摘 要:人工智能是新一輪科技革命和產業(yè)變革的核心驅動力，人工智能高質量發(fā)展和高水平應用是推動金融高質量發(fā)展的新動能。深化大數據、人工智能等研發(fā)應用，開展“人工智能+”行動，建設金融大模型已經成為金融行業(yè)發(fā)展的重要趨勢。人工智能大模型大規(guī)模落地金融行業(yè)，加快形成新質生產力，與其他金融科技融合，正在引發(fā)金融科技發(fā)展范式創(chuàng)新、行業(yè)運行方式變革、服務生態(tài)體系重塑，在風險評估和預測、文本分析和輿情監(jiān)測、客戶服務和咨詢、智能投資顧問和投資組合優(yōu)化等領域得到應用。大模型在金融領域的應用還在摸索階段，還需要金融機構與科技企業(yè)共同探索，以期在風險與機遇之間找到最佳的平衡點。
關鍵詞:人工智能 大語言模型 金融大模型 新質生產力
【中圖分類號】F49 【文獻標識碼】A
近年來，大數據、機器學習、自然語言處理、計算機視覺、語音識別和智能推薦等一系列人工智能及其相關技術得到長足發(fā)展，不僅極大提高了復雜問題的數據分析、處理、建模能力，也使得人和機器間的交互得以更加智能化。人機混合智能技術在金融領域的應用越來越多，ChatGPT、MOSS、ChatGLM等最新大模型技術（Large Language Model）已成為數字科技與金融領域結合的熱點，為以整體思維和系統(tǒng)認知破解金融科技發(fā)展難題提供了有效解決方案。金融領域大模型開發(fā)和應用取得可喜突破。金融行業(yè)具有場景、數據、知識“三多”的特點，為人工智能大模型發(fā)揮價值創(chuàng)造了便利條件。海外機構紛紛下場布局金融大模型，如彭博首度針對金融業(yè)推出大型語言模型BloombergGPT，哥倫比亞大學聯(lián)合上海紐約大學開發(fā)了FinGPT。與此同時，國內企業(yè)也迎頭搶灘金融大模型賽道，如馬上消費金融服務有限公司發(fā)布“天鏡”大模型，螞蟻集團推出了螞蟻基礎大模型，此外一些證券機構也開始應用大模型為客戶提供金融服務。
金融高質量發(fā)展與人工智能大模型的特性高度耦合
2022年下半年以來，以美國OpenAI公司發(fā)布的ChatGPT產品為代表的人工智能大模型熱潮席卷全球，標志著人工智能技術正式進入大模型時代，原先的許多人工智能技術將快速被大模型技術整合、取代、顛覆。就目前的發(fā)展態(tài)勢，大模型可分為以OpenAI開發(fā)的GPT-4為代表的通用大模型、有以谷歌開發(fā)的專注醫(yī)療健康的Med-PaLM 2為代表的行業(yè)大模型、有以粵港澳大灣區(qū)數字經濟研究院開發(fā)的圖像分割基礎模型Grounded-SAM為代表的垂直大模型。在通用大模型的基礎上，運用行業(yè)數據訓練行業(yè)大模型或在通用/行業(yè)大模型基礎上，運用具體任務數據訓練垂直或專屬于企業(yè)、機構的大模型，逐漸成為人工智能技術發(fā)展的新模式。
大模型的發(fā)展大致經歷了三個階段。第一階段是萌芽期，以卷積神經網絡（CNN）為代表的傳統(tǒng)神經網絡模型階段，為自然語言生成、機器視覺等領域的深入研究奠定了基礎；第二階段是探索期，以多層變換器（Transformer）為代表的全新神經網絡模型階段，奠定了大模型預訓練算法架構的基礎，使大模型技術的性能得到顯著提升；第三階段是爆發(fā)期，以GPT為代表的預訓練大模型階段，大幅提升了大模型的預訓練和生成能力以及多模態(tài)多場景應用能力。
