每經(jīng)記者｜袁園    每經(jīng)編輯｜廖丹    

當(dāng)前，以大模型為代表的人工智能技術(shù)正以前所未有的速度與廣度重塑千行百業(yè)，深刻改變著價值創(chuàng)造與交互模式。在資金與信息密集的金融領(lǐng)域，這場由大模型驅(qū)動的變革浪潮，其影響尤為深遠(yuǎn)，也格外引人矚目。

領(lǐng)先的銀行、保險、證券機(jī)構(gòu)正從戰(zhàn)略高度進(jìn)行布局，投入資源組建專業(yè)團(tuán)隊，或攜手頂尖科技公司，構(gòu)建自主可控的大模型能力。“現(xiàn)在金融行業(yè)在IT發(fā)展方面的主脈絡(luò)很清晰，主要是兩大方向：國產(chǎn)化和智能化?！彬v訊云副總裁胡利明在騰訊云金融數(shù)智峰會上接受《每日經(jīng)濟(jì)新聞》等相關(guān)媒體專訪時表示，安全可靠的底座是一切IT建設(shè)的基礎(chǔ)，所以在當(dāng)前金融IT有所收縮的背景下，金融機(jī)構(gòu)在國產(chǎn)自主創(chuàng)新方面的投入也沒受太大影響。此外，我們還看到了新的增長機(jī)會，所以整體是增長的。

然而，從大模型的落地場景來看，胡利明認(rèn)為，無論是銀行、券商還是保險，其對大模型的應(yīng)用整體上還處于比較初期的階段，但這是一場馬拉松，我們當(dāng)前僅跑了“一公里”，未來提升的潛力很大。

騰訊云副總裁胡利明 圖片來源：主辦方供圖

AI大模型在業(yè)務(wù)場景中的應(yīng)用仍處于初級階段

今年以來，以DeepSeek為代表的大模型火爆出圈，在國產(chǎn)自主創(chuàng)新、核心系統(tǒng)改造、數(shù)字基礎(chǔ)設(shè)施之外，大模型應(yīng)用也為行業(yè)發(fā)展提供了新的驅(qū)動力。有報告指出，AI在證券投研及投顧、銀行信貸和營銷渠道、保險代理人賦能、小微商戶點餐及營銷、消費金融風(fēng)控及客服等場景逐步落地，未來空間廣闊。

“大模型應(yīng)用在券商行業(yè)投顧問答，保險代理人培訓(xùn)、營銷計劃，銀行業(yè)內(nèi)部知識庫、授信報告生成等場景已有規(guī)?；涞亍！焙鞅硎荆饲坝捎趦?yōu)質(zhì)底層模型未開放，開源基模能力不足，閉源模型參差不齊，且能調(diào)試優(yōu)化模型的廠家極少，導(dǎo)致大模型應(yīng)用多集中于大機(jī)構(gòu)。DeepSeek出現(xiàn)后，開源基模能力接近OpenAI，使大中小金融機(jī)構(gòu)能以低成本快速開發(fā)應(yīng)用，呈現(xiàn)百花齊放態(tài)勢，但應(yīng)用探索多為嘗鮮性質(zhì)，開發(fā)的Agent雖能完成簡單任務(wù)（如知識庫問答、無需思考的工作流任務(wù)），但在復(fù)雜判斷場景中準(zhǔn)確率低、實用性差。

胡利明表示，當(dāng)前大模型在業(yè)務(wù)場景中的應(yīng)用整體仍處于初期探索階段，盡管通用模型結(jié)合RAG（檢索增強(qiáng)）與工作流優(yōu)化技術(shù)已在部分領(lǐng)域?qū)崿F(xiàn)較成熟落地，包括代碼輔助開發(fā)、知識庫管理、基礎(chǔ)客服響應(yīng)、營銷內(nèi)容生成等，但在經(jīng)營決策、交易風(fēng)控、復(fù)雜營銷等高價值場景中仍面臨顯著挑戰(zhàn)?！?strong>這些深度應(yīng)用場景對模型的精準(zhǔn)性、合規(guī)性及專業(yè)性要求極高，需融合通用模型與領(lǐng)域?qū)倌Ｐ停ㄟ^高復(fù)雜度工程開發(fā)整合企業(yè)專有數(shù)據(jù)與第三方數(shù)據(jù)資源，并依托Agent技術(shù)架構(gòu)持續(xù)優(yōu)化效果，當(dāng)前尚未實現(xiàn)規(guī)?；瘧?yīng)用。”

