来源：财联社

　　人工智能、大模型等前沿技术在金融领域的创新应用正处于爆发式增长的关键阶段。10月18日，在“全球资产管理中心 上海国际活动周2024”第五届1024资管科技开发者大会（ITDC2024）上，围绕全球金融科技中心建设，与会专家分享了大模型等新兴技术在金融领域落地的各种理论与实践经验。

　　大模型技术飞速发展，需高效聚集资源、协同创新

　　智能投研技术联盟（ITL）主席杨强介绍，如今人工智能和大模型技术有了长足的发展，但这是在中心化模式下进行的。中心化有很多优点，也带来了包括数据隐私保护和资源的分配等方面的一些问题，而隐私数据需要受到保护。

　　通用大模型、中心化大模型向分布式大模型发展的过程中，未来金融领域必然会诞生多个大模型。通过建立理论边界、激励机制，包括持续学习、反学习和多个模型之间的协作、知识的迁移、知识的保护等，众多模型互相合作，有望形成更有效的模型图计算场景。

　　复旦大学浩清特聘教授、上海科学智能研究院院长、无限光年创始人漆远则表示，大模型在产业落地时，需要解决幻觉、解释性不强、成本高等问题。人工智能要在各行业的复杂场景中发挥核心作用，需要将系统的行业知识、推理逻辑、决策机制与大模型结合，提高推理精度、降低服务成本，才能打造真正的生产力工具。“灰盒”可信大模型将符号推理的“白盒”与神经网络的“黑盒”相结合，打造不同垂直领域可信大模型，让其可靠、可解释，释放生产力工具的巨大价值，赋能千行百业。

　　上海人工智能实验室领军科学家乔宇教授认为，大模型创新的核心是算力、数据和人才，打造重大原创平台，高质量高密度配置创新要素，提升创新能效。另外，大模型的产业链非常广泛，涉及芯片、框架、数据、模型、评测等多个环节，可以多环节协同，体系化创新，构建高能级创新生态。

　　落地金融仍面临挑战，由内向外逐步探索

　　具体到大模型等技术在金融领域的落地，恒生电子股份有限公司首席科学家、研究院院长白硕总结了大模型在金融行业落地的十字方法论 “桩、闭环、活数据、双向奔赴”。“桩”指模型长在业务系统和业务数据上，“闭环”指接受来自业务的闭环检验，“活数据”意味着实时、精准、可溯源，“双向奔赴”指业务描述文档要清晰、规范、大模型友好。

　　蚂蚁集团财保事业群技术总监姚军认为，大模型要想实现规模化的产业落地，它需要解决严谨、专业和可靠三个挑战。大模型很容易产生幻觉，但是在金融领域对严谨性的要求非常高，金融业是非常专业的领域，还有安全合规方面的要求。

　　上海市信息投资股份有限公司副总裁山栋明则认为，当前大模型在金融领域落地仍面临算法、算力及数据语料的挑战。未来大模型的PK一定是整体生态位的PK，需要“大象”，更需要各个垂直领域里的“蚂蚁雄兵”。金融领域从事传统软件和信息服务的企业，如何加快拥抱模型的力度，形成向智能体开发者的转变，是成为“蚂蚁雄兵”的关键所在。

　　文因互联董事长鲍捷则在接受财联社采访时，强调了大模型应用过程中知识的重要性。鲍捷认为，大模型应用最大的挑战是如何将行业知识精准高效输入大模型中，实现大模型与业务场景的深度融合。金融领域需要专业知识，大模型应用将从数据驱动走向知识驱动。

　　商汤智能科技有限公司金融大模型研发负责人赵瑞介绍，金融场景探索的整体思路为“由内向外”，先探索机构内部的应用，研发提效、文档智搜、数据生产等场景，然后进一步往对外的业务进行探索和逐步开展扩展，包括营销辅助、智能投顾、智能投研、智能决策，推向全面系统级别的数字化。