眼下，人工智能大模型技术在金融领域的应用正呈现爆发式增长，从大中型银行到头部券商，AI大模型正重塑金融业态，从投资决策到智能投顾，从风险评估到客户服务……各个业务领域快速渗透，金融行业与科技的深度融合已成为必然趋势。然而，这场技术革命背后，数据安全、模型“幻觉”等风险如影随形。随着“AI炒股”冲击传统投顾业务，行业争议不断：技术是替代者还是赋能者？金融机构如何在效率与安全之间找到平衡？
国产大模型崛起金融业开启“智变”浪潮
“近年来，AI大模型的迭代速度远超预期。”某国有银行科技部门负责人感叹。
在生成式AI技术日新月异的今天，大模型技术正以前所未有的速度迭代，国产大模型的崛起，显著降低了应用门槛，为金融行业的智能化转型提供了强有力的支持。
春节前后DeepSeek迅速走红，成为人工智能领域的焦点，其强大的深度学习能力与高效的计算性能正重塑着AI技术的边界，银行、券商、基金、保险等各类金融机构争相接入DeepSeek，探索相关应用场景。
在近期举行的2024年业绩发布会上，多家商业银行表示，DeepSeek大模型已成功部署并运行于行内系统。证券基金行业数字化转型步伐同步加快，广发证券、易方达等头部机构相继官宣，已完成DeepSeek模型的本地化部署。
金融业内人士纷纷认为，AI大模型技术的快速发展正在推动金融行业的智能化进程。AI领域的发展历经算力、数据与模型三者间的不断平衡，如今DeepSeek等开源大模型的兴起再次实现了这三者之间的新平衡，降低了准入门槛。AI大模型技术的快速发展正在深刻改变金融行业的竞争格局和发展趋势。
而引入单一大模型，对于大型金融机构来说，不过是多了一种选择而已。除了引入单一大模型，大型金融机构也早已研发自有大模型。例如，工商银行在金融大模型的规模化应用方面取得了突破性进展，成功构建了企业级千亿级金融大模型技术体系“工银智涌”，覆盖20多个核心业务领域及200多个应用场景，累计调用量已突破10亿次。
其中，在金融结算领域引入人工智能顾问，客户咨询响应时间节省了79%。
技术优势不等于业务优势 “AI业务洞察力”转化速度更重要
“在信贷审批环节，利用大模型，可实现秒级信息获取，支持从海量信息中快速准确识别客户负面信息，并获得具有深度和启发性的分析结论，其反馈结果在授信风险评估领域的采纳率可达70%，大大提升了信贷业务工作效率。”工行广州分行相关负责人介绍道，目前，已完成多个业界领先大模型的部署测试，正着力探索各业务条线创新场景。
易方达每季度的宏观研究会上，AI宏观研究员“易观”都会与宏观研究团队一起工作，共同讨论宏观问题。这是易方达利用AI技术对包括宏观经济研究等多个金融领域进行探索，助力公司提升投研决策综合实力。
微众银行运用AI技术，原本需要业务经理耗时半天完成的8000字金融市场调研同业报告，现可五分钟生成初稿，结合人工修改、复核全流程压缩至半小时以内。
目前，人工智能已被广泛应用于智能客服、智慧营销、业务流程优化、智能风控等场景。不过，记者调查发现，基于技术的快速发展和应用前景，变革尚处在早期，未来还有非常大的发展潜力与空间。
在数字化浪潮席卷金融行业的背景下，金融机构的数字化转型已不再是选择题，而是关乎生存与发展的必答题和抢答题。招联首席研究员、上海金融与发展实验室副主任董希淼指出，金融机构若想在数字金融领域实现突破，必须深度运用以大模型为代表的生成式人工智能（GAI）技术，将其作为推动数字化转型的核心引擎。
金融业已形成了共识：未来比拼的是谁能更快将AI转化为业务洞察力。
在这场转型浪潮中，技术底座的建设速度，或将决定下一阶段的市场排位。
技术狂欢下的风险博弈
技术跃进之下，风险引发各方关注。
“生成式人工智能在部分场景应用时需要使用大量隐私数据，在部署和训练时要严加防范信息泄露风险。”中国银行首席信息官孟茜表示。
记者了解到，考虑到数据安全等方面的原因，金融监管部门已要求大型商业银行在金融大模型方面在自研、自主等方面多下功夫。一部分原因在于，银行手中掌握大量敏感的金融数据，在信息安全方面必须更加重视。