人工智能正在從語音、文字、視覺等單模態(tài)智能，向著多種模態(tài)融合發(fā)展。從GPT-1到ChatGPT再到GPT-4 Turbo的發(fā)布歷程清晰地呈現(xiàn)了大模型從單模態(tài)生成到多模態(tài)融合發(fā)展的趨勢。ChatGPT是基于GPT-3.5 架構，綜合機器學習、神經網絡等技術的大規(guī)模預訓練語言模型，能夠實現(xiàn)代碼生成、文本問答、內容撰寫等數字內容，屬于生成式人工智能（AIGC）。從產品形式看，ChatGPT是一款實現(xiàn)聊天功能的軟件應用。從技術層面看，“GPT”可以這樣理解：G是Generative，指生成內容，不同于搜索引擎，它根據現(xiàn)有字段預測下一個字，再將自己生成的下一個字和之前的字段組合，并不斷循環(huán)直至完成，而非僅匹配數據庫現(xiàn)有內容；P是Pre-Trained，指預訓練，代表模型已經完成某些相關材料的訓練；T是Transformer，指底層的深度學習模型。隨著以ChatGPT為代表的生成式人工智能產品的火爆“出圈”，全球掀起了人工智能大模型開發(fā)浪潮。
以大模型為代表的人工智能發(fā)展呈現(xiàn)出技術創(chuàng)新快、應用滲透強、國際競爭激烈等特點，展現(xiàn)出強大的賦能效應。大模型是“大數據+大算力+強算法”的結合，通過在海量數據集上做預訓練來學習復雜的模式和特征，它能夠挖掘并生成新的數據資產價值，具備壓縮海量數據和更強大的泛化能力，可以對未見過的數據做出準確的預測，展現(xiàn)出強大的語言理解和生成能力。大模型包含了“大規(guī)模”和“預訓練”兩層含義，即模型在大規(guī)模的語料庫上完成了預訓練后僅需要少量數據的微調，就能直接支撐各類任務。大模型的快速崛起推動通用人工智能（AGI）的普及，使各領域的智能系統(tǒng)具備像人類一樣學習和推理甚至決策的能力。同時，推動機器算力向機器智力的躍升，拓展了人類認知疆域和知識范疇，促使數字社會加速向智能社會演進。
大模型在商業(yè)應用中的價值和重要性越來越引起人們的關注，尤其在金融、醫(yī)療、能源等領域，大模型逐漸成為企業(yè)提升效率、降低成本、提高競爭力的有效工具。與此同時，通用大模型無法具備解決行業(yè)、領域等專業(yè)問題的能力，大模型的商業(yè)應用邏輯逐漸呈現(xiàn)出多樣化、定制化的特點，大模型演化成“通用—行業(yè)—領域”的垂直化發(fā)展模式。金融領域首當其沖。中國銀保傳媒股份有限公司和騰訊研究院聯(lián)合發(fā)布的《2023金融業(yè)大模型應用報告》顯示，大模型技術目前在金融領域的結合呈現(xiàn)多層次、多維度的發(fā)展特點，已全面滲透到金融行業(yè)的前中臺通用應用、監(jiān)管科技、個性應用、后臺應用，包含渠道運營、營銷管理、產品設計、資產管理、風險管理、開發(fā)與運維、監(jiān)管科技、辦公管理和通識工具等核心應用模塊。
隨著大模型技術的不斷發(fā)展和優(yōu)化，其在金融行業(yè)的應用場景將越來越豐富，從智能營銷、金融信息查詢，到財富管理、風險控制等多個領域，大模型都將賦予金融行業(yè)新的生命力和創(chuàng)新可能性，推動金融行業(yè)的數字化和智能化進程。比如，馬上消費基于深厚的科研積累和長期的數字化實踐，在大模型的智能化架構、構建先進人工智能驅動的模型決策系統(tǒng)方面不斷進行嘗試。經過約一年的研發(fā)和內測，2023年8月，馬上消費發(fā)布了全國首個零售金融大模型——“天鏡”大模型。“天鏡”大模型引入生成式模型強大的遷移學習和泛化能力，嵌入優(yōu)化金融業(yè)流程。