等方面。當然，金融大模型執(zhí)行金融任務，需滿足三個條件：一是在線持續(xù)學習，讓大模型實現(xiàn)實時推理預測，基于用戶行為做出快速的、最佳的個性化判斷；二是要構建組合式人工智能平臺，讓大模型和傳統(tǒng)的數(shù)千個普通模型有效組合、達成合作；三是滿足安全合規(guī)這個根本要求，用對抗學習來解決模型的魯棒性問題，以保證其安全、合規(guī)。
人工智能大模型提升金融服務效率的邏輯和場景
人工智能大模型在金融高質量發(fā)展中起到至關重要的作用。一方面，橫向拓展金融服務場景。過去，數(shù)字技術與金融的融合解決的是相對簡單的問題，如征信、客服等，大模型的加持有助于原有場景中解決方案的提質增效，同時有能力解決相對復雜的問題，如風險防控、預測決策等。另一方面，縱向加深產(chǎn)業(yè)要素整合。在實體經(jīng)濟數(shù)字化過程中，通過“技術+金融+行業(yè)”的數(shù)字化平臺策略，推動金融與國家重大戰(zhàn)略、現(xiàn)代化產(chǎn)業(yè)體系融合發(fā)展，也推動金融資源向中小微企業(yè)、向基層群眾提供精準服務，帶動產(chǎn)業(yè)鏈不同組成部分的整合和一體化。
人工智能大模型加快形成金融新質生產(chǎn)力
新質生產(chǎn)力在金融行業(yè)中的表現(xiàn)和作用具象化，主要體現(xiàn)在以下幾個方面：第一，優(yōu)化。通過快速學習、交互和反饋，大模型能夠識別流程瓶頸，減少人為錯誤，提高運營效率，可以廣泛應用在金融審批、用戶分層、客服投顧、合規(guī)質檢等服務場景中。此外，大模型對金融行業(yè)的商業(yè)模式也會進行優(yōu)化，形成新產(chǎn)業(yè)和新生態(tài)。第二，連接。依托大模型能力和數(shù)字化優(yōu)勢，金融服務可以下沉拓展至縣城和農(nóng)村地區(qū)，實現(xiàn)普惠的獲客營銷、客戶運營及客戶服務，構建城市與農(nóng)村、供給和需求之間的連接。第三，預判。基于因果推斷和泛化能力，大模型可以進行數(shù)據(jù)分析、信用評估，從而發(fā)現(xiàn)可能的欺詐行為，預判未來的信用風險，與此同時，大模型可以理解隱含信息，處理非結構化數(shù)據(jù)，最終轉化為具有預測性的，能夠被人類理解的文本。這有助于防范風險、進行金融監(jiān)管和保護數(shù)據(jù)安全等。
大模型技術通過推動金融新技術、新生產(chǎn)工具的發(fā)展，形成新質生產(chǎn)力。大模型技術的應用，使得金融機構可以根據(jù)每個客戶的行為和偏好，為其提供個性化的服務和產(chǎn)品推薦。同時，大模型可以實現(xiàn)金融服務的自動化，如自動回答客戶的問題，自動處理客戶的請求等。大模型通過深度學習和自然語言處理等技術，對海量金融數(shù)據(jù)進行分析和處理，從而提供更精準的決策支持。例如，它可以通過分析歷史數(shù)據(jù)，預測市場趨勢，從而為投資決策提供支持。大模型通過分析個人或企業(yè)的信用歷史，預測其未來的信用狀況，從而為信用評級提供依據(jù)，也可以從大量的歷史數(shù)據(jù)中，學習和模擬風險模式，從而提供更準確的風險評估，提升金融機構的風險管理能力。大模型作為新質生產(chǎn)力，正在推動金融行業(yè)生產(chǎn)工具的發(fā)展，提升金融行業(yè)的決策效率和服務水平，同時也在推動金融行業(yè)的創(chuàng)新發(fā)展。
大模型正在滲透到金融行業(yè)的各個領域，通過賦能業(yè)務形成新質生產(chǎn)力。以ChatGPT為代表的生成式人工智能在兩個方面實現(xiàn)了重要突破：一是通用性大大擴展，這種通用性建立在預訓練大模型的基礎上，并推動數(shù)據(jù)、算法、算力在業(yè)務層面深度融合；二是實現(xiàn)了與自然語言的融合，極大地降低了交互成本，使人工智能可以快速融入金融領域各個業(yè)務中。隨著技術迭代創(chuàng)新，大模型將在更深層次上廣泛賦能金融行業(yè)現(xiàn)有業(yè)務升級、新業(yè)務出現(xiàn)，不斷形成新質生產(chǎn)力。
