近段时间，包括电信运营商、互联网在内的多个企业加快通用大模型迭代升级，同时推出面向工业、金融、交通等领域的行业大模型。有业内人士认为，大语言模型技术给金融行业的人工智能技术应用注上一针“强心剂”。大模型在金融行业的应用情况如何？目前还面临哪些挑战？未来是否会向投资交易、客户服务、风控、合规、内控等核心场景发展？需要做好哪些举措来拥抱新技术带来的变革？近日，马上消费CTO蒋宁就以上问题接受了新华财经记者专访。

　　大模型为金融业人工智能技术应用注上一针“强心剂”

　　金融天然是数据密集型、技术密集型行业，但面对的挑战很多，例如银行线下网点的价值传递效率、用户体验问题，都需要机构持续创新。目前，金融机构也一直在挖掘数据价值，包括在风险、营销、运营等方面进行尝试。

　　截至目前，包括蚂蚁、腾讯、京东科技、度小满、奇富科技、马上消费金融等多家机构，均在紧锣密鼓布局，并已应用于获客、运营、风控、贷后服务等多个业务环节。大模型应用有望降低金融机构运营成本、提高运行效率，但在成本投入、可信度挑战等多个难点之下，金融大模型要大范围落地，仍有较远距离。

　　蒋宁认为，大模型在金融行业的标准要求高、挑战多。归根结底，金融行业是一个计算密集型、数据密集型，信息密集型行业。在金融科技创新的过程中，最敏感的数据被当成了一种新型的生产要素，并且还全面参与到了各类金融业务场景当中。

　　在这一过程中，数据与算法所映射出来的人、财、物和现实中的人、财、物交织在一起，使得原来的人与人之间、人与物之间、人与资本之间的关系发生了巨大变化、出现了诸多挑战，在此影响下就产生了各种金融科技伦理问题。

　　大模型新技术面临安全、合规、算法和生态四大挑战

　　在蒋宁看来，大模型新技术给行业带来了很多期望，使很多领域出现新机会，但同时也面临着安全、合规、算法和生态四个方面的挑战，以及在算法、数据和算力这三个层次也尚且存在短板。

　　蒋宁表示，首先大模型的挑战来自于安全、合规。“在谈大模型决策之前，首先要保证数据安全。我们要解决数据从哪里来，并有效地组织管理起这些数据”蒋宁说。目前数据的使用者、加工者、统筹者、利用者和管理者权益是分离的，需要从传统的君主制数据管理向联邦制数据管理构建，既有统筹、又有专业，既有应合、又有整体，才能有效规避大模型的潜在金融风险。

　　其次，大模型在鲁棒性决策中存在着巨大挑战，大模型可靠性依然存在巨大风险。蒋宁认为，“大模型在交易安全、生命安全等领域，在相当长一段时期里依然面临着巨大挑战，特别是在自动驾驶、医疗卫生等关乎社会安全和生命安全的领域，大模型还不能给出100%的正确建议，我们应该有效地利用大模型的建议，并对它进行有效管理”。

　　“大模型的挑战还来自于生态建设。良性大模型的构建需要行业各方共同努力，以实现各方共享大模型的技术红利。”对此，蒋宁表示，“大模型技术还没有形成一个连续学习和强化学习的机制，我们要在联邦学习的基础上，发挥群体智慧，来实现互利共赢。特别是在金融领域，各家金融机构要利用自身数据优势，建立起共研、共创、共享的生态机制”。

　　金融大模型行业标准需行业共建

　　今年来，金融科技行业涌现“大模型热”，从多家金融机构的动作就不难窥出。比如，对于大模型的安全合规建设，马上消费从算法、数据、算力这三个维度做了一些有益尝试和探索。

　　蒋宁介绍，在算法层面，基于集中协作系统，马上消费已构建起2000多个机器学习小模型，通过自我连续学习实现在线决策，基于多层防御增强金融模型的鲁棒性。在数据层面，马上消费通过高质量且合规的数据，有组织地投入到大模型，目前已累加100PB数据和20多万张数据库表，依托10多万个变量和特征，搭建起2000多个风控模型，形成行业领先的数据生态，实现全息用户级、全景环境级的数据资产。在算力层面，马上消费“天镜”大模型在自动化营销、风控等业务环节广泛应用，目前平台拥有智算中心算力200PFlops和1万余台服务器支持，以此来保障平台每秒150万次运算和每月30%的算力增长。

　　蒋宁表，对于金融行业大模型全域标准规范建设，马上消费积极探索，努力从构建基础设施、金融全域数据规范、金融算法规范和金融应用规范等四个维度寻求突破，通过对自身基础设备规范、数据采集、数据处理、模型合规、模型可信等环节的筛查把关，构建起一套完整的大模型安全合规应用评估体系。

　　“金融大模型行业标准需要行业共建，完善生态，建立数据共享的机制，马上消费有幸参与到重庆大模型联盟，积极推动行业的发展，相信未来在监管、协会和同业机构的共同努力下，金融大模型客观能力评价和行业标准也将尽快落地。”蒋宁说。

（文章来源：新华财经）