智能金融：AI驱动的金融变革
新一代人工智能
- 定义与核心问题：人工智能（AI）指由人制造出来的机器所表现出来的智能，核心问题是建构能够跟人类似甚至超卓的推理、知识、计划等能力。AI发展经历了多个阶段，包括强化学习、模型蒸馏（如DeepSeek蒸馏技术）、链式思考推理迁移等。
- 发展现状：新一代人工智能发展迅速，如强化学习奠基人获得2024图灵奖，模型蒸馏技术取得关键创新，链式思考推理迁移深化知识传递。
- 挑战：
- 算法共振：金融市场中多个决策模型因算法同质化、数据源相似或逻辑趋同，导致交易行为高度同步，放大市场波动，引发系统性风险。
- 创造力与幻觉率悖论：推理增强会明显减少幻觉，但过度延展的推理机制训练数据的奖励偏差会导致幻觉率增加，解决方案包括添加约束条件、引入反馈信息、提升训练数据质量等。
- 价值对齐：如何让大模型的能力和行为跟人类的价值、真实意图和伦理原则相一致，确保人类与人工智能协作过程中的安全与信任。各国已出台相关政策，如中国的《生成式人工智能服务管理暂行办法》、美国的AI行政命令、欧盟的《人工智能法案》等。
金融智能：研究实践
- 市场现状：中国金融大模型市场快速扩张，2023年市场规模为15.93亿元，2024年上半年达到16亿元，预计2028年将增长至131.79亿元。MaaS部署（开箱即用、按需付费）占52%市场份额，私有化部署占48%。
- 金融领域大模型：
- 知识增强的大模型：侧重理解和生成金融领域的自然语言文本，以传达领域内的知识、解释或描述。
- 任务增强的大模型：侧重实现金融场景，如信贷风控、投资决策、保险销售等。
- 研究实践：
- 可信数据空间赋能可信行业大模型：开展可信数据空间培育推广行动，核心支撑为“智隐”隐私计算平台，获得国家和省部级项目支持。
- 隐私保护大模型：联邦大模型（FedLLM）旨在保障隐私的同时整合多源数据，通过低秩适配器LoRA压缩通信参数、自动化敏感数据检测机制、动态水印技术解决通信效率、隐私安全和模型产权问题。
- 基于大模型的金融营销短信文案生成：目标包括丰富短信文案素材库、降低短信拦截率、提升短信营销转化率。
- 营销领域大模型：解决建档回填繁琐、功能检索复杂、客群问答关联性差、产品问答不智能等问题，通过建档回填助手、备忘录ASR识别、客户信息回填KYC等技术实现。
- 银行新决策模型赋能信贷决策：通过决策大模型，实现认知挖掘的自动化，提升信贷决策效率。
- 投研问答与投资尽调助手：通过图索引G-Index、图检索G-Retrieval、图生成G-Generation等技术，实现跨年报知识整合总结、投资尽调Agent等功能，获CCF中国数字金融大会Graph RAG大赛二等奖。
- 监管规则智能推理：构建智能高效的金融监管规则推理引擎，将金融监管文本转译成可执行代码，建设商业银行智能监管规则库。
金融大模型典型行业应用
- 智能风控：邮储银行反洗钱分析，通过AI助手提升效率，降低成本。
- 智能投顾：同花顺智能投顾助手，满足投资标的查询、筛选、分析等需求，提升投顾人员效率。
- 智能投研：蚂蚁集团投研支小助，在报告解读、市场分析、政策解读等场景中助力投研分析师，每日可辅助完成超过100+篇研报的专业解读。
- 智能审单：多模态文档智能体FinDOC，助力某国有大行成为全球首家将人工智能技术在信用证审单场景落地的银行，实现业务单据影像及业务报文的识别分类、解析抽取及智能审核。
展望
- 可信数据空间发展：国家数据局印发《可信数据空间发展行动计划（2024—2028年）》，打造100个可信数据空间。
- LLM为中心的操作系统蓝图：计算范式从指令式到意图式转变，抽象层次提升，Agent完成人机交互，普通用户也能完成复杂的计算任务。
- 智能时代未来已来：AI技术将深刻改变金融行业，推动智能化发展。
