今年以来，“大模型”一词在金融行业炙手可热“千模大战”背后，大模型给金融行业带来了哪些变革？针对金融行业的独特性，大模型还面临哪些发展瓶颈？“大模型重塑产业生态，金融大模型落地应用的话题正成为产学研界的共同关注。

”在日前举办的大模型技术与应用论坛上，有业界人士表示，金融行业作为人工智能应用场景密集的行业，是大模型技术落地的重要领域之一，将重塑现有业务流程，改变产业格局清华大学人工智能研究院常务副院长孙茂松表示，大模型基于其构建的向量空间，正在打造出崭新的智能信息处理基础平台，进而变革各行各业的基本生态。

对于金融领域而言，金融机构对于大模型的态度决定了自身的定位，也决定了其在日异激烈的竞争中能否抢占先机大模型时代，算力、算法、数据构成了新范式的“三驾马车”北京大学光华管理学院商务统计与经济计量系教授王汉生表示，高效人工智能算法、模型最终要解决的是业务痛点问题。

数据模型落地最重要的是寻找应用场景，比如在金融科技实践中，需要落地客服、销售、风控等业务场景“大模型让机器具有了常识，懂得了逻辑，学会了创作，让人和机器能以更自然的方式互动，通过与周边工具的结合，大模型已经具有了通用人工智能的雏形。

”度小满CTO许冬亮说，金融行业是高价值行业，数字化基础好，高度依赖数据和技术，是大模型落地应用的高潜场景对于中小金融机构，在大模型的浪潮里，他们也有机会通过应用创新，来加快自身的数字化和智能化进程，跨越数字化鸿沟。

对于金融行业大模型的应用实践，中国农业银行研发中心大模型研发负责人耿博表示，人工智能(AI)大模型面临算力需求大、训练和推理成本高、数据质量不佳、隐私和安全问题等挑战目前，大模型和场景融合是一个不断演进、探索的过程，数据是大模型的生产要素，基础设施是大模型的入场券，场景应用是大模型的驱动力，AI 大模型未来发展将趋于通用化与专用化并行。

有业界人士表示，现阶段在金融领域发挥大模型的能力有三方面挑战需要解决一是通用模型能力不能满足金融场景需要，通用大模型本身精度不够、金融知识缺失、更新迭代慢二是大模型如何高效植入现有业务场景，一个团队既要懂业务场景，又要理解大模型的使用方法，还需要具备比较强的工程能力。

三是大模型应用于金融业中产生的安全合规和隐私保护问题，金融本身是高合规要求的行业，大模型又是具有颠覆性的新技术，业界对它的风险还没有完全了解光大信托数据中心总经理祝世虎认为，大模型是生产力的提升，在金融行业的落地路径要依靠大合作和大创新。

通过大数据整合、大算力合作，在垂直领域精调模型，以小规模算力打造轻量级推理模型目前大模型在金融领域的应用主要集中在智能客服、智能运营、智能办公等领域，后续应该更多的应用于风险管理、资本管理和监管科技等金融行业的核心业务方面。

举报/反馈