當前，大語言模型在金融領域的應用正以前所未有的速度加速推進，深刻重塑著整個行業(yè)的格局。

3月31日，中關村論壇「人工智能主題日」核心論壇“AI未來論壇：創(chuàng)新·投資·全球化”在海淀區(qū)政府的主辦下啟幕。這場匯聚全球頂尖學者、行業(yè)領袖盛會，聚焦人工智能如何賦能未來經濟，探討技術與產業(yè)的深度融合。

論壇上，清華大學五道口金融學院副院長、金融學講席教授、清華大學金融科技研究院副院長張曉燕發(fā)表了題為“大語言模型在金融領域的應用”的主題演講。她從大模型的定義、技術演進、實際應用、現(xiàn)實挑戰(zhàn)到未來趨勢，剖析了這一技術如何深刻影響金融行業(yè)。

現(xiàn)場，張曉燕介紹了大模型在全球范圍內的發(fā)展現(xiàn)狀。她指出，大模型在提高工作效率和提升個性化服務方面表現(xiàn)出色。然而，另一方面，其也面臨許多挑戰(zhàn)，包括算力需求巨大、語料庫質量參差不齊、倫理問題復雜以及監(jiān)管政策尚未完善等。

會后，數據猿對張曉燕進行了專訪。專訪中，張曉燕圍繞跨學科人才培養(yǎng)、監(jiān)管創(chuàng)新等問題進行了深入的闡述。她提到，海淀區(qū)有人才、有產業(yè)、有資本，是大模型與金融場景融合發(fā)展的沃土，高校商學院應聯(lián)動海淀區(qū)企業(yè)，培養(yǎng)懂技術、懂金融、懂產業(yè)的復合型人才。

大模型在金融領域的“新打法”

“小模型”的潛力也不可忽視

在2024年1月的達沃斯論壇上，國際專家曾提出一個嚴峻的假設：如果美國切斷中國的算力供應，中國將如何應對？當時，這一問題被視為對中國技術自主性的考驗。然而，DeepSeek的橫空出世為這一假設提供了有力的回答。

張曉燕在會上提到，DeepSeek的問世，給我們注入了很大的自信心，我們通過技術創(chuàng)新，不僅解決了算力瓶頸問題，還找到了一個適合自己發(fā)展的道路。

在會上，她指出，大語言模型的傳統(tǒng)路徑依賴于超大規(guī)模參數量和海量數據的訓練，展現(xiàn)了強大的語言理解和生成能力。然而，這種“常規(guī)打法”對算力和數據資源的需求極高，限制了其廣泛應用。近年來，以DeepSeek為代表的新一代大模型通過技術創(chuàng)新，采用“混合專家架構”和混合精度訓練技術，降低了訓練成本和算力需求。這種“新打法”不僅打破了“高算力高成本”的固有認知，還為中國在大模型領域的快速發(fā)展提供了新的可能性。

“國家互聯(lián)網信息辦公室數據顯示，中國從2023年8月登記的8個AI大模型，擴展到2024年12月的302個，發(fā)展迅猛。”張曉燕提到。同時，她指出，一個有趣的觀察是，7 Billion（70億）參數規(guī)模的模型數量最多，占所有發(fā)布大模型的26%。這表明，許多公司已經意識到小模型在大模型體系中的優(yōu)勢。因此，在關注大模型發(fā)展的同時，我們也不應忽視小模型的潛力和快速進步。

在金融領域，大語言模型的應用已從理論走向實踐。截至今年3月，48家金融機構已完成DeepSeek的本地化部署，應用于投研決策、智能風控、服務優(yōu)化和業(yè)務創(chuàng)新等場景。例如，張曉燕和她的團隊在學術研究中聚焦于使用大模型從中文新聞文本中提取信號來預測中國A股市場中的股票回報。研究發(fā)現(xiàn)，所有基于大模型的投資組合累積收益均為正且持續(xù)增長，并且均超過市場表現(xiàn)。此外，本土化金融大模型的研發(fā)也取得了顯著進展，以軒轅大模型、盤古大模型為代表的國產金融專用模型在多項金融任務評測中表現(xiàn)突出。同時，銀行、券商、保險等金融機構也在積極部署大模型以實現(xiàn)智能化轉型。