從技術創(chuàng)新上，實現(xiàn)了模型訓練過程中的高效模型精調，實現(xiàn)了客服對話場景的模型生產技術細分，實現(xiàn)了提示工程技術下的模型輸出可控，同時，實現(xiàn)了幻覺檢測技術下生成內容可信。天鏡大模型通過在線交互的強化學習技術實時優(yōu)化大模型預測精度，提升智能客服機器人服務質量，意圖理解準確率達91%，相較傳統(tǒng)人工智能大模型的68%有較大提升，用戶滿意度達98.6%。馬上消費每天能基于用戶的1000萬個行為做出個性化的營銷和風險判斷，每天進行上億次模型計算，每秒可以處理150萬次特征計算請求。
與此同時，金融機構將在擁抱大模型方面迎來更大的發(fā)展空間，主要體現(xiàn)在產品和服務個性化、價值鏈效率、決策科學性等方面。當然，金融大模型執(zhí)行金融任務，需滿足三個條件：一是在線持續(xù)學習，讓大模型實現(xiàn)實時推理預測，基于用戶行為做出快速的、最佳的個性化判斷；二是要構建組合式人工智能平臺，讓大模型和傳統(tǒng)的數千個普通模型有效組合、達成合作；三是滿足安全合規(guī)這個根本要求，用對抗學習來解決模型的魯棒性問題，以保證其安全、合規(guī)。
人工智能大模型提升金融服務效率的邏輯和場景
人工智能大模型在金融高質量發(fā)展中起到至關重要的作用。一方面，橫向拓展金融服務場景。過去，數字技術與金融的融合解決的是相對簡單的問題，如征信、客服等，大模型的加持有助于原有場景中解決方案的提質增效，同時有能力解決相對復雜的問題，如風險防控、預測決策等。另一方面，縱向加深產業(yè)要素整合。在實體經濟數字化過程中，通過“技術+金融+行業(yè)”的數字化平臺策略，推動金融與國家重大戰(zhàn)略、現(xiàn)代化產業(yè)體系融合發(fā)展，也推動金融資源向中小微企業(yè)、向基層群眾提供精準服務，帶動產業(yè)鏈不同組成部分的整合和一體化。
人工智能大模型加快形成金融新質生產力
新質生產力在金融行業(yè)中的表現(xiàn)和作用具象化，主要體現(xiàn)在以下幾個方面：第一，優(yōu)化。通過快速學習、交互和反饋，大模型能夠識別流程瓶頸，減少人為錯誤，提高運營效率，可以廣泛應用在金融審批、用戶分層、客服投顧、合規(guī)質檢等服務場景中。此外，大模型對金融行業(yè)的商業(yè)模式也會進行優(yōu)化，形成新產業(yè)和新生態(tài)。第二，連接。依托大模型能力和數字化優(yōu)勢，金融服務可以下沉拓展至縣城和農村地區(qū)，實現(xiàn)普惠的獲客營銷、客戶運營及客戶服務，構建城市與農村、供給和需求之間的連接。第三，預判。基于因果推斷和泛化能力，大模型可以進行數據分析、信用評估，從而發(fā)現(xiàn)可能的欺詐行為，預判未來的信用風險，與此同時，大模型可以理解隱含信息，處理非結構化數據，最終轉化為具有預測性的，能夠被人類理解的文本。這有助于防范風險、進行金融監(jiān)管和保護數據安全等。
大模型技術通過推動金融新技術、新生產工具的發(fā)展，形成新質生產力。大模型技術的應用，使得金融機構可以根據每個客戶的行為和偏好，為其提供個性化的服務和產品推薦。同時，大模型可以實現(xiàn)金融服務的自動化，如自動回答客戶的問題，自動處理客戶的請求等。大模型通過深度學習和自然語言處理等技術，對海量金融數據進行分析和處理，從而提供更精準的決策支持。例如，它可以通過分析歷史數據，預測市場趨勢，從而為投資決策提供支持。大模型通過分析個人或企業(yè)的信用歷史，預測其未來的信用狀況，從而為信用評級提供依據，也可以從大量的歷史數據中，學習和模擬風險模式，從而提供更準確的風險評估，提升金融機構的風險管理能力。大模型作為新質生產力，正在推動金融行業(yè)生產工具的發(fā)展，提升金融行業(yè)的決策效率和服務水平，同時也在推動金融行業(yè)的創(chuàng)新發(fā)展。
