中国社会科学报讯 11月18日，中国社会科学院金融研究所举办“金融论坛”，中国社会科学院金融研究所支付清算研究中心主任、全国金融标准化技术委员会委员杨涛就“AI大模型金融应用的机遇与挑战”作报告。金融研究所党委书记王利民，纪委书记、副所长张凡以及所内专家学者等参加了此次论坛。论坛由金融研究所副所长王朝阳主持。

　　数字金融不仅涵盖技术驱动的业务与流程革新，更致力于全产业链的数字化再造，服务于新兴数字经济模式。杨涛认为，在此背景下，AI大模型成为破解金融业信息不对称、优化资源配置的关键工具。

　　谈到AI大模型金融应用的机遇与现状，杨涛认为：一是数字金融与科技创新正向纵深发展。监管部门在防范风险的同时，对数字化转型保持合理包容态度，努力平衡创新与安全。随着数据要素价值日益凸显，金融业亟须满足市场主体的数字化需求，这为AI大模型金融应用创造了新的发展契机。二是数据、算法、算力三大要素持续完善。金融机构积极构建知识库，提升数据集质量，虽在数据互联互通方面仍有不足，但整体数据基础不断夯实。算法层面，Transformer架构持续优化，专家混合模型、稀疏注意力机制等创新技术助力大模型更好地理解复杂金融业务。算力基础设施快速扩张，“东数西算”工程优化全国算力布局。三是基础大模型建设日臻成熟，我国从技术追赶者转变为竞争参与者。基础大模型的产业化落地，为金融服务模式重构提供了重要支撑。四是金融行业已涌现出一批示范性创新案例。大模型厂商、金融科技企业和持牌金融机构各展所长：厂商夯实基础设施，科技企业推动自研模型，金融机构聚焦业务场景开发专属模型。五是开放合作生态逐渐形成，产业链各主体呈现“百花齐放、互补共赢”态势。“政产学研用”协同体系日益完善，开放银行向开放金融深化演进。开源技术的广泛应用进一步加速迭代，降低门槛，为金融大模型应用提供了坚实的生态保障。

　　对于未来的发展趋势，杨涛提出：其一，AI大模型在金融领域的应用必须紧扣行业核心需求，着力解决金融机构面临的五大痛点。在战略决策层面，大模型能提升信息处理与决策能力，助力管理层应对复杂竞争环境；在组织运营方面，可推动智能化转型，优化运营效率并降低成本；在投入产出维度，能整合数据要素，提升全要素生产率，更好地服务客户个性化需求；在风险管理领域，可构建更精准的风险模型，强化合规管理水平；在服务效果上，将有力支撑科技金融、绿色金融、普惠金融、养老金融等重点方向的发展。其二，当前需着力改善大模型应用的投入产出模式。面对科技投入持续增加但短期业务价值有限的矛盾，金融机构应坚持“精准投入、降本增效”原则，避免“为AI而AI”，通过优化投入结构和探索混合技术路线，提升成本收益比。其三，大模型应用还需着眼于增强金融机构的可持续发展能力。大模型应重点帮助银行改善资产负债管理、提升风控能力，夯实稳健发展基础。其四，服务实体经济方面，大模型应用需以提升服务实效为衡量标准。银行业要写好“五篇大文章”，证券业要助力居民增收，保险业要强化风险管理，共同通过精准资源配置为企业和居民创造价值。其五，需要理性看待大模型应用的现实价值，避免“短期高估、长期低估”。应注重大小模型协同，实现性能、效率与成本的平衡。对中小银行而言，轻量化发展路径更为适宜；在智能体建设中，要防止“一哄而上”带来的资源浪费和效率降低，切实推动技术赋能向价值创造转化。

　　杨涛分析了当前AI大模型金融应用的风险挑战问题。在技术层面，首要的是模型“黑箱”问题。在金融风险维度，大模型可能加剧系统性风险。非系统性风险同样需要警惕，更值得关注的是新型金融风险的涌现。因此，与人工智能相关的监管面临诸多挑战。应对这些挑战，需要构建多层次治理体系：完善法律法规与标准化保障，明确创新风险的责任分担；持续优化数据、算法、算力等基础要素；建立有效的模型评估与审计机制；强化金融消费者保护；推动监管科技发展。只有在创新与规范中求得平衡，才能确保大模型在金融领域的健康有序发展，真正发挥其服务实体经济、推动金融强国建设的积极作用。

　　（李俊成）