杨涛:厘清大模型金融应用路径与治理重点

进入2025年,全球大模型技术快速迭代,呈现多模态交互技术逐渐成熟、强化学习解锁复杂推理能力、任务型智能体日益完善、主动化大模型能力开始显现等特点。在此背景下,大模型在金融领域的应用也呈现爆发式增长态势,同时也面临更加突出的风险与挑战。


中国社科院金融所支付清算研究中心主任、研究员杨涛在《北大金融评论》发文表示,需尽快完善大模型金融应用的制度体系保障,强化大模型金融应用的评估与评价机制,完善与大模型金融应用产品相关的金融消费者保护机制,促进大模型在金融监管中的应用水平。


本文完整版刊登于《北大金融评论》第25期。


进入2025 年,全球大模型技术快速迭代,呈现多模态交互技术逐渐成熟、强化学习解锁复杂推理能力、任务型智能体日益完善、主动化大模型能力开始显现等特点。其中,OpenAI发布的GPT-5 采用统一系统架构,整合了高效基础模型、深度推理模块和实时路由系统。国内则出现DeepSeek-V3-0324 的持续优化与性能提升、Qwen2.5 系列的多模态能力突破等。在此背景下,大模型在金融领域的应用也呈现爆发式增长态势,同时也面临更加突出的风险与挑战。


大模型金融应用现状


近期,腾讯研究院联合毕马威发布的《2025金融业大模型应用报告:体系落地,价值共生》认为,大模型的应用目前正呈现两大趋势:一是从内部提效向核心创收领域加速转移,在智能理财助理、财富管理、保险代理人等客户触达场景中已率先实现突破;二是从单纯的效率工具向深度参与决策的协作伙伴升级,以智能体(Agent)为代表的应用新形态正在重构投研等领域的人机协作模式,展现出重塑行业的巨大潜力。


事实上,金融行业已经涌现出许多优秀的行业和机构大模型应用。以银行业为例,工商银行发布了国内银行业首个企业级千亿参数金融大模型技术体系 “工银智涌”,该系统截至2025 年二季度累计调用量已突破10 亿次,深度赋能公司金融、个人信贷、财富管理等20 余类核心业务,覆盖智能客服、风险监控、交易结算等200 余个实际应用场景。平安银行则着力构建大模型能力体系及应用生态,提供低代码的大模型开发模式,支持员工自主使用和构建生成式人工智能应用;2024 年末,该行已上线知识数据Agent、风险RiskGPTCoPArtner 代码辅助平台、办公智能助手等大模型应用场景超200 个。此外,北京银行正在升级建设“京智大脑”企业级人工智能平台,通过研发百亿级参数“京智”大模型、推广京翼大模型服务(MaaS)平台、京骑AI 智能体应用平台、AIB 人工智能创新平台,形成“大模型+ 通用机器学习模型”驱动的技术体系。


以证券业为例,目前招商证券、华泰证券、中信证券等行业代表机构都在加大持续性资源投入,在大模型应用领域率先突破,形成了从技术架构搭建到业务场景落地的完整生态。例如,招商证券依托 “招证天启大模型体系”,构建了贯穿前中后台的数智化生态。华泰证券的FICC 大象平台助力固定收益业务实现显著超额收益,业务竞争力持续增强,并且集成策略研发、智能交易、风险控制全链条功能,支持境内外全品类做市业务。


以保险业为例,人保寿险的“AI 保宝”平台是其大模型技术应用的集中体现,该平台面向公司内勤、外勤两大群体,覆盖了从办公助手、坐席问答到产品咨询等11 个业务场景,切实解决了保险业务中的诸多痛点,这标志着保险服务全链条正在被AI 技术深度重构。同时,中国太保则在不断完善“数智太保”战略顶层设计,聚焦“AI+”,完善大模型基础设施,强化数智化能力,积极探索“AI+”对业务一线获客、增员等方面的赋能方式。


综合来看,当前大模型金融应用一方面聚焦于客服助手、文档生成、智能识别、代码生成、办公辅助等外围业务场景,另一方面也逐渐开始向智能风控、智慧运营等核心场景拓展,呈现由内及外、由简单到复杂、由边缘到核心的发展趋势。


大模型金融应用的技术挑战


为了推动金融大模型应用的健康、安全、高效发展,需要直面相关的问题与挑战。


首先,从人工智能到大模型的技术演进路线虽然逐渐成熟,但仍然存在技术层面的不足与挑战。例如,大模型幻觉是指其生成看似合理但实际与事实不符或无中生有的内容,这对于金融应用来说尤其难以接受,因为或许会导致错误决策或误导客户。究其原因,可能是由于数据层面的瑕疵或污染、训练环节采取了较差的训练策略、推理阶段存在不恰当的表达方式等。大模型幻觉问题一直制约其在垂直行业的严谨应用,即便是OpenAI 刚发布的GPT-5,其幻觉率只有o3 的六分之一,但仍未从根本上解决矛盾。对此,除了持续推动技术自身的完善,大模型短期内仍难以直接用于许多面向客户的服务场景,更多是发挥辅助功能,同时还需要专业知识的微调和保障,从而尽可能弥补相关短板。

······

《北大金融评论》第25期已经上架

订阅全年刊或三年刊

享独家优惠

扫码订阅→