一年前，对话型人工智能模型ChatGPT的横空出世，使得人工智能在新一轮科技变革浪潮中收获了更多关注。与此同时，以大模型为代表的新一代人工智能技术在风险管控、市场营销、运营服务、投资研究、企业经营治理等场景展现出的巨大发展潜力，令大众对人工智能的未来发展充满了想象与期待。

原保监会副主席、中关村金融科技产业发展联盟专家委员会主任委员周延礼表示：“当前，人工智能引领新一轮的科技革命和产业变革，在各项新理论、新技术的驱动下，人工智能呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等这些新特征，对于经济发展、社会进步、全球的网络空间治理将会产生一些重大的影响。”

经过突飞猛进的发展，人工智能将向何处去？目前，在加速金融业数字化和智能化发展方面有何新变化？

科技与金融不断融合发展，给金融行业传统技术架构带来了机遇和挑战。图为今年中国国际金融展上ZTE中兴展台的分布式数据库引起参观者关注。 记者 刘志良 摄

金融大模型应用加速

随着深度学习和人工智能算法的发展，计算消费者习惯的算力不断提升，同时，依托数据的积累，人工智能与各行各业逐步结合、融合发展，就金融业而言，银行、保险等金融机构在人工智能大模型方面的应用已颇具成效。

“金融业细分的领域众多，而且大量的产品最终要服务于C端用户，也就是服务于金融业的用户，包括银行用户、保险用户等，这是人工智能大模型算法技术突破的沃土。”周延礼认为，凭借着其强大的语义理解、语言生成以及知识的合成能力、整合能力，人工智能在风险管控、市场营销、运营服务、投资研究、企业经营治理等这些场景中大有可为。

“我们已经形成了较为完善的体系，并聚焦算力、数据、算法等相关领域加快搭建基于大模型技术的人工智能赋能体系。” 中国工商银行软件开发中心高级专家刘承岩透露，工行正积极探索人工智能技术在其他领域的应用，例如，“AI+卫星遥感技术”的融合，实现农作物长势分析、产量预估、渔排以及洪涝分析、光伏工程识别等新突破。

从趋势上看，围绕算法、算力、数据三大要素，商业银行在人工智能领域的探索已从“作坊式”开发、场景化定制的小模型时代进入了工业化开发、场景化调优的大模型时代。

这也与保险机构的发展趋势一致。以人保为例，据中国人民保险集团科技运营部总经理刘苍牧介绍，人保大模型规划了“ABCDE”五大领域的应用场景，其中，A（Agent）赋能代理人场景，B（Brand Marketing）智慧营销场景，C（Customer）客户服务场景，D（Developer）科技研发场景，E（Employee）智能办公场景。“我们将在安全合规的前提下，按照先内后外的顺序，积极推动各领域大模型应用场景的落地。” 刘苍牧说。

有业内人士直言，大模型技术的爆发式发展，将对金融行业带来革命性影响，把握好、把握住这一变革性机遇的企业将获得巨大的技术红利和竞争优势。

还存在哪些挑战

在未来发展中，大模型还会面临什么挑战？这是大模型在应用端进入深度竞争格局后，无论是科技界还是金融界持续提出的问题之一。

对于这一问题，人工智能科学家、OpenAI研究员肯尼斯·斯坦利（Kenneth Stanley）有着自己的思考，“我们受益于人工智能，但是我们也会需要‘护城河’。”

得益于突出的庞大数据处理能力以及较强的学习能力、泛化能力，大模型拥有了更多的资源投入、更广的应用场景，但其在技术上也存在一些缺陷。业界俗称“幻觉”的可靠性问题，就是大模型面临的最重要的挑战之一。

作为率先应用大模型的重点行业之一，金融业在积极探索大模型技术应用和发展的同时，亟须审慎应对各种风险和挑战。

从整体来看，智能科技在金融行业的进一步深入应用面临的主要挑战和风险包括数据隐私和安全风险、专业人才和技术壁垒、合规和监管问题、道德和伦理问题以及客户接受度问题等。

“我们在大模型研究和应用场景落地的过程中，感受到最大的限制并非是技术问题，而是算力资源严重不足。”刘苍牧直言，在国产化算力尚未强大的当下，这对持续开展大模型研究和推广应用是一个巨大挑战。

而金融行业垂直领域大模型能力提升和落地应用面临的另一大挑战在法律合规方面。

刘苍牧表示，大模型算法技术门槛高，底层算力资源需求大，因此，必须借助相关产业公司的技术和算力共同开展大模型的底座研究和训练，“这就涉及到脱敏数据出域的问题。但目前法律和监管层尚无非常明确的规定和指引，同业也普遍秉持谨慎的态度。”

仍需谨慎应对

虽然人工智能在金融领域的应用在逐渐增加，但其承担的更多是辅助角色，而不能完全取代人的作用。

“人工智能对于金融来说是风险极高的。”正如肯尼斯·斯坦利所言，“完全放手让人工智能来决定建议什么，如果没有人来进行监管监督的话，或许它的建议就会背离我们的初衷。”

对于金融机构如何应对各种风险和挑战，周延礼提出了几点建议，一是要建立完善支持创新的体制机制，“我们要鼓励科技公司在多个行业和领域进行创新研发，多和金融机构进行沟通和协调。”二是要加强数字基础设施建设，加大高速的互联网、云计算资源的数字化基础设施的投资力度，“我们要进一步支持数据共享与开放，促进金融机构和科技公司共同推出创新型的解决方案，鼓励金融业和国家超算中心、数据中心合作开展数字技术的研发。”周延礼说。另外，还要加大数字科技人才培养力度，鼓励产学研融合，培养人工智能等数字化技术领域的专业人才。

围绕产学研合作这一方向，刘苍牧也表示，应加强与高校、科研机构、科技公司及同业的合作交流，促进资源共享，加速智能科技的研发和应用进程，持续培育自有人工智能团队和自主研发的能力，培养企业的核心科技竞争力。