BB视讯

新一轮AI海潮澎湃而来，从“想到”到“做到”，金融大模型的发展一日千里，但金融领域因其固有的特殊性，效能与风控、成本与安全的矛盾变得越发凸起，若何对待大模型技术带来的深远影响？金融行业距离真正的AIBank还有哪些“难关”要攻破？

近日，在金融街论坛系列活动“金融强国布景下的数字金融高质量发展”钻研会之“人为智能与数字金融高质量发展”钻研活动在京进行。该钻研由北京金融街服务局与北京立言金融与发展钻研院结合主办，北京金融街服务局局长卢五星、国度金融与发展尝试室副主任杨涛做致辞讲话，BB视讯信息新动力数字金融钻研院副院长薛春雨受邀出席并参加会商。

杨涛指出，做好数字金融大文章，能够从技术、数据身分和场景利用等视角启程，探求人为智能在其中的沉要作用的同时，也应正视其风险与挑战：一是正确处置技术逻辑与金融逻辑的融合，从金融视角来理解技术风险的冲击；二是疏导金融业大模型采取差距化战术利用，预防一哄而上；三是预防对技术的短期内高估、持久内低估；四是促使监管合理拥抱大模型，不休优化监管科技水平，提高监管精准性；五是推动有关的技术尺度化与软规定建设，促使参加各方实现“各司其职，风险共担”。

针对杨涛指出的沉要议题，在圆桌互换环节，薛春雨与北京立言金融与发展钻研院金融合规钻研中心主任王铼等专家学者进行了深度分解和解读。

圆桌会商环节

BB视讯信息新动力数字金融钻研院副院长薛春雨，萦绕大模型利用落地的现实情况，对人为智能在金融行业的利用中面对的风险进行了深刻钻研。

薛春雨以为，除了必要把稳通用大模型目前面对的共同的风险表，金融行业还应该关注以下几个风险：

一是数据风险。信息安满是金融业立身之本，这决定了金融业不能直接使用表部的大模型，现阶段内部私有化大模型提升能力尚需时日，若是要借助表部最新的能力，就必要对数据脱敏，但这同样面对执行过程中的风险；

二是模型风险。一方面，若是数据自身不正确，大模型的训练了局极有可能出现误差；另一方面，若是模型算法方面自身也会存在肯定的缺点，那么大模型的高效性特质会对后续的纠错将会带来极度大的成本。

三是过度依赖。目前大模型的可诠释性还存在较大的挑战，所以若是出现故障，若何急剧解决将是一个极度辣手的问题。另表，若是金融行业对其过度依赖，一旦受到攻击，或者出现整体不成用的情况下，对金融机构的进攻将是致命的。

四是潜在风险。大模型在金融行业中的利用，同样对一些从业人员会晤对较大的冲击，造成一些抵触。但若是大规模产生，将会带来较大的社会问题。

面对以上这些问题，薛春雨以为，大模型在金融业的落地必要聚焦在企业大模型及有关联的场景大模型方面，以场景大模型切入，逐步形成齐全的企业大模型能力。

为此，BB视讯信息造订了AIBank五步走的战术。第一步：降本增效。先通过AIGC进行代码天生等有关工作，保障急剧见效，产生实切其实的价值；第二步：知识问答类赋能。基于某领域的知识及数据，通过AIGC的方式，急剧进行知识回覆，提升交互履历；第三步：多种AI技术的融合。知识问答+传统AI技术，形成综合解决规划，并在多个业务条线进行落地；第四步：过程自动化。基于AIGC对知识的综合进建及判断，对流程及决策类系统进行自动化处置；第五步：高阶智能化。在日常工作及系统中，融入AIGC等技术，实现过程的全面自动化及专业化。

目前，BB视讯信息也根基处在L2+到L3阶段。

在降本增效和知识问答两个阶段，BB视讯信息自主研发了CodeMaster和 FinancialMaster，将其利用金融产品研发与业务处置场景，用于低代码开发和业务知识问答，让大模型在金融行业越发安全稳妥、切实有效地阐扬作用。

最后，薛春雨提到，但愿人为智能赋能数字金融，形成安全、高效、智能化、普惠的高质量发展！