业内热议金融大模型：技术落地存何难点？应用面临哪些风险？|数据治理_新浪财经

　　“超过70%的金融机构处于大模型调研阶段，8%是在立项阶段，17%在测试阶段。还有少量客户已经在实际落地应用过程中。”谈及目前金融大模型在金融领域的应用，恒生电子董事长刘曙峰在10月19日举办的2023恒生金融技术大会上表示。

　　会上，多位金融机构人士对目前大模型的成果、应用及未来发展作出展望。

　　“环境的变化、技术的突破等等叠加在一起的时候，我们是时候思考一下是不是进入了金融科技的下半场。”刘曙峰表示。

　　他认为，大模型技术的突破，未来在金融领域很可能会带来体系化的重构，重新定义人机交互方式和专业应用程序，重构金融机构原有的基础设施以及管理体系。随着“数据+算法+算力”大模型新范式三大基本要素的不断提升，大模型作为一种创新技术，非常有可能完成对于财富资管领域业务形态和逻辑范式的革新。

　　刘曙峰表示，下半场的关注度重点要从关注技术的创新、关注新技术的突破，到更多关注技术如何应用落地，而技术的落地能不能带来客户体验的根本性变化，技术肯定是因为它带来了客户体验的根本变化，所以才能取代原有的业务形态。“当前金融行业对于大模型技术的关注度和参与度很高，但在大模型实际落地过程中主要存在模型选择难、算力供应不足、应用成熟度不足等问题。”

　　谈到模型应用可能面临怎样的风险挑战，兴业证券金融科技部总经理蒋剑飞在会上表示，当前，在训练和应用的环节，金融行业内部还面临着训练数据的可靠性风险、大模型生成内容不稳定等一些固有的缺陷。

　　“证券行业内部的业务数据质量参差不齐，不同的条线，数据质量千差万别。相对来讲，零售业务数据的规范化相对好一些，机构线数据的线上化程度相对较低，质量相对不足，这些领域进行大模型的生成应用之前，需要先进行深化数据治理、夯实数据基础。”蒋剑飞指出。

　　国金证券首席信息官王洪涛也谈到，金融机构各个公司内部都有大量的数据，但是，目前很多数据没有经过好的整理和治理；此外，在学习和试用大模型的过程中，行业各个公司内部数据的治理、规范和整理做得不够。“大模型或者技术体系本身对数据安全性、实时性以及数据连通性各方面，需要要持续不断的做一些规律。”

　　王洪涛认为，在大模型技术前期的成熟过程中是科技公司占主导；在技术发展到一定程度之后存在溢出效应，在各项业务流程的使用过程中，则应该是金融机构占主导的概率更大。

　　数据治理经验方面，申万宏源信息技术开发总部总经理助理石宏飞在会上表示，目前申万宏元数据治理总体的规划思路包含四方面，一是数据治理全域化，要推进数据治理全生命周期的管理模式，即源头治理、过程管理以及最后的末端处理模式；二是数据资产的标准化，最终形成标准化的数据指标体系以及衍生指标，及一些低代码二次开发的衍生指标；三是数据服务自助化，通过“自助分析+标签工厂”提供数据自助加工；四是数据应用自助，包含大模型、AI、BI等。