一石激起千層浪，年初爆火的ChatGPT，掀起了國內研究大模型的熱潮。以大模型為代表的新一代人工智能技術，將重塑現有業務流程，加速金融數字化和金融智能化的發展。

金融作為一個對精準性、可控性、安全性要求極高的行業，在實際應用大模型時還面臨著挑戰。從當前來看，大模型更適合應用于哪些金融場景，可以解決哪些痛點問題？如何應對大模型帶來的可能性風險？就此，工商銀行首席技術官呂仲濤在2023服貿會期間接受了《21世紀經濟報道》的專訪。

呂仲濤表示，大模型技術目前尚未完全成熟，而金融行業是一個強監管的行業。因此，大模型技術應用于金融場景下，仍然存在著安全隱私、科技倫理、可信可解釋等方面的風險。同時，大模型技術應用全面落地的過程中，還面臨著數據、算力、算法、應用等諸多挑戰。

當前階段不成熟，短期內不建議直接對客使用

《21世紀經濟報道》：當下對大模型的討論非?；馃?，它對銀行的價值體現在哪些方面？大模型更適合于落地哪些場景？能解決哪些痛點問題？

呂仲濤：作為數字內容創作的新引擎，AI大模型展現出驚人的理解、推理、學習等能力，可以在信息的處理與內容的加工制作方面進一步釋放生產力，輔助人工提升內容創作、代碼開發、圖像設計、數據分析等方面的工作效率，從而提升銀行業務服務質量。

例如，在遠程銀行客服方面，圍繞遠程銀行中心數千人的客服團隊，貫穿事前、事中、事后全流程，聚焦對客服務中樞的運營團隊，群體基數較大的人工坐席，工作量較為繁重的質檢人員，重新定義該群體的作業和生產模式，基于大模型能力賦能全流程業務場景。

在智慧辦公領域，利用大模型的文本生成問答能力，圍繞郵件、文檔、會議、員工日常事務等方面，優化行內辦公工具的交互體驗，助力員工辦公效率提升。

在智能開發領域，利用大模型代碼生成，代碼識別與檢測，代碼轉自然語言等領域的全方位能力，構建基于大模型的智能研發體系，有效提升一線開發人員編碼效率和質量。

雖然大模型在文本、圖像等領域的生成能力優勢明顯，但當前階段并不成熟，仍存在科技倫理風險等問題。因此，短期內不建議直接對客使用，應優先面向金融文本和金融圖像分析理解創作的智力密集型場景，以助手形式，人機協同提升業務人員工作質效。

商業銀行可以聚焦遠程銀行、基層網點等大基數員工群體共性需求，持續加大新技術面向全業務流程的綜合化運用，形成端到端的業務智能化解決方案，全方位提升銀行服務的工作質效。

落地需要大數據、大算力、大合作、大創新

《21世紀經濟報道》：金融是一個對于精準性、可控性、安全性要求很高的行業，在使用大模型時可能帶來哪些風險？

呂仲濤：大模型技術目前尚未完全成熟，而金融行業是受到強監管的行業，在安全隱私、科技倫理、可信可解釋等方面仍存在風險。比如，大模型生成的內容中可能存在明顯的宗教偏見、性別歧視等現象，有違社會倫理。此外，數據隱私保護也存在隱患，大模型訓練數據來源于互聯網及一些業務數據，這些數據可能涉及大量用戶隱私。

《21世紀經濟報道》：大模型全面落地還面臨著哪些挑戰？如何防范和應對？

呂仲濤：在將大模型技術進行全面落地應用的過程中，金融業在數據、算力、算法、應用等諸多方面面臨挑戰。

一是大模型需要大數據。大模型的突破得益于高質量數據的發展，需要通過數據驅動，釋放數據要素價值，加速推進金融業數字化轉型。

二是大模型需要大算力。當前國內外算力市場面臨著算力供給短缺、多廠商異構算力融合、國產AI生態不足、機房和網絡建設等復雜情況，金融機構需要深化與產界各方的合作，來共同推動解決大規模算力部署和應用挑戰。

三是大模型需要大合作。金融業要加快探索引入業界通用的大模型技術的策略和實踐，增強大模型能力，從而提升大模型服務金融行業能力。

四是大模型需要大創新。要探索形成一套面向金融業的高標準、低門檻的金融大模型應用模式，以此來快速推進人工智能在金融領域的深化應用。

《21世紀經濟報道》：未來大模型在金融領域的大規模應用的路徑是怎樣的？大行與中小銀行有哪些區別？

呂仲濤：關于大模型應用落地，目前業界尚無標準方法論。企業可按照場景通用化、專業化程度，分別使用基礎大模型、行業大模型、企業大模型、任務大模型。四層模型訓練數據規模和投入算力逐層遞減，專業屬性逐層增強。

對于大型銀行而言，因金融數據海量，應用場景豐富，可引入業界領先的基礎大模型，自建金融行業、企業大模型，考慮到建設周期較長，可采用微調形成專業領域的任務大模型，快速賦能業務。對于中小銀行而言，綜合考慮應用產出和投入成本的性價比，可按需引入各類大模型的公有云API或私有化部署服務，直接滿足賦能訴求。 

從數字化轉型角度來講，大模型只是數字化轉型里面的一個技術，而數字化轉型涉及到一個體系性的問題。在銀行定位上，中小銀行和大型銀行的數字化轉型本身就存在差異，數字化轉型成效關鍵在于能否精準定位。

責任編輯：王超