文|阿里达摩院院长 张建锋

　　探索“人工智能+”，发展新质生产力的创新接力棒交到了“大模型”手中，如同火种照亮了整个金融领域。大型模型的到来如此耀眼，金融业又该如何应对?在充满变革和不确定性的时代，萨摩耶云科技集团创始人、董事长兼首席执行官林建明的《AIGC重塑金融：AI大模型驱动的金融变革与实践》这本书呈现了前瞻性的观点和思考，为每个人提供了掌握和应用AIGC的有益指导。无论是金融领域的专业人士还是普通读者，都值得一读。

　　AIGC正在重塑 金融业务 模式

　　生成式AI的不断发展和应用，给金融业带来巨大冲击，传统金融模式和业务流程正在被重新定义和塑造。从风险管理到投资决策，从客户服务到市场分析，AIGC的应用正在让金融业变得更加智能化、高效化和个性化。麦肯锡的研究表明，AIGC预计每年将为全球经济贡献数万亿美元的增加值，同时为金融机构每年带来2000亿至3400亿美元的增值。尽管金融大模型尚处于技术探索和试点应用的阶段，但多国金融机构已经围绕AIGC紧密进行战略布局，抢占发展高地。

　　林建明是一位富有远见且经验丰富的专业人士，曾在招商银行信用卡中心担任总工程师，并成功创办了国内领先的独立云服务科技解决方案供应商萨摩耶云科技集团。他在书里将近20年的金融科技经验与AI大模型创新实践相结合，深度探讨了AIGC的技术演变、应用场景、架构设计、金融垂直大模型Prompt Engineering训练、落地方法论、实施路径以及行业最新案例。

　　金融业是数字化需求强烈的数据密集型行业，金融业务值得用大模型技术重做一次。《AIGC重塑金融》提出，AIGC大模型因其极强的语义理解、多轮沟通对话和推理演绎能力，它将从内部生产效率和外部服务效率维度为金融业提质增效。新技术如同一块未经雕琢的玉石，充满未知与挑战，但及早研究探索AIGC在金融领域的应用无疑是明智之举。毕竟大模型拉开的平台革命才刚刚开始。

　　AIGC提升金融内外部生产服务效率

　　在提升内部生产效率层面，AIGC在提高风险管理效率、改进数据分析能力、优化财务报告生成效率、提升自动化运营管理水平以及优化人机协同效率方面可成为人类的得力助手，帮助金融机构更好地实现降本增效。

　　风险管理是金融永恒命题，聚焦新形势金融机构现有的风险模型需要不断更迭，以适应市场和业务变化。书中认为AIGC能够提高风险识别和预测的准确性，自动化决策和处理流程，优化和调整风险管理策略，处理多模态数据，并提供实时监控和警报功能，帮助金融机构更加高效、准确地管控风险。金融机构结合现有的风险管理工具，由简单到复杂、按需融入AIGC，逐步提升现有风险管理能力，不失为一条可行的路径。

　　AIGC对提升金融业外部服务效率方面也将发挥关键作用。它在数字人、智能营销、风险信用评估和智能投顾领域，能够满足客户个性化服务需求，提升客户体验，并增强市场洞察和决策支持。比如在智能投顾场景，AIGC利用强大的计算和分析能力，从海量数据中提取关键信息和趋势，自动识别和清洗数据异常值和噪音，提升数据质量。通过机器学习和深度学习技术进行数据挖掘和模式识别，发现潜在的投资机会和市场趋势。基于用户的历史投资数据和风险偏好，构建个性化的投资模型，预测用户的风险承受能力和投资需求，实现资产配置优化。实时监测市场变化和用户投资行为，动态调整和优化个性化投资组合。

　　共筑可信AIGC破解“科林格里奇困境”

　　任何一项技术的发展通常是波浪式前进、螺旋式上升，面临问题和挑战总是不可避免的。金融领域对专业性、逻辑性、风险控制、合规性和可靠性的高要求，使得通用大模型在金融领域的应用仍处早期阶段，要解决知识、专业、语言和安全等方面的问题。迫切需要多方协作从数据、知识、架构、评估评测、生态体系等多个层面寻找解决方案，通过完善法规、促进跨学科合作、加强透明度和隐私保护、加强道德评估和公众参与等措施，以满足金融业特定需求。

　　研究金融业安全合规应用大模型，对实现可持续发展意义重大。林建明提出了安全使用AIGC的策略，这一点无疑是本书的另一个亮点，对于金融数智化转型具有重要的指导借鉴价值。金融业当探索共筑可信AIGC应对“科林格里奇困境”，即在技术发展中平衡过早与过晚控制的挑战。可行举措包括：

　　1)建立健全敏捷监管制度，全面加强数据隐私和安全管理，防止信息泄露和滥用;

　　2)加强全链路监管评估，制定清晰、具体、可操作的标准规则，确保运作程序和服务内容符合规定;

　　3)建立独立伦理委员会审查机制，促进负责任的人工智能开发、部署和应用，增强生成式AI的安全、可解释性、可问责性;

　　4)加强模型安全对抗测试，建立应急演练机制，持续提升应对潜在攻击和欺诈行为能力;

　　5)加快高水平人才培养，学习借鉴国际经验，参与行业标准制定推动AIGC可持续发展。

　　书中也为金融机构勾勒出四条利用AIGC技术路径：

　　1)基于大模型的通用能力，叠加金融客服领域的数据和专业服务经验开展模型预训练，进行私有化部署;

　　2)先从智能客服、智能营销场景切入，逐步拓展应用范围;

　　3)数字人打通线上线下服务场景，革新传统银行的人机交互模式;

　　4)采用类似SaaS付费模式按需定制大模型能力。

　　时代的车轮滚滚向前，只会眷顾坚定者、奋进者、搏击者，而不会等待犹豫者、懈怠者、畏难者。整个金融业正处于被AIGC 重塑的前夜，大模型在金融行业的应用逐渐从外围走向核心。唯有以“会当击水三千里”的气魄和行动，才能在金融数智化大时代乘风破浪。