北京
大模型落地金融行业现状如何？落地过程中又有哪些挑战？
3月31日，2025中关村论坛人工智能主题日——AI未来论坛上，清华大学五道口金融学院副院长张晓燕分享了她对大预言模型在金融领域应用的观察和思考，并在会后和网易科技进行了交流。
她指出，近两三个月，DeepSeek在金融领域的应用已迅速铺开，银行、券商、保险等各类金融机构正积极部署大模型，以提升生产效率。
然而，尽管大模型赋能金融创新，张晓燕告诉网易科技，其落地仍面临六大核心挑战：算力、语料、安全、伦理、传播及人才。
一是算力瓶颈制约大语言模型的进一步发展。AI技术的突破性进展带来了算力需求的急剧攀升，但大模型的参数规模依然停滞在千亿级，根本原因在于GPU计算集群算力的上限未被突破。
二是高质量语料匮乏问题日益严峻。互联网语料增长速度显著放缓，全球高质量语料预计将在2028年耗尽。相比90年代接近100%的年增速，2010年后已降至两位数增长。
三是数据安全与隐私保护问题日趋突出。网络攻击数量从2014年到2023年总体呈上升趋势，针对金融和保险行业的网络攻击数量显著增加。
四是道德伦理挑战。训练数据的社会偏见可能导致金融决策歧视，放大公平性危机；数据质量与幻觉输出引发错误投资建议，造成经济损失；模型逻辑趋同使机构投资观点同质化，加剧市场羊群效应；算法黑箱特性使决策过程难以追溯，责任界定模糊，增加监管难度。
五是信息传播变革正在改变金融资产定价机制。大模型使得信息传播路径复杂化，造成信息质量危机和信息同质化陷阱，进而干扰资产定价。
六是人才短缺成为制约行业发展的瓶颈。目前金融行业AI人才供给仍难满足增长需求。
但张晓燕也像网易科技表示，尽管面临挑战，AI在金融领域的创新潜力仍然巨大。（袁宁）
本文来自网易科技报道，更多资讯和深度内容，关注我们。