人工智能大模型與其他金融科技相結合推動創(chuàng)新
大模型涌現(xiàn)出的語境理解、情緒感知、歸納、推理等通用能力為金融科技的發(fā)展開啟了新篇章，即金融智能化階段。以大模型為典型的人工智能應用為金融科技和整個金融行業(yè)帶來了無限的創(chuàng)新思路和想象空間，不僅為金融科技帶來了新的變革機遇，也提出了一系列新的技術和業(yè)務需求，包括模型的可維護性、高性能和實時性，人工智能服務規(guī)模的可拓展性，人工智能服務的可靠性和容錯性，以及模型的可解釋性和審計能力等。
模型的可維護性是指模型在生產(chǎn)環(huán)境中的穩(wěn)定性和持續(xù)性。為了保證人工智能模型的持續(xù)有效和準確，行業(yè)需要建立一套完善的模型管理和更新機制，包括制品管理平臺、版本控制、監(jiān)控和優(yōu)化等。這樣可以確保模型及時應對新的業(yè)務需求和數(shù)據(jù)變化，從而提高模型的實用性和價值。高性能計算（High Performance Computing，HPC）是指通過利用大規(guī)模的計算資源和并行處理技術來解決復雜問題的計算方法。在實時“大模型+金融”應用中，高性能計算可以提供強大的計算能力，以處理大規(guī)模的數(shù)據(jù)和復雜的算法，從而實現(xiàn)更快速和高效的人工智能計算。為了支持人工智能服務規(guī)模的擴展，利用云計算和分布式技術是必要的。例如，使用云服務、分布式計算和分布式存儲，可以具備彈性的計算能力和大規(guī)模的數(shù)據(jù)處理能力。而采用微服務架構則可以提供靈活的服務組合和部署能力。這樣可以應對金融業(yè)務規(guī)模不斷擴大和業(yè)務需求不斷變化的情況。為了保證人工智能服務的穩(wěn)定運行，行業(yè)需要建立一套服務管理和監(jiān)控機制。例如，使用故障檢測和恢復技術、數(shù)據(jù)備份和恢復技術等方法，提高人工智能服務的可靠性和容錯性。這樣可以確保人工智能服務在面臨各種故障和問題時，能夠快速恢復和繼續(xù)提供服務。為了滿足監(jiān)管要求和提高用戶信任度，人工智能模型需要具有良好的可解釋性和審計能力。這意味著模型的決策過程必須是透明的，而且能夠追蹤和記錄模型的行為。這樣可以確保人工智能模型的決策是公正、公平和合規(guī)的，同時也可以提高用戶對人工智能模型的信任度。
人工智能大模型拓展了金融發(fā)展空間
從行業(yè)實踐看，大模型在多模態(tài)信息理解、內容生成、知識問答、代碼編程和合規(guī)檢測等方面擁有巨大的效率提升價值，目前已經(jīng)逐漸在金融領域加速滲透。主要應用可以分為兩個大類，一類是替代人工的標準化、重復性任務，實現(xiàn)降本增效，例如研報生成、電話營銷、智能投顧等；另一類是人機協(xié)作提高決策效率，全面提升金融生產(chǎn)力，如客服坐席輔助系統(tǒng)等。可以預期，隨著技術的不斷進步和成熟，大模型將繼續(xù)在金融行業(yè)的各個領域中扮演更加重要的角色，進一步提高金融服務質量并降低高水平金融服務成本，推進普惠金融的發(fā)展。
隨著人工智能技術的不斷發(fā)展，大模型在金融知識庫的應用將得到進一步拓展，助力提升金融機構的服務水平和業(yè)務發(fā)展水平。大模型在金融知識管理應用中的實踐已涉及多個領域，目前主要包括風險評估和預測、文本分析和輿情監(jiān)測、客戶服務和咨詢、智能投資顧問和投資組合優(yōu)化等領域。