大模型競爭加速

如何打破語料不足、

人才缺乏等“卡脖子”問題？

金融行業(yè)，作為數據密集型領域，首當其沖地感受到大模型帶來的變革沖擊。然而，技術的快速推進也伴隨著一系列挑戰(zhàn)，這些挑戰(zhàn)不僅關乎技術本身，更涉及算力、語料、倫理、傳播范式以及人才培養(yǎng)等多個維度。

在會上，張曉燕提到了幾大挑戰(zhàn)：

>挑戰(zhàn)一：算力與語料的雙重困境

AI的發(fā)展速度非常快，但全球高質量語料的增速正在放緩。自2010年以來，互聯(lián)網語料的增長率已降至兩位數，而到2028年，全球高質量語料可能面臨枯竭。“對于中文大模型而言，語料不足的問題尤為突出。語料這個問題如何解決？我想目前還是懸而未決。”張曉燕說。

>挑戰(zhàn)二：數據安全與道德倫理

隨著AI技術的普及，數據安全和道德倫理問題愈發(fā)突出，尤其是在金融行業(yè)。網絡攻擊頻發(fā)，金融領域的風險不斷上升，而AI技術的偏見、歧視風險以及幻覺輸出問題也引發(fā)了廣泛爭議。

例如，近期有患者攜帶大模型生成的醫(yī)療建議前往醫(yī)院就診，甚至比醫(yī)生更“懂”病情。這種現(xiàn)象雖然新奇，但也暴露了大模型的局限性：其輸出內容可能存在偏見、幻覺，甚至誤導性。若公眾過度依賴AI生成的信息，可能導致系統(tǒng)性風險。此外，算法的“黑箱”特性使得決策過程難以追溯，進一步加劇了監(jiān)管責任界定的困境。解決這些問題需要技術、倫理和法律的協(xié)同努力。

>挑戰(zhàn)三：信息傳播

大模型正在改變金融信息的傳播方式。傳播主體的去中心化使得網絡媒體突破了傳統(tǒng)金融媒體的壟斷，信息傳播路徑變得復雜且難以追蹤。這種變化讓每個人都需要自行判斷信息的可信度，但同時也增加了市場操縱的風險。

>挑戰(zhàn)四：人才短缺

AI技術的廣泛應用導致人才需求激增，我國AI人才短缺問題嚴峻。張曉燕指出，培養(yǎng)跨學科復合型人才是當務之急。那么，金融與大模型交叉領域需要哪些新型能力？在數據猿的專訪中，張曉燕指出，在金融與大模型的交叉領域，跨學科協(xié)作能力是關鍵。金融專家與AI工程師需具備跨學科寫作能力，打破專業(yè)壁壘，形成協(xié)同閉環(huán)。“金融專家應深入理解大模型的技術特點及其在金融業(yè)務中的潛在應用場景，明確需求痛點和業(yè)務目標。與此同時，AI工程師則需具備一定的金融素養(yǎng)，能夠將先進算法與金融場景有機融合，提升模型的適用性與精準度。”

“大模型”與“小模型”將相互協(xié)同

共同驅動金融行業(yè)價值快速增長

在人工智能技術的推動下，大語言模型正在迅速改變金融行業(yè)的運行邏輯和價值創(chuàng)造方式。會上，張曉燕從技術創(chuàng)新、行業(yè)價值增長以及模型協(xié)同三個維度，深入探討大模型在金融領域的未來發(fā)展趨勢，這些趨勢不僅為行業(yè)帶來了新的機遇，也為解決當前挑戰(zhàn)提供了可能的路徑。

>趨勢一：金融領域大模型技術創(chuàng)新加速

金融行業(yè)對人工智能技術的依賴正在不斷加深。近年來，金融領域的AI應用呈現(xiàn)出快速增長的趨勢，相關專利申請數量持續(xù)上升，市場需求也在不斷擴大。這種創(chuàng)新加速不僅體現(xiàn)在技術本身的進步上，還包括其在金融業(yè)務中的應用場景不斷拓展。從風險評估到投資決策，從客戶服務到產品創(chuàng)新，大模型正在成為金融行業(yè)不可或缺的技術支柱。未來，隨著技術的進一步成熟和成本的降低，大模型的應用將更加廣泛和深入，為金融行業(yè)帶來更多的可能性。

