意見領袖丨中國金融四十人論壇

　　“智能金融”指人工智能（AI）和金融行業的深度融合。與傳統的判別式AI小模型相比，生成式AI大語言模型的問世標志著AI與金融融合發展面臨新的轉折點。當前，大模型已被國內各類金融機構引進，作為提振內部生產力的工具，但尚缺乏面向客戶的應用場景。

　　為積極、穩妥推進大模型在金融行業的應用并釋放其巨大潛力，本文為金融機構與監管者提出五項建議。? 積極擁抱新技術，加快數字化轉型；? 緊緊圍繞價值創造，先內后外、逐步推進；? 著力推動大小模型交互應用，降低成本，提升效益；? 高度重視數據和算力，確保模型質量；? 切實加強安全風險管理，保障AI大模型有序發展。

　　——肖鋼 中國金融四十人論壇（CF40）資深研究員、中國證監會原主席

　　* 本文為作者在2024年4月20日的2024·金融四十人年會暨閉門研討會“邁向金融強國之路”專場二“人工智能與數字金融強國建設”上所做的主題交流。文章僅代表作者個人觀點，不代表CF40及作者所在機構立場。”

　　生成式AI大模型在金融行業

　　擁有巨大的應用潛力

　　“智能金融”指人工智能（AI）和金融行業的深度融合，這一概念最早于2017年國務院經黨中央批準發布的我國首個AI規劃——《新一代人工智能發展規劃》中提出。

　　自2019年起，我在CF40每年組織專家團隊撰寫《CF40中國智能金融發展報告》，回顧和探討AI與金融行業融合發展的相關情況和政策舉措。自那以后到現在，我們所說的智能金融應當說主要仍指傳統的判別式AI模型，即小模型，與今天討論的生成式AI大語言模型不同。

　　大模型的出現標志著AI與金融的結合面臨新的轉折點。當前，我國從大型銀行與股份制銀行到證券保險公司的各類金融機構都在進行積極準備，研究應用大語言模型的發展，并將其引進作為內部生產力工具，但大模型目前仍沒有真正面向客戶服務的應用場景。

　　麥肯錫在2023年發布的一份研究報告中分析了生成式AI大模型為金融行業、尤其是全球銀行業帶來的經濟價值。據其估算，應用生成式AI大模型每年為企業端（即2B）帶來的經濟價值為2.6-4.4萬億美元；其中，全球銀行業使用大模型可使其每年營業收入提高2.8-4.7%，這一比例高于全球制造業、零售業、旅游業、運輸業和物流業等所有其他行業。可見，大模型在金融行業有著巨大的應用潛力。

　　推進AI大模型在金融行業

　　應用的五項建議

　　為積極、穩妥促進大模型在金融行業的應用，我提出五項建議。

　　第一，積極擁抱新技術，加快數字化轉型。

　　智能金融是數字金融的高級形態，這兩者之間是相互促進的關系。數字化轉型是智能化的前提和基礎，而大模型的應用是加快數字化轉型的“核動力”。不同于原先的小模型，大模型的應用將為數字金融帶來新業態、新模式。

　　金融機構應全面認識AI大模型應用的緊迫性和重要性，一方面，在找到可落地的、面向客戶的應用場景前，不能高估大模型在當前的作用；另一方面，絕不能低估其未來的潛力，須緊跟發展趨勢，提前布局、做好準備。

　　需要指出，中小金融機構在數字化轉型中面臨諸多困難。有觀點認為，大模型的問世或極大加劇中小金融機構與大型機構之間的差距，即所謂的“馬太效應”；但也有分析指出，大模型為處于頭部的中小金融機構實現“彎道超車”帶來了機遇。

　　如何充分認識大模型為中小金融機構數字化轉型帶來的機遇和挑戰？如何立足其自身資源稟賦、幫助一批有條件的中小金融機構實現跨越式發展？這些問題應該提上日程。

　　第二，緊緊圍繞價值創造，先內后外、逐步推進。

　　與其他科技應用一樣，AI大模型在金融領域的應用也須堅持以客戶需求為主導，以業務價值創造為核心。金融行業應著力構建合適的場景，引入AI大模型，根據自身數據對其微調、訓練，然后基于試點項目進行使用。

　　這個過程中，應著眼于業務中的痛點和難點問題，不能為了應用而應用，而是要通過應用大模型創造服務新模式，從而大力降低成本、提升效益，并改善客戶體驗。目前，各金融機構對應用AI大模型的步驟掌握得比較好，采用了先內部使用、再根據條件延伸至客戶服務的做法。

　　在企業內部應用大模型作為生產力工具時，應引入價值觀評測機制。已有一些企業進行了成功的嘗試，充分利用AI代理軟件作為管家、助手，對于內部員工是否調用大模型、并采納其得出的結論加以控制。這方面也還需進一步改善。