大模型正在滲透到金融行業(yè)的各個領域，通過賦能業(yè)務形成新質生產力。以ChatGPT為代表的生成式人工智能在兩個方面實現(xiàn)了重要突破：一是通用性大大擴展，這種通用性建立在預訓練大模型的基礎上，并推動數據、算法、算力在業(yè)務層面深度融合；二是實現(xiàn)了與自然語言的融合，極大地降低了交互成本，使人工智能可以快速融入金融領域各個業(yè)務中。隨著技術迭代創(chuàng)新，大模型將在更深層次上廣泛賦能金融行業(yè)現(xiàn)有業(yè)務升級、新業(yè)務出現(xiàn)，不斷形成新質生產力。
人工智能大模型與其他金融科技相結合推動創(chuàng)新
大模型涌現(xiàn)出的語境理解、情緒感知、歸納、推理等通用能力為金融科技的發(fā)展開啟了新篇章，即金融智能化階段。以大模型為典型的人工智能應用為金融科技和整個金融行業(yè)帶來了無限的創(chuàng)新思路和想象空間，不僅為金融科技帶來了新的變革機遇，也提出了一系列新的技術和業(yè)務需求，包括模型的可維護性、高性能和實時性，人工智能服務規(guī)模的可拓展性，人工智能服務的可靠性和容錯性，以及模型的可解釋性和審計能力等。
模型的可維護性是指模型在生產環(huán)境中的穩(wěn)定性和持續(xù)性。為了保證人工智能模型的持續(xù)有效和準確，行業(yè)需要建立一套完善的模型管理和更新機制，包括制品管理平臺、版本控制、監(jiān)控和優(yōu)化等。這樣可以確保模型及時應對新的業(yè)務需求和數據變化，從而提高模型的實用性和價值。高性能計算（High Performance Computing，HPC）是指通過利用大規(guī)模的計算資源和并行處理技術來解決復雜問題的計算方法。在實時“大模型+金融”應用中，高性能計算可以提供強大的計算能力，以處理大規(guī)模的數據和復雜的算法，從而實現(xiàn)更快速和高效的人工智能計算。為了支持人工智能服務規(guī)模的擴展，利用云計算和分布式技術是必要的。例如，使用云服務、分布式計算和分布式存儲，可以具備彈性的計算能力和大規(guī)模的數據處理能力。而采用微服務架構則可以提供靈活的服務組合和部署能力。這樣可以應對金融業(yè)務規(guī)模不斷擴大和業(yè)務需求不斷變化的情況。為了保證人工智能服務的穩(wěn)定運行，行業(yè)需要建立一套服務管理和監(jiān)控機制。例如，使用故障檢測和恢復技術、數據備份和恢復技術等方法，提高人工智能服務的可靠性和容錯性。這樣可以確保人工智能服務在面臨各種故障和問題時，能夠快速恢復和繼續(xù)提供服務。為了滿足監(jiān)管要求和提高用戶信任度，人工智能模型需要具有良好的可解釋性和審計能力。這意味著模型的決策過程必須是透明的，而且能夠追蹤和記錄模型的行為。這樣可以確保人工智能模型的決策是公正、公平和合規(guī)的，同時也可以提高用戶對人工智能模型的信任度。
人工智能大模型拓展了金融發(fā)展空間
從行業(yè)實踐看，大模型在多模態(tài)信息理解、內容生成、知識問答、代碼編程和合規(guī)檢測等方面擁有巨大的效率提升價值，目前已經逐漸在金融領域加速滲透。主要應用可以分為兩個大類，一類是替代人工的標準化、重復性任務，實現(xiàn)降本增效，例如研報生成、電話營銷、智能投顧等；另一類是人機協(xié)作提高決策效率，全面提升金融生產力，如客服坐席輔助系統(tǒng)等?？梢灶A期，隨著技術的不斷進步和成熟，大模型將繼續(xù)在金融行業(yè)的各個領域中扮演更加重要的角色，進一步提高金融服務質量并降低高水平金融服務成本，推進普惠金融的發(fā)展。
