金融大模型观察｜金融服务不应局限于保障安全
为此，金融领域的大模型需要达到非常高的准确性，以满足对准确性和数字性的高要求。
03同时，金融领域的大模型训练成本较高，需要根据不同场景选择最小参数以控制成本。
04除此之外，保证数据安全是金融领域大模型训练过程中的重要议题，需要在保护用户隐私的同时，利用数据来训练和优化大模型。
05蒋宁表示，金融服务不应局限于保障安全可信，更需富有温度，通过多智能体系统提高整体的适应性和效率。
北京商报讯（记者 岳品瑜 董晗萱）“作为数字时代的超级员工，大模型的卓越能力必将成为助力企业智能技术变革的核心力量。”11月28日，在2024数字产业生态伙伴大会上，马上消费常务副总经理蒋宁如是说道。目前，国内大模型正加速商业化落地，通用基础类大模型与行业领域类大模型参与者在各自赛道中寻找最优解。
但值得注意的是，当前大模型在金融领域的落地仍存在一些技术上的难题，包括算力、安全合规等。
马上消费人工智能研究院院长陆全在接受采访时提到，金融是一个对准确性和数字性要求极高的场景。就像自动驾驶技术已经有10年的历史，虽然在这10年之内取得了很大进步，但是其准确度必须达到99.9%才能放心应用；之后每加一个“9”，研发投入都成倍增长，需要有创新性的改变。金融领域也是如此，对于准确性的数字要求精确到小数点，无论错开多少位都不能忽视。由此，只有当大模型的准确性达到非常高的水平时，金融企业才敢将其应用于营销和客户服务等场景。
技术角度来看，大模型的训练成本非常高，因此需要根据不同场景选择最小参数以控制成本。这样可以在保证模型性能的同时，减少资源消耗。而在金融领域，GPU算力消耗主要在推理上，而非训练上。这是因为金融领域对实时交互的要求很高，需要大模型能够快速响应，因此对GPU的推理能力要求较高。
与此同时，在训练大模型的过程中，保证数据安全是一个重要议题。这涉及到如何在保护用户隐私的同时，利用数据来训练和优化大模型，以提高模型的性能和准确性。
在业内看来，相比行业领域类大模型，通用大模型尚不具备解决专业问题的能力，大模型的发展将按照“通用—行业—领域”路径演化。
如今，伴随着行业大模型落地，基于大语言模型的智能体这一概念受到更多关注。陆全表示，在金融领域，单体大模型无法覆盖所有应用场景，因此需要转变为多智能体系统。“单体大模型无法在所有层面都做好，就像一个人不可能既是理科状元又是文科状元。”而这种多智能体系统可以根据不同的业务环节和需求，将大模型分解为多个专有智能体，各自负责特定的任务，以提高整体的适应性和效率。
对于大模型的应用方向，蒋宁同时指出，金融服务不应局限于保障安全可信，更需富有温度。让数字化服务不仅高效、安全，而且能够感知和回应人类的情感，这是迈向更智能、更人性化的数字金融时代的关键一步。
例如，在养老机器人领域，最新的探索包括社交陪伴、游戏娱乐和健康检测等应用场景。这些机器人可以满足老年人在社交和康养方面的多层次需求，提高养老质量，降低养老院的能力需求。马上消费AI研究院副院长邓伟洪表示，未来，还可以加快投入，研发基于多模态大模型的机器人、机械狗等。
在打击金融黑灰产方面，大模型技术同样可以发挥重要作用。通过声纹识别技术和多模态模型，结合复杂网络技术和隐私计算技术，可以有效地识别深度伪造行为。
从智能体涌入大模型之战“下半场”，到更人性化、更具温度的金融服务，在受访嘉宾看来，不论如何，大模型的发展都需要集聚同业及生态伙伴力量。共建产业新生态，是不变的话题。
