EMC易倍

　　emc易倍近期，新质生产力一词备受关注。科技创新作为发展新质生产力的核心要素，在金融业也得到广泛应用，典型的如数字金融成为数字科技不断向金融领域渗透，与

　　近日，在由北京立言金融与发展研究院和金融科技50人论坛联合主办的数字金融助力新质生产力研讨会上，专家学者共话数字金融助力新质生产力，对金融领域大模型的技术、应用、合规、监管等方面进行深入阐释，力图共同构建更强大、安全、可靠的金融垂直领域基础模型，切实为经济高质量发展提供助力。

　　业内人士指出，金融行业正经历着一场革命性的变革，金融垂直领域模型构建与金融数据的结合成为推动金融科技创新和发展的重要动力，但在应用环节也面临挑战。

　　近期发布的《2024年金融业生成式人工智能应用报告》显示，生成式AI正在席卷金融业，释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局。有望给金融业带来3万亿规模的增量商业价值，并可能彻底改变交易的进行、投资的管理和风险的评估方式。

　　国家金融与发展实验室副主任杨涛认为，我们要直面大模型在金融领域应用时的现实问题。在大数据时代，行业的数据基础、数据质量同样面临突出挑战。在大模型等新技术的探索中，既要防范“一哄而上”的短期高估，又要避免后期预期下降带来的价值低估。应始终关注效率与安全的问题。一方面，利用大模型努力使得金融发展“提质增效”；另一方面，充分考虑大模型应用中可能带来的风险与挑战。

　　中国社会科学院哲学所科技哲学研究室主任段伟文认为，要应对大模型在发展中的挑战。在技术系统的运作过程中，可能会出现人类与之间信息不对称带来的矛盾。一方面会出现知识不对称，即大模型掌握的知识远多于人类；另一方面会出现决策模式不对称，即大模型决策的模式和人类决策方式之间存在差异。在此背景下，大模型在金融领域的应用可能带来期望的偏差。因此，在应用中应关注如何实现人工智能与人类价值的对齐。

　　北京国家金融科技认证中心资深专家温昱晖说，大模型赋能金融应用的业务发展情况。首先，从应用场景来看emc易倍，当前大模型在金融行业的应用场景还处于“辅助”的早期阶段。大模型应用主要出现在产品创新、客服服务、改进运营管理、风险管控等方面，而并没有大规模地应用于金融核心业务及其业务流程中。丰富的应用场景结合大模型工程化技术路线的明确，使得未来金融行业大模型的应用会更加广阔。

　　民生银行数据管理部总经理沈志勇认为，人们对大模型技术的期待，不仅限于对业务环节的优化，更在于它能否引发商业模式的深层次变革。新技术的崛起到商业模式的转变，既需要时间沉淀，也需要规范引导。

　　杨涛认为，对于大模型在金融领域应用的讨论，一方面在宏观和中观层面，需要政策、监管、行业、学界形成一些有价值的共识；另一方面在微观层面，如何使大模型在金融领域的应用带来一些切实的价值或好处，需要从业者在感性和理性地结合下，推动更多的研究和探索。

　　温昱晖说，大模型的健康发展需要全行业、不同机构的共同协作。建议行业机构共同合作，整合行业的应用经验和最佳实践，按照技术场景进行领域分类分级，形成“最佳行业实践方案”供行业管理和应用参考。此外，应该采取敏捷方式结合应用评估等方法，对方案“边用边完善”，当技术及其应用场景趋于完善时，可推荐为行业标准进行推广，这样以适应技术和场景应用快速发展的需要，最终实现健康负责任的大模型行业应用落地。

　　中国农业再保险有限公司首席投资官俞勇认为，金融业要积极拥抱生成式AI大模型。在应用上可以考虑以下三个原则。一是平衡好收益与风险，关注投入产出和财务风险。二是要专业化和实事求是，承认人工智能在现阶段的局限性。三是增加体系规划，实现由点到面的推进。

　　清华大学全球证券市场研究院首席科学家，交叉信息核心技术研究院金融科技顾问徐之恺说，在生成式AI大模型中对数据的底层价值分析与评估尤为重要。要让通用大模型在垂直领域发挥价值，很大程度依赖于高质量的数据反馈。模型体现了高质量数量级的价值，因此需要对数据进行底层价值分析和评估，并提供相应的激励机制，这需要好的经济学原理和市场运作机制，以激励技术的长足发展。

　　蚂蚁集团研究院院长李振华提出对国内生成式AI赋能金融产业升级的建议。第一，在AI的治理上形成新模式，在金融行业建立权威的大模型技术规范和评测标准。第二，探索更多人工智能在金融领域应用的分类分级监管机制。第三，建设行业的基础大模型形成共用能力。通过云绑定降低生成式AI成本，形成基础服务能力。第四，提高公共数据开放度，着力建立金融业跨主体的数据归集机制。第五，建立金融大模型技术生态，降低行业应用成本。