近日，金融大模型发展论坛隆重召开，马上消费集团正式发布了国内首款零售金融大模型“天镜”，标志着我国金融业数字化转型迈入新阶段。在人工智能浪潮席卷全球的今天，金融大模型作为行业智能化升级的核心引擎，正迎来前所未有的发展机遇。然而，相较于通用型大模型，金融大模型究竟具备哪些独特属性？又将在发展过程中遭遇哪些瓶颈挑战？在大模型建设的关键环节中，究竟什么才是决定成败的核心要素？
论坛现场，谭建荣、倪光南、孙茂松、杨新民四位院士围绕人工智能本质、大数据与算力存力建设等议题展开深度对话。中国信息研究院副总工程师王爱华则针对金融大模型安全可信体系建设，详细介绍了当前行业采取的创新举措。从多位专家的发言中可以看出，算力基础设施建设已成为金融大模型未来发展的战略制高点。
算力存力建设：金融大模型的战略基石
在人工智能技术探讨环节，四位院士不约而同地聚焦于大数据算力建设这一关键议题。谭建荣院士指出，大数据是指那些无法通过传统手段处理的数据，在模糊、随机、混沌的状态下更需要借助先进技术进行解析。”数据是人工智能发展的生命线，数据存储产业必将成为未来国家的战略性产业，成为国际竞争的新赛道。”倪光南院士进一步揭示数据存储市场的现状，他强调：”2022年三星、美光、海力士三家公司就占据了DRAM市场份额的97%，这种高度垄断的局面亟待改变。”针对我国数据产业发展，倪院士提出三点核心建议：首先，实现算力与存力的均衡配置，确保数据处理、存储、传输三大能力协同发展；其次，逐步提高先进存储技术的占比，适时推动固态硬盘SSD替代机械硬盘HDD的存储革命；最后，依托双循环战略快速扩大产业规模，提升产品性价比和服务能力。孙茂松院士强调：”大模型、大数据、大算力三者如同三足鼎立，缺一不可。”他回顾道，2017年至2021年间，算力成本从1000美元降至5美元，算力规模与成本呈现双轮驱动态势。展望未来，大语言模型将向拟人化机器人、三维空间等更广阔领域拓展，这将深刻重塑行业生态格局。
安全可信：金融大模型的重大挑战
马上消费首席信息官蒋宁坦言，在工业和金融领域，大模型应用仍面临四大核心难题。首先，金融大模型与通用大模型存在本质区别——前者需直接参与交易决策，而决策中1%的误差都可能引发金融风险，因此必须实现”高决策安全”。蒋宁强调：”安全可信是金融大模型建设的首要命题。”此外，金融行业普遍存在的”数据孤岛”现象，严重制约了大模型形成生态系统的能力，进而影响群体智能的构建。只有建立共享权益安全可靠机制，才能真正实现行业内的竞争与合作平衡。在客户服务环节，如何平衡个性化服务需求与个人隐私合规要求，也是金融大模型必须解决的重要课题。同时，金融大模型需要不断优化底层基础设施，以适应垂直领域和金融行业的特殊需求。
解决路径：技术赋能与治理保障
针对大模型发展难题，杨新民院士提出了三大技术方向：第一，基于运筹学思维优化复杂决策的效率与经济性，通过参数调优和计算成本控制，加速大模型产业落地；第二，构建双系统架构，实现大模型的可控、可干预、可解释；第三，推进多模态防伪技术，确保大模型的安全性。在人工智能可信治理方面，中国信息研究院副总工程师王爱华介绍了其研发的人工智能能力测评体系。该体系已覆盖各类人工智能测评的环境和数据集，并在金融、互联网、电信、能源等多个领域开展测评工作，为金融大模型的安全可信建设提供了重要技术支撑。
