12月6日，上海市临港新片区主办的“2024年滴水湖新兴金融大会”在上海隆重举行。在大会的“2024南财数字金融领航者论坛”上，信银理财金融科技部总经理李珏峰在“金融智能化的趋势、机遇和挑战”的圆桌对话上，分享了他对在金融智能化的理解和探索。

　　李珏峰指出，人工智能是这一轮技术革命的核心主导技术，正在对新质生产力的形成产生重大影响。以大模型为代表的人工智能技术快速发展，呈现出高度扩散性和使能性，各种技术创新和商业化应用项目层出不穷，在教育、医疗、交通、艺术创作等多个领域都有丰富的成功案例不断展现，这也给AI与金融的结合带来了更大的想象空间。

　　他介绍，当前，大模型在金融领域的应用主要集中在业务场景简单、容错率较高的非决策类环节。通过RAG（检索增强生成）等技术结合自然语言处理能力，并配合私有化的金融垂直领域知识库，能够有效处理金融领域的知识密集型任务，如知识问答、文本摘要和内容生成等，在研报分析、行情检索、合规助理、智能客服、客户营销及业务助理等场景中提供了良好的用户体验。

　　同时，大模型在通用业务领域的应用则更加广泛，例如会议助手、写作助手和文档纠错等多种场景均有成熟案例，也完全适用于金融领域，展示了其多样化的应用场景和服务潜力。尽管如此，由于大模型存在一定的不确定性，在对金融专长和严谨性要求更高的领域，仍需进一步验证和积累经验。

　　李珏峰认为，未来，算力、数据和算法将是影响大模型发展的三个关键要素。

　　一是提升多模态数据管理和应用能力。金融机构将能够更好管理大规模的半结构化和非结构化数据，挖掘数据资产价值。具体场景可能包括智能数据分析、智能数据探查、智能建模、主动式数据资产治理等。

　　二是进一步与金融业务应用深度融合。当大模型具备更强的自主能力、交互能力和学习能力以后，便能够在复杂环境中优化其行为策略，实现预定目标，如投顾领域，可以会根据市场趋势和个人偏好提供建议；风险管理领域，可以用于构建更准确、更全面的风险模型；投资交易领域，通过分析海量的金融数据和市场信息，识别出潜在的交易机会和趋势等。

　　三是积极配套大模型风险管控的技术能力。在用好大模型的同时，要同步建设和运用技术手段防范数据隐私、模型安全等风险，并不断提高模型的可解释性、透明度和可监测性。

（文章来源：21世纪经济报道）