近来，以大模型为基础的生成式AI在金融领域的应用涌现，备受市场关注。年初至今，越来越多商业银行推出相关应用或合作进展，生成式AI正在进入应用元年。

　　生成式AI应用元年

　　年初以来，金融机构在生成式AI领域的应用进展频频。微众银行构建了能够支撑和服务金融业务的场景化生成式AI Agent Store（人工智能业务助理矩阵）；农业银行推出了金融AI大模型应用ChatABC；兴业银行推出了反洗钱可疑报告智能生成领域运用的大模型……

　　据一季度发布的上市银行年报显示，42家A股上市银行中就有近20家银行披露大模型技术开发与应用信息。

　　德勤在此前发布的一份报告中也透露，2023年第四季度组织的“全球企业生成式人工智能应用现状”调研，在全球六大行业、16个国家及地区，访问了超过2800名总监至首席高管，他们在生成式AI领域的专精水平虽然不尽相同，但都正在为所在企业开展生成式AI试点或实施项目。

　　《2024年金融业生成式AI应用报告》（以下简称“《报告》”）也显示，目前生成式人工智能在我国银行业已进入试点应用阶段，预计1—2年后会进入成熟应用期，降本增效方面会出现正面的财务成果，3—4年后将会得到规模化应用。

　　澜舟科技合伙人、联席CEO李京梅认为，AI产业具备广阔潜力，大模型的产业落地应用才刚刚开始，随着各个领域的产业升级对人工智能的需求不断增强，未来的渗透率还将进一步增加。

　　《报告》进一步强调，我国金融业生成式人工智能应用迎来重要政策红利期。随着“十四五”规划进入关键实施期，金融管理部分加快推动我国金融业数字化进程，鼓励持续关注金融领域新技术发展和应用情况，提升快速安全应用新技术的能力，释放数据价值。

　　破解大模型的应用落地多重挑战

　　随着生成式AI场景应用的日渐丰富，大模型发展面临的挑战也越来越受大众关注。

　　中金公司在最新研报中指出，当前大模型的应用主要聚焦于业务场景简单的非决策类环节，如智能客服（AI Agent）、业务助理（Co-pilot）等，而在对金融专长要求更高、涉及强金融建议和核心决策任务的业务场景中仍难以落地应用。

　　大模型技术在算力、算法等领域仍然存在的难题和挑战，是限制其更在广泛业务场景中落地应用的重要因素。

　　在业内专家看来，大模型技术在发展应用中显现三大挑战：一是从算力角度，大模型的训练过程中需要庞大的硬件算力资源支撑，大模型参数规模呈持续扩张趋势，对算力提出了更高要求；二是从算法角度，大模型生成内容可能存在安全风险，同时广泛存在隐形偏见的可能性；三是从数据角度，近年来各项法律法规对私域数据的使用有“数据可用不可见”的要求，在医疗、金融等行业都存在海量自治的高质量数据，但受限于隐私无法共享利用。

　　微众银行首席人工智能官杨强表示，大模型的应用落地涉及数据管理、算法优化、系统设计和成本控制等多方面的综合挑战，需要持续的技术创新和策略调整，以推动AI技术更加成熟、高效地服务于社会各个领域。

　　杨强认为：“AI Agent（人工智能业务助理）是大模型面向应用端发展的下一阶段，其基于大模型的通用能力，并结合相关领域知识适应不同场景需求。”

　　杨强指出，在业务实践中，微众银行自研的生成式AI技术能够有效解决大模型幻觉（大模型在生成内容时产生错误或误导性结果）等技术难点，满足监管合规要求，已深度应用于客服、营销、质检、反欺诈、科技金融等核心业务场景，覆盖金融服务“前—中—后台”各个环节，提升金融服务的质效。

　　在大模型应用落地方面，微众银行人工智能首席科学家范力欣提出，联邦学习作为一种先进的分布式机器学习范式，允许参与方在不直接共享原始数据的情况下协作训练模型，为解决大模型应用落地的技术难题提供了创新路径。

　　联邦大模型技术路线通过其独特的设计，不仅解决了数据时效性、模型幻觉、专业知识融合及算力资源消耗等挑战，而且在保护数据隐私和促进AI技术公平性方面迈出了重要一步，为大模型在各领域的广泛应用开辟了新的可能。