隨著人工智能技術的不斷發(fā)展，大模型在金融知識庫的應用將得到進一步拓展，助力提升金融機構的服務水平和業(yè)務發(fā)展水平。大模型在金融知識管理應用中的實踐已涉及多個領域，目前主要包括風險評估和預測、文本分析和輿情監(jiān)測、客戶服務和咨詢、智能投資顧問和投資組合優(yōu)化等領域。
大模型不僅可以提高金融風險評估的效率和準確性，還可以為金融機構提供智能化、定制化和實時性的風險管理解決方案。在金融風險評估方面，通過分析金融市場的風險特征和規(guī)律，大模型可以提供有針對性的風險防范建議。例如：在信用風險評估中，大模型可以為企業(yè)客戶提供信用評級和風險預警，幫助客戶優(yōu)化信用風險管理策略；在市場風險評估中，大模型可以分析市場趨勢，為投資者提供投資建議、降低投資風險。在信用風險預測方面，大模型可以分析借款人的個人信息、財務報表、歷史信用記錄等數據，對信用風險進行預測。大模型可以挖掘數據中的潛在規(guī)律，以評估借款人的信用狀況，為金融機構提供可靠的信用風險預測結果。此外，大模型還可以識別借款人的信用評級，為金融機構提供信用風險管理的參考。在信用風險預測場景中，大模型有助于金融機構降低不良貸款率。大模型可以分析客戶數據，為客戶提供符合其需求的金融產品推薦，提高客戶滿意度。同時，大模型還可以為金融機構提供客戶細分和精準營銷方案，助力金融機構拓展市場份額。在個性化金融推薦場景中，大模型有助于金融機構提升客戶服務水平。隨著人工智能技術的不斷進步，大模型在金融風險評估和預測領域的應用將更加廣泛，助力金融行業(yè)實現(xiàn)高質量發(fā)展。
大模型可以對海量金融資訊進行深度分析，挖掘有價值的投資線索。一方面，大模型可以用于金融知識圖譜的構建，將金融機構、金融產品、金融事件等實體及其關系進行建模，既為金融行業(yè)提供智能化的決策支持，又可以幫助金融機構挖掘金融知識圖譜中的潛在商機，推動金融業(yè)務的創(chuàng)新發(fā)展。另一方面，通過對金融文本的深入分析，大模型可以發(fā)現(xiàn)新的金融業(yè)務場景，為金融行業(yè)的發(fā)展提供創(chuàng)新思路。同時，大模型還可以為金融科技企業(yè)提供技術支持，助力金融科技的創(chuàng)新和發(fā)展。然而，大模型在金融文本分析和輿情監(jiān)測中的應用也面臨一些挑戰(zhàn)，如數據質量差、模型泛化等。為了應對這些挑戰(zhàn)，金融機構和研究人員需要不斷探索新的技術和方法，提高大模型在金融領域的應用效果。
在客戶服務和咨詢領域，大模型可以協(xié)助金融機構提升服務質量、提高客戶滿意度和深化客戶關系，主要應用包括智能服務、金融知識庫、金融咨詢、客戶關系管理等。在客戶畫像與個性化服務方面，通過對客戶對話文本進行深度分析，大模型可以構建客戶畫像，包括客戶興趣、偏好和需求等。結合客戶畫像和產品信息，大模型的智能客戶服務可以提供更為精準的個性化服務，提高客戶滿意度。同時，準確的客戶畫像還有助于智能客戶服務在后續(xù)對話中更好地滿足客戶需求，提升客戶忠誠度。在智能搜索與推薦方面，結合客戶需求和金融知識庫，大模型能夠實現(xiàn)智能搜索和推薦功能?？蛻粼谧稍冞^程中，大模型的智能客戶服務可以根據客戶提出的問題，快速在知識庫中檢索相關內容，為客戶提供精準的解答。此外， 大模型還可以根據客戶畫像和需求，為客戶推薦合適的金融產品和服務。
