开云全站游戏论坛年会“AI+金融赋能数字金融新篇章”平行论坛上，与会嘉宾表示开云全站平台，金融行业已成为AI渗透率较高的领域之一，智慧销售、智能问答和智能风控已成为金融大模型热门应用场景。

　　大模型技术无疑将提升金融服务效率开云全站，但技术的应用是一把“双刃剑”，背后存在的不透明、不可预知、网络安全风险仍需关注。

　　2024年诺贝尔奖多领域奖项与AI结缘，物理学奖与机器学习相关，化学奖的蛋白质结构预测也离不开的应用。

　　“人工智能的能力，构成了各个基础学科的能力，构成了各个行业的能力，从而构成了各个国家能力的基础。毫无疑问，今后金融的发展必将被AI全面渗透并被全面改造。”国家金融与发展实验室理事长李扬说道。

　　金融业具备大规模、高质量的数据资源和多维度、多元化的应用场景，被视为大模型技术应用的最优行业之一。中国移动上海产业研究院副总经理陈豫蓉介绍，金融领域是大模型渗透率最高的行业，渗透率超过50%，而智慧销售、智能问答和智能风控是现阶段金融行业最热门，也是应用成熟度最高的AI大模型应用场景。

　　围绕金融领域，构建了金融投融资大模型。陈豫蓉表示，金融投融资大模型主要面向金融行业提供智能投研、资产监管、风险评估、合规质检以及融资助手五方面服务。以智能投研运用为例，该服务涵盖金融市场、宏观经济、行业趋势行情分析投研的业务场景，通过大模型进行快速检索，摘要生成，能够提升投研效率。

　　银行走在大模型应用前列。近年来，工商银行、中国银行、建设银行、农业银行、兴业银行、平安银行等展开试水，应用聚焦智能客服、智能风控产品知识、智能营销等多领域。

　　首席技术官吕仲涛介绍了该行千亿级大模型体系建设与应用情况。他表示，针对金融行业知识专业性高、任务执行严谨、权限隔离严格等特点，打造适配金融行业的“1+X”工程化解决方案。“1”是指智能中枢，通过智能中枢的任务感知、决策、执行、反馈等能力，实现金融复杂场景的应用；沉淀“X”可共享复用的范式能力，包含知识检索、数据分析、文档编写、智能搜索等多项金融即插即用的零代码工程化解决方案。

　　“目前千亿级大模型体系已实现各个业务领域规模化推广，覆盖20多个业务领域、100多个业务场景。”吕仲涛举例，在个人金融领域，大模型应用在经营决策、营销执行阶段，支持运营人员通过自然语言方式完成圈客户、找产品、发布，有效降低活动部署门槛，面向一线营销人员，打造营销陪伴助手，提供产品知识问答、产品比对等服务，营销人员能够便捷获取产品信息。

　　人工智能强大的计算能力和丰富的数据资源，有望在金融领域发挥越来越大的作用，但其赋能金融行业仍面临着一些挑战。

　　“大模型技术的应用存在‘双刃剑’，大模型技术提升工作效率，同时生成伪造内容、数据泄露等安全风险也日益突出。”吕仲涛表示，要加强人工智能潜在风险研判和防范，不断深化运用大小模型协同应用融合的人工智能技术，推动商业在安全可控情况下，向着更加智能化、个性化、高效化的方向发展。

　　此外，大模型的不透明、不可预知、风险也是金融应用中不可忽视的问题。十三届全国政协经济委员会主任、原中国银监会主席指出，大模型具备不透明风险，通过复杂的算法和模型输出的结果，可能难以解释和追溯输出结果，增加了监管的难度，对金融稳定构成潜在的威胁。

　　大模型还具备不可预知风险，认为，人工智能工具是根据过去的数据进行训练的，数据可能无法准确地反映现实和预测未来，在市场出现非常波动时，模型可能无法及时发出预警信号，技术本身也可能会受到数据不可靠或前所未见极端情况的影响，而得出错误结论开云全站平台。

　　此外，在风险也不容忽视，“随着数据量的不断增长和模型复杂度的不断提升，人工智能应用需要处理大量敏感的个人和财务数据，增加了网络攻击的风险和数据泄露的可能。”说道。

　　尽管大模型在金融领域应用仍充满挑战，但通过算力、算法和数据的不断发展，应用空间仍然广阔。

　　介绍，数据显示，2027年全球在人工智能系统软件、硬件和服务方面的销售额将达到4000亿美元，而金融业在这方面的支出将达到970亿美元，年复合增长率为29%，是增速最快的行业之一。

　　算力、算法、数据是金融大模型应用的基座。吕仲涛指出，“金融机构应根据自身体量，按照资源节约、资源集约共享复用、成本效益最优的准则，围绕大模型的算力、算法和数据三方面来开展人工智能大模型企业级技术能力的建设”。

　　大模型的应用离不开优质的数据训练。吕仲涛表示，金融机构应重视数据资产的储备与积累，关注数据资产建设问题，在数据的采集、存储、分析、应用等多个阶段来完善数据管理办法，树立以数据驱动为核心的理念，打破部门机构壁垒，推动数据共享与协作。

　　目前大模型所涉及的算力、算法等相关核心技术尚处于快速发展期，仍需增强多领域合作。吕仲涛表示，金融行业需加深与头部科研机构企业的联合创新，持续保持资源投入，加速大模型技术在金融行业的研究和创新应用。

　　也认为，应支持关键技术的联合研发与产业化应用，为金融业模型训练，以及各类金融业务提供更强大的善意保证。同时，还应降低金融大模型应用门槛和成本，以大带小，由弱带强，不断降低软硬件使用成本，让中小金融机构也能受益于先进技术，提升其市场竞争力，推动整个金融行业的均衡发展。