抢滩布局金融AI大模型，金融科技公司仍面临哪些难题？

国内互联网科技企业掀起竞逐战，争相推出AI（人工智能）大模型或宣布以推进AGI（通用人工智能）为发展战略之后，奇富科技、度小满、陆金所控股等金融科技公司在近日纷纷宣布布局AI大模型。

“金融通用大模型研发面临数据处理方面的复杂性挑战，还需要考虑数据安全方面的挑战。”多位行业高管和专家对记者表示，在应用方面，金融通用大模型的难点主要在于模型的准确性和实际应用的灵活性、适配性方面。

抢滩布局金融通用大模型

国内首个金融行业通用大模型来了！奇富科技近日发布国内首个自研金融行业通用大模型“奇富GPT”，其所支持的产品级应用预计会在年内推出，面向金融机构开放使用。

“以客服为例，大模型不仅能形成用户画像，还能捕获用户真实意图，为用户提供还款安排。在信贷领域最核心的业务环节风控方面，以我们大模型为核心衍生的智能征信解读，能够帮助金融机构更加全面、高效地理解和判断用户。”奇富科技相关负责人在接受记者采访时表示。

据悉，度小满依托百度人工智能技术，已经开展了一系列基于大模型的应用。以风险管理为例，度小满已经将大型语言模型（LLM）应用在互联网文本数据、征信报告的解读上，通过用文本数据构造的预训练模型以及AI算法，能够将征信报告解读出40万维的风险变量，更好地识别小微企业主的信贷风险。

陆金所控股目前也在尝试通过结合人工智能、大数据等技术，打造出智能机器人，能够与客户进行多轮对话，已经应用在业务当中。未来会尝试训练封闭域的生成式对话引擎，以更好更智能地服务客户。

信也科技近日也宣布布局生成式大模型，目前在结合大模型进行人工智能的探索，一方面验证了大模型在部分既有场景帮助提升准确率，比如提升机器人语音和文本分析、理解和生成能力，塑造更优质的用户体验；另一方面也在做基于生成式模型的新场景探索，包括自动代码生成、视觉素材设计等，拥抱生成式AI带来的生产力变革。

萨摩耶云科技集团董事长林建明对记者表示：“以最新NLP（自然语言处理）大模型技术，我们探索通过多轮对话的形式自动进行模型构建，让使用者通过自然语言描述他们想创建的应用程序，便能搭建出一个模型。并且用户可以通过持续的自然语言提供改进建议，自动进行建模调整。”

安全、准确、适配仍是难题

“金融行业的数据涉及面广，金融通用大模型研发面临的一个主要挑战就是数据处理方面的复杂性。此外，在保护客户隐私和信息安全方面也是相当重要的，金融通用大模型研发还需要考虑数据安全方面的挑战。”奇富科技相关负责人表示。

冰鉴科技研究院行研负责人周扬对记者表示，布局金融通用大模型主要有三方面挑战：一是个人信息和隐私保护，尚无法律明确个人信息使用边界，用包含这类个人信息的数据训练金融大模型存在合规方面的不确定性；二是时效性问题，金融大模型的研发训练依赖于已有数据，具有明显的滞后性；三是算力瓶颈，AGI的训练需要大量高性能GPU（图形处理器），目前还存在GPU和云基础设施的瓶颈。

“金融通用大模型的研发过程中，有很多问题需要解决，其中数据和隐私安全、模型可解释性、数据偏见、业务适配性最为关键。”信也科技算法科学家倪博溢告诉记者，金融领域的许多服务需要模型具有可解释性，以满足监管和业务的要求。金融领域的业务种类繁多，通用大模型还需要充分考虑业务适配性问题，以满足不同业务的需求。

在应用方面，度小满CTO（首席技术官）许冬亮告诉记者，大模型可以分为理解式大模型和生成式大模型。理解式大模型可以用在智能获客和风险管理上，帮助金融机构提升经营效率和风险管理决策能力。生成式大模型可以自主生成新的数据、图像、语音、文本等信息，成为理财师、保险经纪人等金融行业从业人员的得力助手，帮助他们为客户个性化推荐理财、保险产品，提升服务效率和服务体验。

奇富科技相关负责人指出，金融通用大模型的难点主要在于模型的准确性和实际应用的灵活性。金融市场的变化往往十分迅速，需要模型能够很快地适应新的变化，同时应用场景也非常广泛，需预留接口以便在实践中进行自由联接，以适应不断扩大的应用场景。

倪博溢指出，金融领域的数据类型形式很多，实际上需要多模型的模型结构，甚至是融合一些外部数据分析服务。金融市场变化迅速，对实时性要求很高，同时金融业务对服务可靠性要求也非常高。目前可以看到，要达到高效、稳定、可靠的服务，大模型的性能上还有很大的优化空间。

记者 | 余继超