大模型在智能投顧和投資組合優(yōu)化方面的應用已漸趨成熟，主要應用在個性化投資建議、跨資產類別投資、實時動態(tài)調整、投資組合優(yōu)化、稅收優(yōu)化等幾個方面。比如，大模型在投資組合優(yōu)化中的具體應用有：利用現(xiàn)代投資組合理論，為客戶提供最優(yōu)投資組合構造方案；根據客戶的需求和風險承受能力，為客戶提供最佳的資產配置方案，以實現(xiàn)風險收益的平衡；為客戶提供多種投資策略，如價值投資、成長投資、指數投資等，以滿足客戶的不同投資需求；為客戶提供風險管理策略，如止損、止盈、期權等，以降低投資組合的風險。
人工智能大模型促進金融高質量發(fā)展的基本路徑
大模型在金融領域的應用還在摸索階段，還需要金融機構與科技企業(yè)共同探索，以期在風險與機遇之間找到最佳的平衡點。大模型應用總體上還處于早期探索階段，仍面臨不少挑戰(zhàn)。一方面，金融數據的私密性和多模態(tài)特性，限制了共享和構建大規(guī)模數據集的能力，增加了模型建立和處理的復雜性，導致大模型在金融垂直領域仍未出現(xiàn)涌現(xiàn)效應；另一方面，數據安全也是發(fā)展金融大模型繞不開的重要課題，亟須加快構筑形成組織、管理、技術、運營四位一體的金融數據安全治理體系框架，提升協(xié)同共治水平。但無論如何，大模型對于金融行業(yè)的發(fā)展趨勢影響是深遠的，它的應用態(tài)勢必將成為金融行業(yè)發(fā)展的重要動力。從大模型技術走向應用落地，需要金融行業(yè)的金融大模型與數據、場景相結合。
加強基礎設施層建設
基礎設施層是大模型和金融應用落地的基石，具體體現(xiàn)為高性能計算集群、高性能計算網絡、大數據存儲、向量數據庫等。高性能計算集群是由多臺計算機組成的系統(tǒng)，這些計算機通過高速網絡相互連接，共同完成計算任務；高性能計算網絡則是連接這些計算機的網絡，它需要具有高帶寬和低延遲的特性，以保證數據的高效傳輸；大數據存儲提供高性能的存儲和訪問能力，彈性擴展的存儲資源，以及安全可靠的數據保護措施；向量數據庫則是存儲和處理向量數據的數據庫，它可以有效地處理大規(guī)模的向量數據，為大模型提供必要的數據支持。這一層的設施為上層的模型訓練和應用提供了必要的硬件和數據支持。
發(fā)展數據、算法模型和算力
大模型浪潮下，數據、算法模型和算力構成了業(yè)務驅動的“三駕馬車”。數據是基礎元素。數據包括歷史數據和實時數據，可以從各類金融市場（如股票市場、債券市場、商品市場等）中獲取。數據的質量、準確性和完整性直接影響模型的有效性和準確性。算法模型是用于處理和分析數據的計算規(guī)則或程序。在行業(yè)中，算法的選擇和設計取決于其應用的目標和上下文。例如，如果目標是預測股票價格，可能會使用自回歸移動平均模型或長短期記憶網絡等機器學習算法。算力指的是計算機系統(tǒng)進行數據處理和計算的能力。隨著數據量的增加，大模型對算力的需求也在不斷增加。高效的算力可以確保模型在合理的時間內得出結果，從而為用戶提供及時的決策支持。如果說算力決定了模型能力的“下限”，那么在實際應用場景中，數據質量則決定了模型能力的“上限”。發(fā)展金融大模型，不僅需要高質量的海量數據供給，而且需要數據多樣且及時更新。金融大模型對數據的高要求促進了數據治理的發(fā)展，完備的數據治理新范式推動金融大模型合規(guī)發(fā)展。
統(tǒng)籌監(jiān)管與發(fā)展，促進“大模型+金融”應用合規(guī)落地