大模型不僅可以提高金融風險評估的效率和準確性，還可以為金融機構提供智能化、定制化和實時性的風險管理解決方案。在金融風險評估方面，通過分析金融市場的風險特征和規(guī)律，大模型可以提供有針對性的風險防范建議。例如：在信用風險評估中，大模型可以為企業(yè)客戶提供信用評級和風險預警，幫助客戶優(yōu)化信用風險管理策略；在市場風險評估中，大模型可以分析市場趨勢，為投資者提供投資建議、降低投資風險。在信用風險預測方面，大模型可以分析借款人的個人信息、財務報表、歷史信用記錄等數(shù)據(jù)，對信用風險進行預測。大模型可以挖掘數(shù)據(jù)中的潛在規(guī)律，以評估借款人的信用狀況，為金融機構提供可靠的信用風險預測結果。此外，大模型還可以識別借款人的信用評級，為金融機構提供信用風險管理的參考。在信用風險預測場景中，大模型有助于金融機構降低不良貸款率。大模型可以分析客戶數(shù)據(jù)，為客戶提供符合其需求的金融產(chǎn)品推薦，提高客戶滿意度。同時，大模型還可以為金融機構提供客戶細分和精準營銷方案，助力金融機構拓展市場份額。在個性化金融推薦場景中，大模型有助于金融機構提升客戶服務水平。隨著人工智能技術的不斷進步，大模型在金融風險評估和預測領域的應用將更加廣泛，助力金融行業(yè)實現(xiàn)高質量發(fā)展。
大模型可以對海量金融資訊進行深度分析，挖掘有價值的投資線索。一方面，大模型可以用于金融知識圖譜的構建，將金融機構、金融產(chǎn)品、金融事件等實體及其關系進行建模，既為金融行業(yè)提供智能化的決策支持，又可以幫助金融機構挖掘金融知識圖譜中的潛在商機，推動金融業(yè)務的創(chuàng)新發(fā)展。另一方面，通過對金融文本的深入分析，大模型可以發(fā)現(xiàn)新的金融業(yè)務場景，為金融行業(yè)的發(fā)展提供創(chuàng)新思路。同時，大模型還可以為金融科技企業(yè)提供技術支持，助力金融科技的創(chuàng)新和發(fā)展。然而，大模型在金融文本分析和輿情監(jiān)測中的應用也面臨一些挑戰(zhàn)，如數(shù)據(jù)質量差、模型泛化等。為了應對這些挑戰(zhàn)，金融機構和研究人員需要不斷探索新的技術和方法，提高大模型在金融領域的應用效果。
在客戶服務和咨詢領域，大模型可以協(xié)助金融機構提升服務質量、提高客戶滿意度和深化客戶關系，主要應用包括智能服務、金融知識庫、金融咨詢、客戶關系管理等。在客戶畫像與個性化服務方面，通過對客戶對話文本進行深度分析，大模型可以構建客戶畫像，包括客戶興趣、偏好和需求等。結合客戶畫像和產(chǎn)品信息，大模型的智能客戶服務可以提供更為精準的個性化服務，提高客戶滿意度。同時，準確的客戶畫像還有助于智能客戶服務在后續(xù)對話中更好地滿足客戶需求，提升客戶忠誠度。在智能搜索與推薦方面，結合客戶需求和金融知識庫，大模型能夠實現(xiàn)智能搜索和推薦功能。客戶在咨詢過程中，大模型的智能客戶服務可以根據(jù)客戶提出的問題，快速在知識庫中檢索相關內容，為客戶提供精準的解答。此外， 大模型還可以根據(jù)客戶畫像和需求，為客戶推薦合適的金融產(chǎn)品和服務。
大模型在智能投顧和投資組合優(yōu)化方面的應用已漸趨成熟，主要應用在個性化投資建議、跨資產(chǎn)類別投資、實時動態(tài)調整、投資組合優(yōu)化、稅收優(yōu)化等幾個方面。比如，大模型在投資組合優(yōu)化中的具體應用有：利用現(xiàn)代投資組合理論，為客戶提供最優(yōu)投資組合構造方案；根據(jù)客戶的需求和風險承受能力，為客戶提供最佳的資產(chǎn)配置方案，以實現(xiàn)風險收益的平衡；為客戶提供多種投資策略，如價值投資、成長投資、指數(shù)投資等，以滿足客戶的不同投資需求；為客戶提供風險管理策略，如止損、止盈、期權等，以降低投資組合的風險。