广发证券副总经理、首席信息官辛治运也表示，券商应用AI大模型的痛点涉及安全性与可靠性隐患，例如模型可能生成有害内容、思维链漏洞导致意外输出。同时，深度推理中的指令偏离、幻觉问题、高算力资源压力、工具调用能力不足、多模态技术短板，叠加数据质量参差不齐的隐患，进一步制约技术落地。此外还有敏感信息泄露风险、隐私防护机制的完善，以及技术创新与金融监管的动态平衡。“这些痛点和难点需要券商在技术和管理两个层面上进行综合应对。”
孟茜表示，确保人工智能应用的安全、可靠、可控，要筑牢企业治理、业务安全、技术安全三道防线。辛治运也表示，这些痛点和难点需要券商在技术和管理两个层面上进行综合应对，以确保AI大模型在各业务板块的有效融合和应用。
另有业内人士建议，监管部门应建立金融应用白名单，探索“监管沙盒”等创新机制。
AI炒股冲击波人机协同成行业共识
在DeepSeek横空出世后，一些AI炒股短视频在社交平台流行，折射出AI投顾的市场躁动。与此同时，金融机构也纷纷上线智能投顾等工具。
不可否认，凭借强大的数据处理能力，能为投资者提供丰富的市场信息和数据分析，生成式AI技术如DeepSeek正影响投顾行业，技术浪潮正在改写投顾行业的游戏规则。
不过，辛治运认为，AI目前还无法完全替代人工投顾。投顾服务不仅需要数据分析，更涉及对客户深层需求的理解、对市场宏观环境的把握和情感上的支持与沟通。AI难以建立真正的信任关系，缺乏对客户特殊需求的理解和情感共鸣。
客观上看，AI技术将与人工投顾形成互补关系，而非完全替代。未来的趋势是“AI+人工投顾”的混合模式。AI将促使投顾行业向更智能化、精准化、个性化的方向发展。对于证券公司而言，如何有效整合AI技术，提升投顾服务质量，是未来行业竞争的关键。
对于投资者，中国人民大学商学院助理教授倪政辉建议，在使用AI寻求投资理财建议时，应注意甄别其提供参考信息的准确性；在AI理财还未完全成熟的现阶段，如果要追求理财建议的专业性和准确性，应优先选择专业的投资机构。
（文章来源：广州日报）
眼下，人工智能大模型技术在金融领域的应用正呈现爆发式增长，从大中型银行到头部券商，AI大模型正重塑金融业态，从投资决策到智能投顾，从风险评估到客户服务……各个业务领域快速渗透，金融行业与科技的深度融合已成为必然趋势。然而，这场技术革命背后，数据安全、模型“幻觉”等风险如影随形。随着“AI炒股”冲击传统投顾业务，行业争议不断：技术是替代者还是赋能者？金融机构如何在效率与安全之间找到平衡？
国产大模型崛起金融业开启“智变”浪潮
“近年来，AI大模型的迭代速度远超预期。”某国有银行科技部门负责人感叹。
在生成式AI技术日新月异的今天，大模型技术正以前所未有的速度迭代，国产大模型的崛起，显著降低了应用门槛，为金融行业的智能化转型提供了强有力的支持。
春节前后DeepSeek迅速走红，成为人工智能领域的焦点，其强大的深度学习能力与高效的计算性能正重塑着AI技术的边界，银行、券商、基金、保险等各类金融机构争相接入DeepSeek，探索相关应用场景。
在近期举行的2024年业绩发布会上，多家商业银行表示，DeepSeek大模型已成功部署并运行于行内系统。证券基金行业数字化转型步伐同步加快，广发证券、易方达等头部机构相继官宣，已完成DeepSeek模型的本地化部署。
金融业内人士纷纷认为，AI大模型技术的快速发展正在推动金融行业的智能化进程。AI领域的发展历经算力、数据与模型三者间的不断平衡，如今DeepSeek等开源大模型的兴起再次实现了这三者之间的新平衡，降低了准入门槛。AI大模型技术的快速发展正在深刻改变金融行业的竞争格局和发展趋势。
而引入单一大模型，对于大型金融机构来说，不过是多了一种选择而已。除了引入单一大模型，大型金融机构也早已研发自有大模型。例如，工商银行在金融大模型的规模化应用方面取得了突破性进展，成功构建了企业级千亿级金融大模型技术体系“工银智涌”，覆盖20多个核心业务领域及200多个应用场景，累计调用量已突破10亿次。
其中，在金融结算领域引入人工智能顾问，客户咨询响应时间节省了79%。