金融行業(yè)是一個強監(jiān)管的行業(yè)，政策環(huán)境、法規(guī)環(huán)境等對大模型在金融領域的應用產生直接且重要影響。例如，數據保護的相關法規(guī)可能會限制金融機構使用人工智能處理用戶數據，而政策扶持則可能會促進人工智能在金融領域的應用。從已發(fā)布的政策來看，宏觀政策呈現(xiàn)“中央規(guī)范為主，地方鼓勵為主”的特點。中央政策關注事前規(guī)范，并從科研、產業(yè)等方面鼓勵其發(fā)展。對于大模型的應用，政策需要在發(fā)展與監(jiān)管之間找到平衡。首先，政策需要明確大模型在金融行業(yè)應用的規(guī)范和要求。這包括但不限于數據安全、數據隱私、模型可解釋性、風險控制等方面。這些規(guī)范和要求既能保障金融行業(yè)的安全，也能保護消費者的權益。其次，政策需要鼓勵和支持金融機構進行技術改造，提升數據資產管理水平。這可能包括提供財政支持、技術指導和人才培養(yǎng)等。最后，政策需要鼓勵金融機構和科技企業(yè)之間的合作，以共同推動大模型在金融行業(yè)的應用。
促進科技企業(yè)和金融機構跨行業(yè)合作
科技企業(yè)在人工智能技術、算法優(yōu)化、計算資源等方面具有天然優(yōu)勢，它們可以提供高效、穩(wěn)定的大模型訓練和運行環(huán)境。金融機構則能提供豐富、真實的金融數據，以及對金融市場和業(yè)務流程的深入理解，從而推進金融行業(yè)大模型的應用落地。通過跨行業(yè)合作，科技企業(yè)和金融機構共同推動大模型在金融行業(yè)的規(guī)模化部署，為金融行業(yè)的發(fā)展注入新的活力和潛力。隨著大模型覆蓋的場景越來越多，對靈活的模型服務能力需求必然越來越大，包括模型的版本管理、在線更新，以及多場景多任務的服務調度等，未來工程化和流水線能力將逐漸凸顯其重要性。
提升多語言和跨語言的能力，促進多模態(tài)融合
通過引入多語言，金融大模型能夠支持不同語言和文化背景的用戶和場景。這不僅使金融機構能夠更好地滿足不同語言背景客戶的需求，提供個性化的金融建議和服務；還有助于全球性金融機構更全面地理解國際市場的動態(tài)，提高決策的全球視野。金融市場不僅涉及數字數據，還包括文本、圖像和聲音等多種形式的信息。未來的模型可能會更多地融合這些多模態(tài)數據，以更全面地理解市場情緒、新聞事件對股市的影響等。例如，結合新聞情感分析和圖像識別，更全面地評估市場情況。多模態(tài)融合模型的發(fā)展將促使不同類型數據之間的信息交互，增強金融大模型的表征能力，提高任務的精準度。
發(fā)展可持續(xù)的負責任的金融大模型
金融機構在使用 人工智能技術時需要考慮其對社會和環(huán)境的影響。例如，過度依賴自動化可能導致失業(yè)率上升，加劇社會不平等現(xiàn)象。因此，金融機構需要在推動創(chuàng)新的同時，關注可持續(xù)發(fā)展和社會責任。模型的設計和應用應該更加注重可持續(xù)金融和社會責任。例如，設計模型時要考慮環(huán)保因素，或者利用模型來識別社會責任投資的機會。再例如，確保模型的使用不會引發(fā)歧視性問題，保護客戶隱私，避免操縱市場等。未來的金融大模型需要具備可解釋性，能夠清晰地解釋模型的決策依據，為用戶提供可信賴的結果。例如，采用可解釋的模型結構，或者設計專門的解釋性模塊，以便更好地理解模型的決策過程。這種可解釋性將有助于用戶更好地理解模型的運作方式，增強用戶信任度，推動大模型在金融決策中的廣泛應用。
【本文作者為中央財經大學中國互聯(lián)網經濟研究院教授；本文系國家自然科學基金項目“數據要素價值化對企業(yè)數字化轉型的影響：機制、模式與對策”（項目編號：72373056）的階段性成果】
參考文獻略
責編：程靜靜／美編：石 玉