在近日举办的“大模型金融应用及创新论坛”上，来自金融机构、科技企业和监管机构的众多专家齐聚一堂，共同探讨了人工智能（AI）和大模型技术在金融领域的应用现状与未来发展方向。

论坛聚焦于AI技术如何从降本增效迈向价值创造，以及如何应对数据安全、算法可靠性等关键挑战。与会嘉宾一致认为，AI Agent（智能体）作为大模型落地的关键环节，将成为推动金融智能化升级的核心力量。

从降本增效迈向价值创造

近年来，AI和大模型技术在金融领域的应用呈现出蓬勃发展的态势。大型金融机构纷纷深度布局大模型技术，将其广泛应用于客户服务、风险管理、投研分析等核心业务场景，并逐步从基础应用迈向价值创造的更高阶段。

中国工商银行首席技术官吕仲涛指出，AI技术已广泛应用于客户服务、精准营销、风险管控等多个金融场景，并取得了阶段性成果。例如，工商银行通过大模型技术构建了智能体应用生态，实现了客户经理分析、推荐、触达、陪伴和管理的全流程智能化，显著提升了服务效率和质量。

在中小银行领域，恒丰银行首席信息官徐彤分享了该行在AI领域的实践。他指出，恒丰银行通过场景探索和突破，将AI应用于内部赋能，重点解决业务价值创造问题。通过构建智能体平台和知识库，恒丰银行实现了业务人员与科技人员的平权协作，降低了AI应用的门槛，推动了智能化转型。

与此同时，投资银行也在积极利用AI技术提升竞争力。中金公司首席信息官程龙从投资银行的角度探讨了AI技术的应用。中金公司通过大模型技术构建了智能投研、智能投顾、智能运营等多个应用场景，实现了运营效率的显著提升和风险防控的突破。例如，中金公司推出的中金智阅文档审核系统，利用大模型技术解决了信息披露文档审核中的难题，有效降低了风险。

在外资银行方面，东亚银行资讯科技架构平台部总经理张方昌指出，外资银行在AI应用中面临着投入有限、市场竞争激烈等挑战。然而，通过与全球集团方案的结合和本地化创新，东亚银行在跨境审单等场景中实现了智能化应用，提升了业务效率和客户体验。

数据、安全与技术难题

尽管应用广泛，金融大模型的深度落地仍面临多重障碍。数据安全与算法可靠性构成首要掣肘。

北京国家金融科技认证中心认证二部负责人段力畑在论坛上发布了《大模型金融应用安全风险测评结果》。他指出，大模型在金融场景中的应用存在安全能力不足、推理能力与数理计算能力不匹配、幻觉现象等问题。

中国金融电子化集团党委委员、副总经理潘润红指出，现阶段大模型在金融领域的应用面临数据安全和算法可靠性等风险、实施路径不明晰、功能边界有待验证、核心场景中的渗透率不足等问题。

安全威胁同步升级。奇安信产品总体部总经理邬怡指出，大模型引入了新的攻击面，如提示词注入攻击、越狱攻击和拒绝服务攻击等，这些攻击方式可能导致模型输出错误信息或泄露敏感数据。此外，大模型的训练数据中可能包含未过滤的敏感信息，进一步加剧了安全风险。

太保科技总经理魏骄华认为，大模型和AI在主攻金融业务核心场景的过程中还面临着一些挑战。比如幻觉问题，即大模型无法保证精确性，欠缺数据基础和非结构化的知识。而个人私域问题如果不解决好，也没有人愿意把自己的经验贡献出来。

技术优化与协同创新

为应对上述挑战，金融机构和科技企业正在积极探索解决方案。蚂蚁数科首席技术官王维分享了蚂蚁集团在大模型和智能体应用方面的实践经验。他指出，蚂蚁数科通过构建金融垂类大模型、知识工程体系和评测体系，实现了大模型技术的金融场景化应用。通过二次训练和私有化部署，蚂蚁数科提升了大模型在金融领域的准确性和稳定性。

华为算力平台先遣队行业项目群总经理张延德强调了算力底座的重要性。他指出，金融机构需要构建坚实的算力基础设施，以支持大模型的高效运行。华为通过昇腾AI战略，为金融机构提供了从硬件到软件的全栈解决方案，助力金融行业的智能化转型。

阿里云智能集团公共云事业部新金融行业副总经理郑淼则从技术架构的角度提出了AI原生五大工程体系。他指出，金融机构需要从应用工程、模型工程、知识工程、算力工程和安全工程五个方面入手，构建完整的AI应用体系。通过云原生架构和AI原生工具链，金融机构可以实现大模型技术的快速落地和高效应用。

展望未来，AI和大模型技术在金融行业的应用将从降本增效向模式创新转变。重庆富民银行行长赵卫星指出，未来1~3年内，AI技术将优化现有业务流程，提升客服、风控、合规等领域的效率。3~5年内，AI将部分替代人工决策，实现智能化的金融服务。5~10年后，算法银行等新业态将出现，重新定义金融服务模式。

“2024年52%的金融机构已经开始试点AI或者是AGI的应用，今年这个数字要达到90%多，金融机构是拥抱AI技术革命最彻底的行业。要想把AI的能力和智能体的能力更快地扎扎实实地落地到金融行业，还有很多技术的红利值得挖掘。”王维指出。

智能体是大模型落地的“最后一公里”

与会嘉宾一致认为，智能体是大模型落地的关键环节，堪称大模型落地的“最后一公里”，对于推动金融行业的智能化升级具有重要意义。

吕仲涛认为，金融业大模型应用的下半场将以智能体应用为抓手，综合运用先验知识+环境交互+强化学习，结合业务现实问题，构建面向场景私域的试验集，不断拓展智能体应用的上限加速，从+AI的点上突破向AI+的原生应用系统性应用的提速演进。

中国邮政储蓄银行软件研发中心处长李佳斌认为，AI工具的测评环节还有很多工作要做。AI落地场景容易，但如何落实好则需要大量的测评。做好测评工作能够提高AI Agent的落地效率，减少开发成本。

中国民生银行数据管理部部长何鹏指出，AI Agent的核心价值在于解决“最后一公里”的问题。在一个庞大的机构中，虽然多数工作是围绕已经设计好的主流程开展的，但仍有大量细枝末节的工作未能在科技需求上得到充分的表达和实现。而这些未被充分关注的工作，恰恰是能够显著提升企业大量员工工作效率的关键所在。

中信百信银行首席数字官陈龙强建议，AI Agent布局应抓紧上车。基于MCP开发智能体会让真正的智能涌现出来，但应高度重视数据安全、模型安全以及伦理等各方面的问题，“上车后跑起来可能很爽，但是一定要注意安全”。

中国人寿研发中心新技术应用产品团队负责人谭珂表示，中国人寿在智能体开发方面进行了大量探索，包括数字核保员等应用场景。他认为，智能体的应用需要找准场景，充分发挥大模型在结构化和非结构化数据处理方面的优势。他还提到，智能体开发过程中需要关注模型能力的稳定性和开发成本。