楊濤（中國社會科學院金融研究所研究員）
(資料圖片僅供參考)
伴隨ChatGPT在全球的快速應用，我國也掀起了一輪AI創新浪潮。據不完全統計，截至目前國內已發布80多個擁有10億參數規模以上的大模型，基于大模型的生成式AI成為各方關注的焦點。
其中，生成式AI在金融領域的應用，成為金融科技創新的熱點領域，金融機構也積極進行布局。如evident數據顯示，摩根大通今年2月到4月在全球招聘了3651個與人工智能相關的職位。
通常看，現有生成式AI大模型的參與者有三類，一是對標ChatGPT基礎層，試圖打造基礎設施類通用大模型；二是側重中間層來打造行業大模型，與底層通用大模型合作共贏；三是基于通用大模型或行業大模型開發AI工具，落地具體場景應用。
而就金融領域的應用看，生成式AI已經在幾個層面逐漸展現其價值。一是在提升面向客戶的服務能力方面，可為金融機構員工的專業化營銷、渠道維護提供支持；二是在改善機構工作流程與效率方面，可進一步提升業務鏈條智能化與辦公模式自動化；三是在文本處理方面，對于金融機構的一般文本、專業合規文件及業務所需的信息，都能夠更低成本、高效地提供技術支持；四是對金融機構實現了IT支持，其代碼生成功能提升了IT基礎工作的效率。
雖然金融機構對于生成式AI大模型的長遠意義都高度重視，但短期內的實際需求仍具有差異性。具體看，大型銀行的資源與實力較強，通常希望提前進行大模型布局，為AI的長期應用做好算力準備。就中型銀行而言，有的試圖推動數字中臺升級，實現更好的自動化與智能化，強化各信息系統的一體化、集成化水平，提升數字內容管理和運營能力；有的則期望生成式AI給業務帶來突破性應用，真正提升機構的創新力與盈利能力。對小型銀行來看，由于缺乏足夠的資源支撐，則更多是希望通過與技術企業的合作，來為數字化轉型奠定更好的基礎設施“底座”。
應該說，ChatGPT已經使AI走到新拐點，而根據麥肯錫2022全球AI調研報告，我國AI使用率暫時落后于全球平均水平，迫切需要利用大模型賦能產業。金融業作為經濟社會健康運行的“基石”之一，也是特殊的信息處理行業，完全應該抓住機會、創造條件，利用AI來推動自身高質量發展，使得服務更加高效、便捷、有溫度。對此，需直面生成式AI大模型面臨的如下挑戰。
一是數據保障。生成式AI預訓練大模型的快速發展，需要高質量、大規模、多樣性的數據集，其在金融業的應用更需要豐富的行業數據支撐。目前國內雖然數據資源豐富，但由于數據挖掘、治理、交易等都存在不足，使得中文優質數據集仍然稀缺。金融業的數據基礎雖然優于多數行業，但也存在非標準、碎片化、分割化的問題。由此，迫切需要推動數據資源、數據要素、數據資產的優化升級。
二是算力保障。當前，我國AI算力規模已居于全球前列，但算力質量仍有待提升。尤其是2022年7月美國眾議院通過《芯片與科學法案》，又持續對AI領域的關鍵技術和硬件實施面向我國的出口管制，對于生成式AI大模型的算力“上限”沖擊較大。因此，如何提升國內算力的創新能力和適應性，以及改善國際科技貿易環境，都是題中應有之義。
三是產業政策保障。網信辦已發布《生成式人工智能服務管理辦法（征求意見稿）》，意味著我國進入“生成式AI”立規新階段。未來既要注意遵循國際共識，對其發展設置風險原則與底線，也要防止政策與規則過于超期反而阻礙技術進步，同時避免對創新責任的泛化、技術路線的低效約束等，真正以政策“護航”來抓住新技術革命機遇。
四是行業監管保障。當AI在金融領域應用時，更需關注大模型的可審計性、可解釋性等難題，以及參與金融活動引發的風險特征變化、數據保護、責任分擔、合規邊界等問題。同樣，生成式AI在可信性方面的不足，以及可能給金融詐騙帶來的“魔高一丈”，都給金融應用帶來新的挑戰。當然，在多國金融監管者都持觀望態度時，如果我國能夠處理好效率與安全的監管“蹺蹺板”，將促使生成式AI成為完善金融服務實體的強大助力。
