8月24日消息，昨日，在“北大光華-度小滿金融大模型技術與應用論壇”上，度小滿CTO許冬亮表示，金融行業是高價值行業，數字化基礎好，高度依賴數據

和技術，也是大模型落地應用的高潛場景。

清華大學人工智能研究院常務副院長孫茂松指出：“大模型基于其所構建的向量空間，很可能打造出嶄新的智能信息處理基礎平臺，進而變革各行各業的基本

生態。大模型必然會導致相關產業重新洗牌，金融大模型正在重新定義金融科技。”

對于金融科技公司而言，金融大模型屬于兵家必爭之地。孫茂松表示，“金融科技公司對于金融大模型的態度決定了自身的境界，也決定了這家公司在日異激

烈的競爭中能否贏得下一個五年，乃至下一個十年。”

據度小滿數據智能部總經理楊青透露，度小滿軒轅大模型2.0版本將在10月份發布。2.0版本在對話和金融理解等場景下的能力大幅提升。在增量預訓練和指令

微調階段，該版本加入了海量金融數據，對金融問題回答更加專業、準確；在對話能力上，“軒轅2.0”的上下文長度擴充至8k，能夠處理更長的金融報告、研

究和分析。

今年5月份，度小滿開源了千億級中文金融大模型“軒轅”，開源以來已經有上百家金融機構申請試用。

現階段，如何在金融領域發揮大模型的能力，許冬亮認為還有三個挑戰需要解決：

第一個挑戰是通用模型能力不能滿足金融場景需要。首先是通用大模型本身精度不夠，當前大模型原生的幻覺問題、可控性問題和可解釋性問題都限制了生成內

容的準確性和可控性，而金融又是一個對精準性、可控性要求很高的行業；其次是通用大模型金融知識的缺失；再次是大模型更新迭代困難，金融是高時效的，

模型必須能夠實時跟蹤金融市場的變化和趨勢。

第二個挑戰是大模型如何高效植入現有業務場景。一個團隊既要懂業務場景的know-how，又要理解大模型的使用方法，而且還需要具備比較強的工程能力，這

樣才有可能選擇出適合應用大模型的場景，高效的將大模型嵌入到實際業務流程。

第三個挑戰是大模型應用于金融業中產生的安全合規和隱私保護問題。金融本身是一個高合規要求的行業，大模型又是具有顛覆性的新技術，我們對它的風險還

沒有完全了解，隨著大模型落地的不斷推進，如何平衡大模型落地收益和潛在合規風險，會是一個越來越突出的問題。

如何解決大模型在金融行業落地應用的這些難題，許冬亮認為每家機構獨立去解決這些問題既是不現實的，也是不經濟的，科技公司和金融機構在金融大模型上

的合作非常有必要。

大模型訓練需要大數據，但是金融數據非常寶貴。許冬亮具體解釋，“大模型訓練非常依賴底層的生產資料，也就是數據，但金融行業數據的分布實際上比較分

散，通用智能化數據主要集中在科技公司手上，金融數據則分散在各個金融科技公司手上，而對于金融機構而言數據是核心競爭力也不太可能進行分享，其他還

有監管、數據安全、隱私保護等因素存在，所以注定未來這個行業高質量數據的分布也會是分散的狀態。”

許冬亮向網易科技記者表示，未來從合作模式上來說，應該會是科技公司提供不同類型的通用大模型，金融科技公司在通用大模型的基礎上提供金融行業大模型，

將領域內的知識、know-how進一步整合，以私有化的形式部署到金融機構內部，而不是以云端API的方式提供服務，科技公司和金融機構未來會是深度合作的模式。

對于金融行業大模型的應用實踐，中國農業銀行研發中心大模型研發負責人耿博表示： AI大模型面臨算力需求大、訓練和推理成本高、數據質量不佳、隱私和安

全問題等挑戰。目前，大模型和場景融合是一個不斷演進、探索的過程，數據是大模型的生產要素，基礎設施是大模型的入場券，場景應用是大模型的驅動力，

AI大模型未來發展將趨于通用化與專用化并行。

光大信托數據中心總經理祝世虎則認為，大模型是生產力的提升，在金融行業的落地路徑要依靠大合作和大創新。通過大數據的整合、大算力的合作，在垂直領

域精調模型，以小規模算力打造輕量級推理模型。在大創新上，目前大模型在金融領域的應用主要集中在智能客服、智能運營、智能辦公等領域，后續應該更多

的應用于風險管理、資本管理和監管科技等幾個方面。（一橙）