技术优势不等于业务优势 “AI业务洞察力”转化速度更重要
“在信贷审批环节，利用大模型，可实现秒级信息获取，支持从海量信息中快速准确识别客户负面信息，并获得具有深度和启发性的分析结论，其反馈结果在授信风险评估领域的采纳率可达70%，大大提升了信贷业务工作效率。”工行广州分行相关负责人介绍道，目前，已完成多个业界领先大模型的部署测试，正着力探索各业务条线创新场景。
易方达每季度的宏观研究会上，AI宏观研究员“易观”都会与宏观研究团队一起工作，共同讨论宏观问题。这是易方达利用AI技术对包括宏观经济研究等多个金融领域进行探索，助力公司提升投研决策综合实力。
微众银行运用AI技术，原本需要业务经理耗时半天完成的8000字金融市场调研同业报告，现可五分钟生成初稿，结合人工修改、复核全流程压缩至半小时以内。
目前，人工智能已被广泛应用于智能客服、智慧营销、业务流程优化、智能风控等场景。不过，记者调查发现，基于技术的快速发展和应用前景，变革尚处在早期，未来还有非常大的发展潜力与空间。
在数字化浪潮席卷金融行业的背景下，金融机构的数字化转型已不再是选择题，而是关乎生存与发展的必答题和抢答题。招联首席研究员、上海金融与发展实验室副主任董希淼指出，金融机构若想在数字金融领域实现突破，必须深度运用以大模型为代表的生成式人工智能（GAI）技术，将其作为推动数字化转型的核心引擎。
金融业已形成了共识：未来比拼的是谁能更快将AI转化为业务洞察力。
在这场转型浪潮中，技术底座的建设速度，或将决定下一阶段的市场排位。
技术狂欢下的风险博弈
技术跃进之下，风险引发各方关注。
“生成式人工智能在部分场景应用时需要使用大量隐私数据，在部署和训练时要严加防范信息泄露风险。”中国银行首席信息官孟茜表示。
记者了解到，考虑到数据安全等方面的原因，金融监管部门已要求大型商业银行在金融大模型方面在自研、自主等方面多下功夫。一部分原因在于，银行手中掌握大量敏感的金融数据，在信息安全方面必须更加重视。
广发证券副总经理、首席信息官辛治运也表示，券商应用AI大模型的痛点涉及安全性与可靠性隐患，例如模型可能生成有害内容、思维链漏洞导致意外输出。同时，深度推理中的指令偏离、幻觉问题、高算力资源压力、工具调用能力不足、多模态技术短板，叠加数据质量参差不齐的隐患，进一步制约技术落地。此外还有敏感信息泄露风险、隐私防护机制的完善，以及技术创新与金融监管的动态平衡。“这些痛点和难点需要券商在技术和管理两个层面上进行综合应对。”
孟茜表示，确保人工智能应用的安全、可靠、可控，要筑牢企业治理、业务安全、技术安全三道防线。辛治运也表示，这些痛点和难点需要券商在技术和管理两个层面上进行综合应对，以确保AI大模型在各业务板块的有效融合和应用。
另有业内人士建议，监管部门应建立金融应用白名单，探索“监管沙盒”等创新机制。
AI炒股冲击波人机协同成行业共识
在DeepSeek横空出世后，一些AI炒股短视频在社交平台流行，折射出AI投顾的市场躁动。与此同时，金融机构也纷纷上线智能投顾等工具。
不可否认，凭借强大的数据处理能力，能为投资者提供丰富的市场信息和数据分析，生成式AI技术如DeepSeek正影响投顾行业，技术浪潮正在改写投顾行业的游戏规则。
不过，辛治运认为，AI目前还无法完全替代人工投顾。投顾服务不仅需要数据分析，更涉及对客户深层需求的理解、对市场宏观环境的把握和情感上的支持与沟通。AI难以建立真正的信任关系，缺乏对客户特殊需求的理解和情感共鸣。
客观上看，AI技术将与人工投顾形成互补关系，而非完全替代。未来的趋势是“AI+人工投顾”的混合模式。AI将促使投顾行业向更智能化、精准化、个性化的方向发展。对于证券公司而言，如何有效整合AI技术，提升投顾服务质量，是未来行业竞争的关键。
对于投资者，中国人民大学商学院助理教授倪政辉建议，在使用AI寻求投资理财建议时，应注意甄别其提供参考信息的准确性；在AI理财还未完全成熟的现阶段，如果要追求理财建议的专业性和准确性，应优先选择专业的投资机构。
（文章来源：广州日报）
