蚂蚁集团陆鑫：不能“开箱即用”！大模型在金融领域落地存三大挑战｜智能金融助力数实融合暨产教融合研讨会

蚂蚁财富智能服务技术总监、支小宝技术负责人陆鑫

华夏时报（www.chinatimes.net.cn）记者 付乐 冉学东 北京报道

在历史长河中，金融业一直站在数字化创新的前沿。今年以来，以大模型为代表的新一轮人工智能技术正在加速金融业的智能化变革。

9月23日，由华夏时报社、中央财经大学数字经济融合创新发展中心联合主办、中国人工智能学会智能产品与产业工作委员会作为支持单位的“智能金融助力数实融合暨产教融合研讨会”在北京举行。

会上，蚂蚁财富智能服务技术总监、支小宝技术负责人陆鑫表示，金融服务链条上的关键环节，都值得用大模型技术升级改造一遍。然而，通用大模型缺少金融领域的专业力、知识力、语言力以及安全力，大模型技术在金融行业实现落地是个复杂的系统工程，需要将“四力”形成合力。

通用大模型落地金融面临挑战

陆鑫判断，大模型正在为金融业带来体验变革，包括更自然的交互，更丰富的供给，更有效的表达，更贴身的服务定制以及更高效的服务。

然而，通用大模型却不能“开箱即用”，ChatGPT等语言大模型工具对于开放闲聊擅长，但距离解决金融领域中的复杂决策任务还存在漫长距离。当前无法在专业严谨的领域直接落地产业。

具体而言，通用大模型夯实了一个宽广的知识底座，但宽广有余，纵深不足。一旦涉及具体任务、具体场景、具体行业，比如金融领域的风控、信贷等。如果通用大模型从未学过IT运维，就无法胜任这一任务。如果没有这类知识的注入，就无法从事相关工作。

“通用大模型擅长写作、生成、理解、推理，能够深度感知这些事情。但它并不擅长理工类的复杂逻辑决策、量化分析相关的工作。”陆鑫表示，金融服务对错误的容忍度很低。金融的核心是风险量化和管理，这也是生成式大模型目前很难在金融领域发挥效果的原因。特别是，金融行业的从业人员如投资分析师、理财师、保险代理，需要具备非常丰富的专业知识，对行业有研究，对综合任务具备拆解能力，还要对未知事物做出预测，需要在非对称信息前提下做出即时决策，这远远比开放闲聊困难得多。金融大模型要确保领域知识和专业逻辑的严谨性，才能真正落地，带来产业价值。

陆鑫表示，目前通用大模型在金融领域落地难主要表现在三个方面。

首先是欠缺金融领域的专业知识。大模型技术落地金融需要掌握专业知识，譬如知道什么时候调用什么工具。

其次为缺乏复杂推理和决策能力。金融在某种程度上可以看作“逻辑的游戏”，很多表述是非常复杂的逻辑表达。但实际上，大模型在相关逻辑表达方面存在局限。

最后是大模型存在“幻觉”现象。陆鑫指出，金融领域应该有专业知识和专业服务工具为大模型做补充，比如将以前积累的金融领域投教知识、投资知识进行沉淀。

此外，大模型在可控、可理解、可解释、隐私防护等方面也存在较大瓶颈，比如通用大模型的长短期记忆、主动学习机制，复杂决策，以及和自我相关的自我管理、自我调整、自我控制相关的内容，大模型在上述领域仍然有很大发展空间。解决知识的可控性和知识幻觉问题不能单纯的依靠算法，还需要从工程和金融业务入手。

大模型走向行业才能助力产业

作为数据密集型行业，金融业已率先体会到大模型带来的产业价值。

陆鑫介绍，基于金融场景中的实践，蚂蚁金融大模型形成了“大模型+知识+服务”驱动的架构。蚂蚁已发布了国内首个应用大模型技术的智能理财助理支小宝2.0和智能业务助手支小助，目前两款大模型产品已在内测。

“以前一个客服可以服务100个用户，现在有了大模型可以服务200个客户，这样就可以为整个产业提供更好的服务。”陆鑫介绍。

他表示，金融行业信息爆炸，每天有非常多的信息需要阅读和解读，因此行业内有投研，投研是研究整个行业的信息，我们把金融分析师每天阅读财报的能力用大模型来替代。因为大模型和人有差别，给大模型100篇财报，它会真的读，但是人不一定，人需要休息。比如有种任务叫做抽取金融资讯中的观点，当下金融大模型能做到深度，在准确率上已经超越了人类专家。这是大模型在金融行业应用的深度和可能性。

在深度智能化服务方面，金融大模型可以更加了解客户并提供定制化投顾方案，并给出更加精准的决策建议。

据陆鑫介绍，得益于金融大模型带来的知识力、专业力的提升，支小宝2.0的智商和财商提升到了新的水平，能帮助用户深度解读市场信息，并结合用户的财务目标、投资偏好等，提供配置策略。

据了解，未来蚂蚁集团将与金融机构合作的所有数字金融业务将全线接入这一大模型，助力合作机构数字化升级、智能化转型。