　　第三，著力推動大小模型交互應用，降低成本、提升效率。

　　AI大模型具有“大而強”的特點，優勢在于基礎性和通用性，但對數據算力要求高，運行維護成本大，專業性也不足。相比而言，小模型的特點是“小而美”，體量小、成本低，易于訓練和維護，雖然性能遠不及大模型，但在適合的垂直專業領域應用更具優勢，銀行在風控和客戶服務上使用的大部分都是傳統模型。

　　因此，金融機構需建立大小模型協同發展的框架。這樣不僅有利于未來大模型的落地應用，也可以進一步促進小模型的發展。小模型能以較低的成本實現大模型的部分功能，我們可以增強小模型的性能，以滿足具體專業的應用需求，同時提升智能金融服務整體水平。

　　此外，大小模型交互使用、共生共融還有利于模型依靠反饋進行強化學習，促進模型迭代升級。金融機構需研究大模型的技術棧和傳統AI模型的技術棧如何融合發展，開發相關技術平臺與框架。未來，大小模型的交互使用將是長期趨勢。

　　第四，高度重視數據和算力，確保模型質量。

　　當前，AI大模型訓練主要依賴于互聯網公開的文本數據，其中，中文語料目前占比依然較低，訓練模型所使用的大部分中文語料來自海外、并不準確。我國對此非常重視，權威部門已在著手建設中文語料庫，但仍需時間。

　　因此，金融機構在訓練、部署大模型時，須對數據來源進行嚴格的合規管理，以確保數據質量；要積極采用數據編織技術，運用分布式數據管理架構，集成不同來源的數據，提供值得信賴的數據基礎，從而提高生成式AI模型的準確性。

　　未來，當人類自印刷機問世以來所出版的文本、書籍等各類數據都已經被使用時，模型訓練就會開始面臨數據短缺的瓶頸。因此，自主可控的合成數據，即計算機模擬數據，將擁有廣闊的發展空間。合成數據可以解決數據短缺的問題；同時，模擬數據不涉及隱私保護和數據安全風險；此外，發展自主可控的合成數據產業還將有利于解決數據可能帶來的偏見以及算法歧視等問題。

　　此外，考慮到金融機構當前算力不足，或可考慮建立算力資源池，探索多種圖形處理器（GPU）的統一調度，從而在一定程度上對沖國外高性能GPU芯片的斷供風險；同時，開發算法共享機制，規范算力外包，促進數據協同，加強基礎設施服務，尤其是要賦能中小金融機構。讓所有中小金融機構都去建設算力、研究算法是不太現實的，因此相關基礎設施服務的問題有待研究。

　　第五，切實加強安全風險管理，保障AI大模型有序發展。

　　未來，AI技術惡意使用將成為趨勢，也將以更快的速度增長，不僅會放大現有風險，還會引入新的風險。已有金融機構受到AI惡意使用的威脅。

　　為應對這一挑戰，金融監管部門應制定AI大模型在金融行業應用的準入標準，并實施備案管理。網信辦對進入意識形態領域的模型已要求進行事先風險評估。目前，國內廠商已推出了以“八大模型”[1]為代表的不少AI大模型，鑒于金融行業的重要性，上述模型如果要進入金融業，也應對其進行事先風險評估。

　　此外，金融機構應將AI相關風險納入整體風險管理和合規管理框架中，目前這方面做得還不夠。據我了解，國外有的大型銀行已將AI模型風險納入整體風險管理框架，并成立了AI模型管理委員會，建立了專門的管理平臺、流程和規范。我國金融機構也應對AI大模型相關風險實行分級分類管理，對模型數據參數進行定期評估和交叉驗證，并使用壓力測試，在各種情景下進行模擬校驗，及時披露模型決策機理、運行邏輯和潛在風險，防范算法歧視，提升算法的可解釋性、透明性與公平性。

　　目前，我國金融機構在防范欺詐上還在“單打獨斗”。不少金融機構都遇到過遭遇AI欺詐的數據，但僅掌握自身數據遠遠不夠。因此，應建設覆蓋全金融系統的、快速共享的反欺詐數據交換平臺，開發用于欺詐檢測的AI模型，所謂“道高一尺、魔高一丈”，我們要用AI來對抗AI欺詐。中小金融機構也可從這樣的公共數據服務平臺中獲益，而無需自行開發提升反欺詐模型能力。

　　附注：

　　[1]  即百度的文心一言、抖音的云雀大模型、智譜 AI的GLM 大模型、中科院的紫東太初大模型、百川智能的百川大模型、商湯的日日新大模型、MiniMax的ABAB 大模型以及上海人工智能實驗室的書生通用大模型。

　　(本文作者介紹：中國金融四十人論壇(CF40)是一家非官方、非營利性的專業智庫，定位為“平臺+實體”新型智庫，專注于經濟金融領域的政策研究。)