新一輪AI浪潮洶涌而來，從“想到”到“做到”，金融大模型的發展日新月異，但金融領域因其固有的特殊性，效率與風控、成本與安全的矛盾變得更加突出，如何看待大模型技術帶來的深遠影響？金融行業距離真正的AIBank還有哪些“難關”要攻破？

近日，在金融街論壇系列活動“金融強國背景下的數字金融高質量發展”研討會之“人工智能與數字金融高質量發展”研討活動在京舉辦。該研討由北京金融街服務局與北京立言金融與發展研究院聯合主辦，北京金融街服務局局長盧五星、國家金融與發展實驗室副主任楊濤做致辭發言，神州信息新動力數字金融研究院副院長薛春雨受邀出席并參與討論。

楊濤指出，做好數字金融大文章，可以從技術、數據要素和場景應用等視角出發，探討人工智能在其中的重要作用的同時，也應正視其風險與挑戰：一是正確處理技術邏輯與金融邏輯的融合，從金融視角來理解技術風險的沖擊；二是引導金融業大模型采取差異化策略應用，避免一哄而上；三是避免對技術的短期內高估、長期內低估；四是促使監管合理擁抱大模型，不斷優化監管科技水平，提高監管精準性；五是推動相關的技術標準化與軟規則建設，促使參與各方實現“各司其職，風險共擔”。

針對楊濤指出的重要議題，在圓桌交流環節，薛春雨與北京立言金融與發展研究院金融合規研究中心主任王錸等專家學者進行了深度剖析和解讀。

圓桌討論環節

神州信息新動力數字金融研究院副院長薛春雨，圍繞大模型應用落地的實際情況，對人工智能在金融行業的應用中面臨的風險進行了深入研討。

薛春雨認為，除了需要注意通用大模型目前面臨的共同的風險外，金融行業還應該關注以下幾個風險：

一是數據風險。信息安全是金融業立身之本，這決定了金融業不能直接使用外部的大模型，現階段內部私有化大模型提升能力尚需時日，如果要借助外部最新的能力，就需要對數據脫敏，但這同樣面臨執行過程中的風險；

二是模型風險。一方面，如果數據本身不準確，大模型的訓練結果極有可能出現偏差；另一方面，如果模型算法方面本身也會存在一定的缺陷，那么大模型的高效性特質會對后續的糾錯將會帶來非常大的成本。

三是過度依賴。目前大模型的可解釋性還存在較大的挑戰，所以如果出現故障，如何快速解決將是一個非常棘手的問題。另外，如果金融行業對其過度依賴，一旦受到攻擊，或者出現整體不可用的情況下，對金融機構的打擊將是致命的。

四是潛在風險。大模型在金融行業中的應用，同樣對一些從業人員會面臨較大的沖擊，造成一些抵觸。但如果大規模發生，將會帶來較大的社會問題。

面對以上這些問題，薛春雨認為，大模型在金融業的落地需要聚焦在企業大模型及相關聯的場景大模型方面，以場景大模型切入，逐步形成完整的企業大模型能力。

為此，神州信息制定了AIBank五步走的戰略。第一步：降本增效。先通過AIGC進行代碼生成等相關工作，保證快速見效，產生實實在在的價值；第二步：知識問答類賦能。基于某領域的知識及數據，通過AIGC的方式，快速進行知識回答，提升交互體驗；第三步：多種AI技術的融合。知識問答+傳統AI技術，形成綜合解決方案，并在多個業務條線進行落地；第四步：過程自動化。基于AIGC對知識的綜合學習及判斷，對流程及決策類系統進行自動化處理；第五步：高階智能化。在日常工作及系統中，融入AIGC等技術，實現過程的全面自動化及專業化。

目前，神州信息也基本處在L2+到L3階段。

在降本增效和知識問答兩個階段，神州信息自主研發了CodeMaster和 FinancialMaster，將其應用金融產品研發與業務處理場景，用于低代碼開發和業務知識問答，讓大模型在金融行業更加安全穩妥、切實有效地發揮作用。

最后，薛春雨提到，希望人工智能賦能數字金融，形成安全、高效、智能化、普惠的高質量發展！