據(jù)其介紹，技術(shù)落地的核心瓶頸在于三重門檻：一是底層基礎(chǔ)模型的快速迭代增加了技術(shù)整合難度；二是專業(yè)場景需構(gòu)建專屬數(shù)據(jù)訓(xùn)練體系；三是監(jiān)管合規(guī)要求與工程實施復(fù)雜度形成雙重約束。

資料顯示，現(xiàn)階段行業(yè)生態(tài)以合作為主導(dǎo)模式，技術(shù)方通過提供工具平臺與工程能力，支持ISV（獨立軟件開發(fā)商）及金融機(jī)構(gòu)共同開發(fā)場景化解決方案，騰訊金融云已實踐超100個應(yīng)用案例。

“大模型應(yīng)用猶如‘馬拉松的第一公里’，未來伴隨底層技術(shù)持續(xù)演進(jìn)、行業(yè)知識沉淀及生態(tài)協(xié)作深化，其在業(yè)務(wù)端的價值釋放空間將顯著拓展?！焙鞅硎?。

建議金融機(jī)構(gòu)構(gòu)建“小模型+大模型”協(xié)同體系

雖然當(dāng)前大模型在交易等場景落地還存在一定的挑戰(zhàn)，但是銀行、證券、保險機(jī)構(gòu)對AI投入都很積極，許多機(jī)構(gòu)將其置于戰(zhàn)略高度，甚至投入規(guī)模屬“戰(zhàn)略級”，只希望能夠在短時間內(nèi)落地具有使用價值的場景。

“在投產(chǎn)比方面，機(jī)構(gòu)更關(guān)注‘階段性跑出可用場景’。戰(zhàn)略規(guī)劃時投入設(shè)想可能較大，但落地時會謹(jǐn)慎細(xì)化資源分配?！焙鞅硎?，騰訊云在合作中常協(xié)助客戶優(yōu)化投入，溝通戰(zhàn)略合作時，客戶最初提出的資源需求往往較大，經(jīng)雙方團(tuán)隊梳理合作范圍與路徑后，通過規(guī)劃算力池、平臺及軟件的最優(yōu)配置，最終執(zhí)行預(yù)算常能削減一半以上，在保障效果的同時顯著降低成本。

然而，隨著探索的深入，從通用能力向核心業(yè)務(wù)場景的遷移，到小模型與大模型的協(xié)同優(yōu)化，再到企業(yè)內(nèi)部數(shù)據(jù)體系的打通與治理，諸多難題仍待破解?！岸鄶?shù)金融機(jī)構(gòu)‘Data For AI’的體系尚未打通?！焙鞅硎?，要讓AI在金融機(jī)構(gòu)的業(yè)務(wù)環(huán)節(jié)深入發(fā)揮作用，不能只依賴通用大模型，必須依靠機(jī)構(gòu)自身獨特的專業(yè)數(shù)據(jù)集。例如，復(fù)雜信貸審批、精準(zhǔn)風(fēng)控等場景帶有強(qiáng)烈的行業(yè)專業(yè)性和企業(yè)個性化，通用大模型缺乏這類定制化知識，無法直接勝任。

因此，胡利明建議金融機(jī)構(gòu)構(gòu)建“小模型+大模型”的協(xié)同體系：先打通并治理數(shù)據(jù)，建立可用的數(shù)據(jù)集；再用這些數(shù)據(jù)，通過強(qiáng)化學(xué)習(xí)、監(jiān)督微調(diào)等技術(shù)，訓(xùn)練出處理細(xì)分環(huán)節(jié)（如意圖識別、專業(yè)文檔分析）的小模型；最后讓小模型負(fù)責(zé)專業(yè)任務(wù)，通用大模型負(fù)責(zé)內(nèi)容生成，組合成有實際價值的智能體。這一過程需要一定時間探索。

除卻落地場景，胡利明認(rèn)為，AI大模型幻覺、安全等問題也是金融機(jī)構(gòu)關(guān)注的重點?！按竽Ｐ突糜X問題較為棘手。騰訊云通過工程手段優(yōu)化，如多模態(tài)場景驗證、不同決策模型結(jié)果驗證、在輸入輸出場景嵌入安全模型以校驗合規(guī)性和回答一致性等，但受基模發(fā)展階段限制，無法完全消除該問題，需在嚴(yán)謹(jǐn)性和智能化之間權(quán)衡，這也是業(yè)界普遍面臨的難題。”胡利明表示。