人工智能大模型促進金融高質量發(fā)展的基本路徑
大模型在金融領域的應用還在摸索階段，還需要金融機構與科技企業(yè)共同探索，以期在風險與機遇之間找到最佳的平衡點。大模型應用總體上還處于早期探索階段，仍面臨不少挑戰(zhàn)。一方面，金融數(shù)據(jù)的私密性和多模態(tài)特性，限制了共享和構建大規(guī)模數(shù)據(jù)集的能力，增加了模型建立和處理的復雜性，導致大模型在金融垂直領域仍未出現(xiàn)涌現(xiàn)效應；另一方面，數(shù)據(jù)安全也是發(fā)展金融大模型繞不開的重要課題，亟須加快構筑形成組織、管理、技術、運營四位一體的金融數(shù)據(jù)安全治理體系框架，提升協(xié)同共治水平。但無論如何，大模型對于金融行業(yè)的發(fā)展趨勢影響是深遠的，它的應用態(tài)勢必將成為金融行業(yè)發(fā)展的重要動力。從大模型技術走向應用落地，需要金融行業(yè)的金融大模型與數(shù)據(jù)、場景相結合。
加強基礎設施層建設
基礎設施層是大模型和金融應用落地的基石，具體體現(xiàn)為高性能計算集群、高性能計算網(wǎng)絡、大數(shù)據(jù)存儲、向量數(shù)據(jù)庫等。高性能計算集群是由多臺計算機組成的系統(tǒng)，這些計算機通過高速網(wǎng)絡相互連接，共同完成計算任務；高性能計算網(wǎng)絡則是連接這些計算機的網(wǎng)絡，它需要具有高帶寬和低延遲的特性，以保證數(shù)據(jù)的高效傳輸；大數(shù)據(jù)存儲提供高性能的存儲和訪問能力，彈性擴展的存儲資源，以及安全可靠的數(shù)據(jù)保護措施；向量數(shù)據(jù)庫則是存儲和處理向量數(shù)據(jù)的數(shù)據(jù)庫，它可以有效地處理大規(guī)模的向量數(shù)據(jù)，為大模型提供必要的數(shù)據(jù)支持。這一層的設施為上層的模型訓練和應用提供了必要的硬件和數(shù)據(jù)支持。
發(fā)展數(shù)據(jù)、算法模型和算力
大模型浪潮下，數(shù)據(jù)、算法模型和算力構成了業(yè)務驅動的“三駕馬車”。數(shù)據(jù)是基礎元素。數(shù)據(jù)包括歷史數(shù)據(jù)和實時數(shù)據(jù)，可以從各類金融市場（如股票市場、債券市場、商品市場等）中獲取。數(shù)據(jù)的質量、準確性和完整性直接影響模型的有效性和準確性。算法模型是用于處理和分析數(shù)據(jù)的計算規(guī)則或程序。在行業(yè)中，算法的選擇和設計取決于其應用的目標和上下文。例如，如果目標是預測股票價格，可能會使用自回歸移動平均模型或長短期記憶網(wǎng)絡等機器學習算法。算力指的是計算機系統(tǒng)進行數(shù)據(jù)處理和計算的能力。隨著數(shù)據(jù)量的增加，大模型對算力的需求也在不斷增加。高效的算力可以確保模型在合理的時間內得出結果，從而為用戶提供及時的決策支持。如果說算力決定了模型能力的“下限”，那么在實際應用場景中，數(shù)據(jù)質量則決定了模型能力的“上限”。發(fā)展金融大模型，不僅需要高質量的海量數(shù)據(jù)供給，而且需要數(shù)據(jù)多樣且及時更新。金融大模型對數(shù)據(jù)的高要求促進了數(shù)據(jù)治理的發(fā)展，完備的數(shù)據(jù)治理新范式推動金融大模型合規(guī)發(fā)展。
統(tǒng)籌監(jiān)管與發(fā)展，促進“大模型+金融”應用合規(guī)落地
