“當前，金融大模型已經超越單一場景應用，開始逐步深度融入核心業務鏈條。”近日，全國人大代表、東方財富董事長其實在接受證券時報記者采訪時表示。

作為國內富有盛名的互聯網券商，東方財富多年來保持高研發投入比，早在數年前就布局了人工智能與大模型，并在業內率先發布自研的智能金融終端——妙想投研助理。

其實表示，金融行業正在系統性擁抱AI，金融大模型正在實現從“效率工具”到“戰略引擎”的升級，有望成為金融機構未來業務增長的重要驅動力。不過，在實際的業務落地中，金融機構在應用大模型時仍有三大挑戰需要解決。

金融業正系統性擁抱AI

“目前，金融行業正處于深化改革和數智化轉型升級的關鍵時期，以大模型為代表的人工智能技術在提升金融服務質效方面展現了巨大的應用潛力，金融AI應用正在向實、向深發展。”其實提到，大模型的應用覆蓋面正在持續擴大。近幾年，金融行業對AI的認知大致經歷了三個階段——早期對技術成熟度的謹慎觀望，中期開源生態爆發后的戰略重估，到如今全行業系統性擁抱AI，大模型在金融行業的落地應用正在從試點探索快速邁向規模化。

“尤其是DeepSeek這類高質量、低成本開源模型的出現，有效降低了大模型的應用部署門檻，進一步促進了金融AI應用生態的繁榮。”其實稱。

與此同時，其實也觀察到，大模型的場景化結合深度在持續提升。他表示，隨著AI賦能逐漸成為行業共識，金融機構對于大模型的態度從“是否要做”逐漸轉向“如何做深”。行業主體持續發揮金融數據優勢，深挖金融場景需求，不斷通過技術迭代、場景深耕與生態共建，推動大模型的應用落地從營銷、客服、辦公等相對基礎、通用、容錯性強的場景，向投顧、投研、交易等復雜度較高的分析決策場景有序融入。

“當然，應用的深化也讓大模型內生問題的解決變得更為緊迫。”其實表示，大模型自身的技術局限性與金融場景的復雜性、低容錯之間存在一定的適配性問題，讓如何規范大模型的合規應用邊界、有效平衡技術風險與經營效益成為了金融機構普遍關心的話題。目前，行業正通過協同構建金融大模型的數據、應用評測標準，為大模型的安全治理提供有效指引。

重構金融服務

全生命周期管理

“從當前證券行業的應用實踐來看，金融大模型正在實現從‘效率工具’到‘戰略引擎’的升級，有望重構金融服務的全生命周期管理，成為未來業務增長的重要驅動力。”其實表示。

據他介紹，在支持投研業務方面，金融大模型用“人機協同”的全新模式，顛覆了傳統投研行業的工作范式。以東方財富自研的妙想金融大模型為例，面對研究過程中的信息整理工作，妙想既可以對市場進行常態化跟蹤，也可以辨別并篩選出增量信息中對行業有重要影響力的內容，相關信息的價值密度更高、需求契合度更強，可以高效賦能投研工作。

此外，在賦能客戶服務方面，金融大模型做到了從“標準化響應”到“個性化交互”的轉變。在助力風控體系建設方面，金融大模型能將“事后分析”轉向“事前預警”與“事中監控”，構建動態風險防控體系。

其實還談到，金融業是對信息的準確性、真實性、權威性有著高標準、嚴要求的行業，而大模型在實際應用中可能存在輸出結果的偏誤。因此，如何保證大模型回答的準確可用，成為了全行業迫切需要解決的問題。

東方財富也在提升模型的準確性方面做了一些嘗試與探索。首先，不斷完善模型的“金融思維鏈”，讓大模型能夠深度理解金融行業的實際規范與真實業務要求，在解決問題時多層次、多角度地思考。其次，在業內首度推出信源分級機制，不斷提高大模型對信源的分析、辨別能力，加強回答的可信度、透明度與解釋力。此外，針對金融機構的數據保護需要，建立了全流程風險防控體系。

金融大模型應用

面臨三大挑戰

在實際的業務落地層面，其實認為金融機構需要重點關注三大挑戰：

一是如何提升模型的準確性。金融場景對模型的精確度與可解釋性具有相對嚴格的要求。而當前大模型在涉及復雜場景、較長決策鏈時，多步推理的可靠性仍有待進一步提升。

二是如何實現技術投入的可持續。隨著應用的深化，大模型訓練、推理階段對于算力的需求呈指數級增長，因此在部署后階段，算力基礎設施的長期運維與升級對于金融機構的資金投入可能構成較大的壓力。為實現可持續的技術應用生態，有效平衡技術引入成本與價值創造，金融機構一方面需要解決大模型效率、準確性和魯棒性之間的應用層平衡問題，另一方面也需要綜合考慮計算資源在數據處理、模型訓練、穩定性提升等方面的合理配置。

三是如何應對數據和隱私保護挑戰。大模型的應用涉及對海量金融數據的分析，在此過程中，如何保護好客戶數據、業務數據安全，規范數據流動行為、避免合規風險，也是金融機構需要重點關注和應對的挑戰。