金融大模型邁向價值創造，智能體如何突破“最後一公里”

在近日舉辦的“大模型金融應用及創新論壇”上，來自金融機構、科技企業和監管機構的衆多專家齊聚一堂，共同探討了人工智能（AI）和大模型技術在金融領域的應用現狀與未來發展方向。

論壇聚焦於AI技術如何從降本增效邁向價值創造，以及如何應對數據安全、算法可靠性等關鍵挑戰。與會嘉賓一致認爲，AI Agent（智能體）作爲大模型落地的關鍵環節，將成爲推動金融智能化升級的核心力量。

從降本增效邁向價值創造

近年來，AI和大模型技術在金融領域的應用呈現出蓬勃發展的態勢。大型金融機構紛紛深度佈局大模型技術，將其廣泛應用於客戶服務、風險管理、投研分析等核心業務場景，並逐步從基礎應用邁向價值創造的更高階段。

中國工商銀行首席技術官呂仲濤指出，AI技術已廣泛應用於客戶服務、精準營銷、風險管控等多個金融場景，並取得了階段性成果。例如，工商銀行通過大模型技術構建了智能體應用生態，實現了客戶經理分析、推薦、觸達、陪伴和管理的全流程智能化，顯著提升了服務效率和質量。

在中小銀行領域，恆豐銀行首席信息官徐彤分享了該行在AI領域的實踐。他指出，恆豐銀行通過場景探索和突破，將AI應用於內部賦能，重點解決業務價值創造問題。通過構建智能體平臺和知識庫，恆豐銀行實現了業務人員與科技人員的平權協作，降低了AI應用的門檻，推動了智能化轉型。

與此同時，投資銀行也在積極利用AI技術提升競爭力。中金公司首席信息官程龍從投資銀行的角度探討了AI技術的應用。中金公司通過大模型技術構建了智能投研、智能投顧、智能運營等多個應用場景，實現了運營效率的顯著提升和風險防控的突破。例如，中金公司推出的中金智閱文檔審覈系統，利用大模型技術解決了信息披露文檔審覈中的難題，有效降低了風險。

在外資銀行方面，東亞銀行資訊科技架構平臺部總經理張方昌指出，外資銀行在AI應用中面臨着投入有限、市場競爭激烈等挑戰。然而，通過與全球集團方案的結合和本地化創新，東亞銀行在跨境審單等場景中實現了智能化應用，提升了業務效率和客戶體驗。

數據、安全與技術難題

儘管應用廣泛，金融大模型的深度落地仍面臨多重障礙。數據安全與算法可靠性構成首要掣肘。

北京國家金融科技認證中心認證二部負責人段力畑在論壇上發佈了《大模型金融應用安全風險測評結果》。他指出，大模型在金融場景中的應用存在安全能力不足、推理能力與數理計算能力不匹配、幻覺現象等問題。

中國金融電子化集團黨委委員、副總經理潘潤紅指出，現階段大模型在金融領域的應用面臨數據安全和算法可靠性等風險、實施路徑不明晰、功能邊界有待驗證、核心場景中的滲透率不足等問題。

安全威脅同步升級。奇安信產品總體部總經理鄔怡指出，大模型引入了新的攻擊面，如提示詞注入攻擊、越獄攻擊和拒絕服務攻擊等，這些攻擊方式可能導致模型輸出錯誤信息或泄露敏感數據。此外，大模型的訓練數據中可能包含未過濾的敏感信息，進一步加劇了安全風險。

太保科技總經理魏驕華認爲，大模型和AI在主攻金融業務核心場景的過程中還面臨着一些挑戰。比如幻覺問題，即大模型無法保證精確性，欠缺數據基礎和非結構化的知識。而個人私域問題如果不解決好，也沒有人願意把自己的經驗貢獻出來。

技術優化與協同創新

爲應對上述挑戰，金融機構和科技企業正在積極探索解決方案。螞蟻數科首席技術官王維分享了螞蟻集團在大模型和智能體應用方面的實踐經驗。他指出，螞蟻數科通過構建金融垂類大模型、知識工程體系和評測體系，實現了大模型技術的金融場景化應用。通過二次訓練和私有化部署，螞蟻數科提升了大模型在金融領域的準確性和穩定性。

華爲算力平臺先遣隊行業項目羣總經理張延德強調了算力底座的重要性。他指出，金融機構需要構建堅實的算力基礎設施，以支持大模型的高效運行。華爲通過昇騰AI戰略，爲金融機構提供了從硬件到軟件的全棧解決方案，助力金融行業的智能化轉型。

阿里雲智能集團公共雲事業部新金融行業副總經理鄭淼則從技術架構的角度提出了AI原生五大工程體系。他指出，金融機構需要從應用工程、模型工程、知識工程、算力工程和安全工程五個方面入手，構建完整的AI應用體系。通過雲原生架構和AI原生工具鏈，金融機構可以實現大模型技術的快速落地和高效應用。

展望未來，AI和大模型技術在金融行業的應用將從降本增效向模式創新轉變。重慶富民銀行行長趙衛星指出，未來1~3年內，AI技術將優化現有業務流程，提升客服、風控、合規等領域的效率。3~5年內，AI將部分替代人工決策，實現智能化的金融服務。5~10年後，算法銀行等新業態將出現，重新定義金融服務模式。

“2024年52%的金融機構已經開始試點AI或者是AGI的應用，今年這個數字要達到90%多，金融機構是擁抱AI技術革命最徹底的行業。要想把AI的能力和智能體的能力更快地紮紮實實地落地到金融行業，還有很多技術的紅利值得挖掘。”王維指出。

智能體是大模型落地的“最後一公里”

與會嘉賓一致認爲，智能體是大模型落地的關鍵環節，堪稱大模型落地的“最後一公里”，對於推動金融行業的智能化升級具有重要意義。

呂仲濤認爲，金融業大模型應用的下半場將以智能體應用爲抓手，綜合運用先驗知識+環境交互+強化學習，結合業務現實問題，構建面向場景私域的試驗集，不斷拓展智能體應用的上限加速，從+AI的點上突破向AI+的原生應用系統性應用的提速演進。

中國郵政儲蓄銀行軟件研發中心處長李佳斌認爲，AI工具的測評環節還有很多工作要做。AI落地場景容易，但如何落實好則需要大量的測評。做好測評工作能夠提高AI Agent的落地效率，減少開發成本。

中國民生銀行數據管理部部長何鵬指出，AI Agent的核心價值在於解決“最後一公里”的問題。在一個龐大的機構中，雖然多數工作是圍繞已經設計好的主流程開展的，但仍有大量細枝末節的工作未能在科技需求上得到充分的表達和實現。而這些未被充分關注的工作，恰恰是能夠顯著提升企業大量員工工作效率的關鍵所在。

中信百信銀行首席數字官陳龍強建議，AI Agent佈局應抓緊上車。基於MCP開發智能體會讓真正的智能涌現出來，但應高度重視數據安全、模型安全以及倫理等各方面的問題，“上車後跑起來可能很爽，但是一定要注意安全”。

中國人壽研發中心新技術應用產品團隊負責人譚珂表示，中國人壽在智能體開發方面進行了大量探索，包括數字覈保員等應用場景。他認爲，智能體的應用需要找準場景，充分發揮大模型在結構化和非結構化數據處理方面的優勢。他還提到，智能體開發過程中需要關注模型能力的穩定性和開發成本。