□记者 苏洁

当前，人工智能、大数据、区块链等新技术广泛应用于银行领域，不断革新银行业务的服务模式。新技术、新模式在为银行业带来发展新机遇的同时，也对传统金融安全和合规提出了新挑战。

金融抢滩布局AI大模型，国内互联网科技企业也掀起竞逐战，争相推出AI大模型。但金融大模型的发展还未成熟，尚面临一些不确定难题。

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。

以大模型为代表的人工智能的第四轮浪潮来临，很大程度上提高了机器的认知能力。但大模型的发展也具有两面性：一方面，可以帮助金融机构提升效率，做好风控管理，在一定程度上实现解放人力的功效；另一方面，大模型本身也具有一定的风险因素，比如算法、数据的风险等。因此，金融要兼顾技术创新与安全。

在实践中，科大讯飞研究院副院长、科大讯飞金融科技事业部CTO赵乾介绍，大模型具有更强的认知能力，不但能够解决中低端工作的替代或者优化，甚至是比较专业的中高端智力型或者知识型的工作也会被优化，其将给各行各业带来全新机遇以及提升。主要包括：一是可以改变人类的信息流转或者分发的效率；二是会让各行各业以内容生成为主要特点的岗位都得到大幅的效率提升；三是可以让很多交互体验得到很大提升；四是每个消费者会有更加专业化的虚拟助手。在各行各业科研中，比如金融领域的风控研究，可能都会得到大模型的助力。

对于大模型在金融领域未来的应用，赵乾认为，首先，大模型在理解、推理和生成方面有质的突破，有不少智慧涌现的特点，但是需要在各行各业的需求驱动下快速迭代，这样将来才会有更高价值。其次，大模型生命力在于应用，因为它本身是还有缺点，必须在应用中解决问题，从价值场景切入，边应用边发展。最后，大模型并不会完全取代人类，跟人类的协同会更加紧密、更加密切。机器或者人工智能应用有哪些模式，在企业内部有哪些流程，未来可能会发生非常大的变化。因此，要顺应时代，不用恐惧会被替代。

在采访中《中国银行保险报》记者发现，商业银行模型也同样有着风险管理的需求。

交通银行风险管理部副总经理杨丹华介绍，这些年模型广泛应用于商业银行的各个领域，比如客户营销、信贷管理的全流程、客户价值的分析等，随着大数据、人工智能技术的应用，模型的重要性和复杂度也在不断提升，加强模型风险管理的必要性日益提高。模型风险的产生有几个可能性：一是设计缺陷，二是应用不当，三是管理不足。因此，要针对整个环节来讨论模型的风险怎么去管理。

针对目前火爆的、关注度较高的人工智能模型，这类算法模型，用的数据多，用的数据新，相对风险较高，衰退速度也较快，因此，应用于金融场景下对于这类模型监控频率要高，需在可控边界下实现效益最大化。