大模型如何落地应用于金融业？度小满CTO许冬亮：通用模型难以胜任金融任务，金融大模型是必由之路

原标题：大模型如何落地应用于金融业？度小满CTO许冬亮：通用模型难以胜任金融任务，金融大模型是必由之路

每经记者：肖世清 每经编辑：廖丹

10月17日，百度世界·度小满金融大模型前沿发展论坛在京召开。来自度小满、浦发银行、平安银行、光大银行等十余位金融行业高管共同探讨了大模型如何落地应用金融行业。

度小满CTO许冬亮在会上表示：“通用模型难以胜任金融领域任务，金融大模型是大模型落地金融行业的必由之路。”他认为，通用大模型竞争格局已定，大模型下一阶段的竞争是行业大模型的竞争。

中国工程院院士邬贺铨表示：“金融大模型改变了金融科技的范式，重塑金融行业的工作方式，改变了金融服务生态。”

展望未来生成式AI应用于金融领域的产业价值。度小满CEO朱光表示，生成式AI正在深入到各行各业。金融巨大的市场、丰富的场景、个性化的需求，为生成式AI的发展提供沃土。在金融领域，大模型技术蓄势待发，真正的变革时刻很快会到来。

度小满CTO许冬亮 图片来源：每经记者 肖世清 摄

金融大模型的发展需要全行业共同参与、合作开发

记者注意到，目前金融大模型已经应用在金融资讯、产品介绍内容的文本自动生成、构建虚拟客服在线交互等方面，给用户提供更人性化的服务，提升金融机构内容运营的效率。

谈及目前大模型在金融行业的应用现状，邬贺铨认为，金融大模型的发展目前仍面临着三方面挑战。首先是金融行业对数据安全性、隐私合规性都有着严格的要求。尤其是在风控方面，对时效性与精准性要求严格，而一般的基础大模型透明性、可信性、专业性不足，很难直接迁移为金融大模型。

第二点是金融大数据在成本与质量上的平衡问题。由于金融行业内的数据难以共享，因此金融大模型的数据规模远远不及通用语料，导致金融大模型难以产生“智能涌现”的效果。

第三则是本地私有部署需要自建算力设施，对软硬件产品有严格的信创要求，而且参数规模大则算力成本高。

许冬亮称：“大模型发展到现在，有着不同的切入思路，比如说从模型的层级结构上，有通用大模型、行业大模型、企业大模型、任务大模型等等；从技术路线上，有开源大模型和闭源大模型。”他建议，金融机构应用大模型的路径首选在行业大模型基础上建立自己的企业大模型和任务大模型，“自己从头训练一个行业大模型，既不经济也非必要。”

邬贺铨指出，金融大模型的发展需要全行业共同参与，合作开发。“基础大模型多数从通用语料训练生成，通识能力强，可作聊天对话，但缺少行业专业知识，需要大模型提供方与垂直行业合作开发行业大模型。”

生成式AI在金融领域的应用将是度小满重要的战略方向

谈及金融大模型的落地应用途径，邬贺铨建议：一是从可控入手开发应用，例如智能客服、智能运营、写文章、写邮件等安全的领域出发。二是从人机混合智能切入，例如在初期阶段先让金融大模型与传统模型共存，经应用考验后再将金融大模型逐步替代传统模型。同时还可以通过变换场景，丰富大模型的场景迁移学习能力，或加入反事实的数据来测试，改进AI的学习本质，提高模型的泛化能力。也可以在金融大模型训练或微调时通过有监督学习思维链的模式，通过专家介入诱导它一步一步地进行思维推理。

朱光表示，金融大模型的产业落地要做到“向下看”和“向上看”，业务需要“向下看”，了解底层技术的基本原理和框架，才能够更好地借助大模型技术，去定义和解决真正的业务难题；技术则要“向上看”，让通用大模型与行业数据、场景数据与业务需求结合，将技术转化为产业价值。

展望大模型在金融行业的应用前景，浦发银行总行信息科技部总经理陈海宁表示，当前大模型在金融领域的应用，将逐渐从外围走向核心，需要金融监管的关心支持，金融同业与大模型科技伙伴加强合作，共同探索建立金融服务重量级应用，为金融服务实体经济提供助力。大模型在金融领域的应用充满挑战和机遇，要做好算力、数据、技术、人才的积累，积极拥抱新技术带来的变革。

而朱光也表示：“未来五年，生成式AI在金融领域的应用，将成为度小满最重要的战略方向。度小满将不断加大金融垂类大模型及应用的布局和投入，和业界一起把握机遇，推动新一轮金融科技发展浪潮。”

每日经济新闻