>趨勢二：大模型驅動行業(yè)價值快速增長

大模型在金融領域的應用不僅提升了效率，還顯著推動了行業(yè)價值的增長。以智能投顧為例，大模型通過精準的客戶畫像和個性化的投資建議，顯著提升了資產管理規(guī)模。據預測，到2024年，智能投顧的資產管理規(guī)模將達到2萬億美元，并在隨后的幾年中持續(xù)增長。這種增長不僅反映了大模型在提供定制化服務方面的優(yōu)勢，也預示著其在推動金融行業(yè)數字化轉型中的重要作用。未來，隨著大模型技術的進一步發(fā)展和應用的深化，金融行業(yè)的價值創(chuàng)造能力將進一步提升，為客戶提供更加優(yōu)質和高效的服務。

>趨勢三：“大模型”與“小模型”協(xié)同開啟金融智能化新篇章

在全球范圍內，各國在AI發(fā)展路徑上各有特色。大模型通常擁有超過10億的參數，計算資源需求高、成本較大；而小模型參數數量較少，運行效率高、成本低，且易于部署和更新。在實際應用中，小模型能夠快速響應并解決具體問題，因此在許多場景中具有獨特優(yōu)勢。未來，大模型與小模型的協(xié)同應用將成為金融智能化發(fā)展的重要趨勢，為行業(yè)提供更加靈活和高效的解決方案。

高校應聯(lián)動海淀區(qū)企業(yè)培養(yǎng)復合型人才

在當今全球化的背景下，人工智能技術的迅猛發(fā)展為金融行業(yè)帶來了前所未有的機遇，同時也對監(jiān)管體系提出了新的挑戰(zhàn)。張曉燕在專訪中指出，金融監(jiān)管應與科技創(chuàng)新同頻共振，既要保護創(chuàng)新，又要筑牢安全底線。

張曉燕強調，在金融創(chuàng)新與監(jiān)管的動態(tài)平衡中，監(jiān)管部門需防止“過度監(jiān)管”束縛創(chuàng)新，同時避免“監(jiān)管滯后”引發(fā)系統(tǒng)性風險。她建議建立動態(tài)監(jiān)管機制，通過持續(xù)監(jiān)測市場變化，及時消除監(jiān)管空白和盲區(qū)。例如，推廣“監(jiān)管沙箱”機制，允許金融機構和科技企業(yè)在受控環(huán)境中測試創(chuàng)新產品，確保創(chuàng)新與安全同步推進。此外，利用大數據和人工智能技術提升監(jiān)管效能和精準性，通過實時數據分析和風險預警，增強金融系統(tǒng)的穩(wěn)定性。

隨著數字技術的普及，需警惕“數字鴻溝”和“算法歧視”帶來的社會不平等問題，特別是老年人和弱勢群體的金融服務可及性。同時，加強信息披露和數據安全保護，增強消費者對金融創(chuàng)新產品的信任，使科技真正服務于經濟和社會發(fā)展。

張曉燕還提到，海淀區(qū)在推動大模型與金融場景融合方面具有獨特優(yōu)勢。海淀區(qū)擁有豐富的高校資源，如清華大學、北京大學等，21所高校獲批人工智能本科專業(yè)，擁有1.23萬人工智能學者。產業(yè)方面，海淀區(qū)通過惠企政策培育了1300余家人工智能企業(yè)，相關企業(yè)和人才數量占北京七成左右。金融方面，海淀區(qū)聚集了1754家金融機構，中關村科學城成長基金規(guī)模擴容至100億元。

值得一提的是，清華大學五道口金融學院設立了全國首個技術轉移金融專業(yè)碩士項目，旨在培養(yǎng)既懂技術又懂金融的復合型國際化人才，推動科技成果轉化與產業(yè)落地。項目畢業(yè)生已主導成立8家初創(chuàng)公司，設立科創(chuàng)基金規(guī)模超190億元，推動多項科創(chuàng)項目落地北京。

大模型重塑金融，關鍵不在技術本身，而在于能否構建起理解它、駕馭它、融合它的復合型人才體系。真正的競爭，不是參數的比拼，而是認知的升級、協(xié)同的能力與制度的革新。站在AI與金融融合的拐點，教育、產業(yè)與監(jiān)管唯有同頻共振，方能共塑未來。