金融行業(yè)是一個強監(jiān)管的行業(yè)，政策環(huán)境、法規(guī)環(huán)境等對大模型在金融領域的應用產(chǎn)生直接且重要影響。例如，數(shù)據(jù)保護的相關法規(guī)可能會限制金融機構使用人工智能處理用戶數(shù)據(jù)，而政策扶持則可能會促進人工智能在金融領域的應用。從已發(fā)布的政策來看，宏觀政策呈現(xiàn)“中央規(guī)范為主，地方鼓勵為主”的特點。中央政策關注事前規(guī)范，并從科研、產(chǎn)業(yè)等方面鼓勵其發(fā)展。對于大模型的應用，政策需要在發(fā)展與監(jiān)管之間找到平衡。首先，政策需要明確大模型在金融行業(yè)應用的規(guī)范和要求。這包括但不限于數(shù)據(jù)安全、數(shù)據(jù)隱私、模型可解釋性、風險控制等方面。這些規(guī)范和要求既能保障金融行業(yè)的安全，也能保護消費者的權益。其次，政策需要鼓勵和支持金融機構進行技術改造，提升數(shù)據(jù)資產(chǎn)管理水平。這可能包括提供財政支持、技術指導和人才培養(yǎng)等。最后，政策需要鼓勵金融機構和科技企業(yè)之間的合作，以共同推動大模型在金融行業(yè)的應用。
促進科技企業(yè)和金融機構跨行業(yè)合作
科技企業(yè)在人工智能技術、算法優(yōu)化、計算資源等方面具有天然優(yōu)勢，它們可以提供高效、穩(wěn)定的大模型訓練和運行環(huán)境。金融機構則能提供豐富、真實的金融數(shù)據(jù)，以及對金融市場和業(yè)務流程的深入理解，從而推進金融行業(yè)大模型的應用落地。通過跨行業(yè)合作，科技企業(yè)和金融機構共同推動大模型在金融行業(yè)的規(guī)模化部署，為金融行業(yè)的發(fā)展注入新的活力和潛力。隨著大模型覆蓋的場景越來越多，對靈活的模型服務能力需求必然越來越大，包括模型的版本管理、在線更新，以及多場景多任務的服務調度等，未來工程化和流水線能力將逐漸凸顯其重要性。
提升多語言和跨語言的能力，促進多模態(tài)融合
通過引入多語言，金融大模型能夠支持不同語言和文化背景的用戶和場景。這不僅使金融機構能夠更好地滿足不同語言背景客戶的需求，提供個性化的金融建議和服務；還有助于全球性金融機構更全面地理解國際市場的動態(tài)，提高決策的全球視野。金融市場不僅涉及數(shù)字數(shù)據(jù)，還包括文本、圖像和聲音等多種形式的信息。未來的模型可能會更多地融合這些多模態(tài)數(shù)據(jù)，以更全面地理解市場情緒、新聞事件對股市的影響等。例如，結合新聞情感分析和圖像識別，更全面地評估市場情況。多模態(tài)融合模型的發(fā)展將促使不同類型數(shù)據(jù)之間的信息交互，增強金融大模型的表征能力，提高任務的精準度。
發(fā)展可持續(xù)的負責任的金融大模型
金融機構在使用 人工智能技術時需要考慮其對社會和環(huán)境的影響。例如，過度依賴自動化可能導致失業(yè)率上升，加劇社會不平等現(xiàn)象。因此，金融機構需要在推動創(chuàng)新的同時，關注可持續(xù)發(fā)展和社會責任。模型的設計和應用應該更加注重可持續(xù)金融和社會責任。例如，設計模型時要考慮環(huán)保因素，或者利用模型來識別社會責任投資的機會。再例如，確保模型的使用不會引發(fā)歧視性問題，保護客戶隱私，避免操縱市場等。未來的金融大模型需要具備可解釋性，能夠清晰地解釋模型的決策依據(jù)，為用戶提供可信賴的結果。例如，采用可解釋的模型結構，或者設計專門的解釋性模塊，以便更好地理解模型的決策過程。這種可解釋性將有助于用戶更好地理解模型的運作方式，增強用戶信任度，推動大模型在金融決策中的廣泛應用。
【本文作者為中央財經(jīng)大學中國互聯(lián)網(wǎng)經(jīng)濟研究院教授；本文系國家自然科學基金項目“數(shù)據(jù)要素價值化對企業(yè)數(shù)字化轉型的影響：機制、模式與對策”（項目編號：72373056）的階段性成果】
參考文獻略
責編：程靜靜／美編：石 玉