从“互联网+”到“大模型+”，金融机构的智慧交易正迈入新“轨道”。为提升科技对业务的支撑能力，银行、保险、各类机构开始倾向利用大模型技术，构建“智慧大脑”，助力交易业务提升工作效率、降低成本。在近日的调研中，亦有金融机构人士向北京商报记者坦言，将适时推进升级技术栈和AI技术能力，打造大模型示范应用“灯塔”，为交易业务赋能。通过大模型的助力，未来金融服务的效能将有望得到进一步提升与飞跃。

多点开花

以大模型为代表的新一代人工智能技术逐渐成为数字经济新的增长点，一场大模型之战正在打响。作为AIGC应用的主战场，在金融机构投研决策、数据分析、智能交互等交易业务领域已涌现出多个大模型应用。

观察机构应用大模型的情况，会发现大模型在多方面都能发挥出巨大作用。度小满CRO孙云丰此前在公开场合介绍，“公司对大模型的探索是全价值链的，从营销获客到运营再到风控和决策服务，甚至包括信息回收等领域。结合AI技术、引擎决策等技术能够解决哪些问题，正是我们现在往前摸索、往前走的”。

在金融交易领域，大模型亦极具想象空间，在银行业务中台，大模型的分析能力可以为交易业务提供全流程自动化场景，例如通过应用大模型的关键信息提取、智能文本生成、上下文联想、多轮对话等核心能力和特点，重塑金融市场核心交易业务流程。在交易研判阶段，使用大模型技术，提升投融资方案计划的制定能力；在交易执行阶段，通过人机对话式的交易管理，提升自有资金运用的择时和择期效率，并以此扩大投融资的规模与交易收益。

在私募量化蓬勃发展的今天，大模型也拥有广阔的应用场景。基金公司可利用大模型将运营数据、新闻舆论、分析师数据等有机结合，使得机构对宏观、行业、资金走势、公司财务有更深入理解。叠加智能的优势，大模型在数据组合构建、市场跟踪、辅助交易等方面都具有重要价值。

正如江苏苏宁银行首席信息官黄进所言，“对于AI大模型在业务场景的应用顺序，我们会坚持一个原则，就是会将大模型技术优先应用在那些能帮助银行切实解决金融服务痛点的场景，我们引入大模型技术绝不会为了‘赶潮流’，而是要求它能真正解决银行业务发展的实际问题”。

“智慧大脑”

金融领域作为数据密集型行业，是最适合大模型应用落地的场景之一。在调研过程中，有多家金融机构人士均向北京商报记者表达了将尝试利用大模型技术，构建“智慧大脑”的愿景。

作为服务回归交易本源的发展战略，以现金管理、供应链金融、贸易金融、跨境金融为核心的交易业务，是银行向轻资产经营模式转型、提升综合性价值创造能力的必由之路。一位股份制银行科技创新部门负责人透露，该行将打造大模型示范应用“灯塔”，助力交易业务提升工作效率。

有基金公司人士展望，大模型在提升现有解决方案能力边界、企业级知识应用解决方案、更自由的自然语言交互的能力将逐渐显现，可以通过专业的服务商进行前期数据优化和专业模型搭建，建立并使用属于金融领域自身的大语言模型。

目前对于金融行业交易领域而言，大模型落地场景广泛，无论是日常工作中的自然语言处理和文本分析，还是相对复杂的交易策略都有涉及。中关村物联网产业联盟副秘书长、专精特新企业高质量发展促进工程执行主任袁帅在接受北京商报记者采访时表示，“大模型可以自动化和智能化地执行交易过程，包括自动识别交易机会、自动下单、自动调整持仓等。通过大模型技术，金融机构可以更加快速、准确地执行交易，提高交易效率和准确性。大模型可以更好地融合金融领域的专业知识，包括投资分析、风险管理、资产定价等。通过与金融专家的合作和集成，大模型可以更加精准地把握市场趋势和风险，提高金融机构在投资决策和市场分析方面的竞争力”。

在北京市京师律师事务所合伙人律师卢鼎亮看来，通过大模型的助力，金融服务的效能将有望得到进一步提升与飞跃。通过大模型分析资金流、信息流、合同要素、担保物信息、行为习惯信息、物流商流信息等，将能够为金融机构提供快速、智能、全面、安全、可控的解决方案。

路在何方

不过由于各个机构间的数字化能力参差不齐，对大模型的需求各不相同，再加上金融领域数据的敏感性，也使得大模型在金融领域的建设并非一蹴而就。

有观点认为，大模型更适合总结过去存量的信息，在预测未来的有效性上仍在探索阶段。

在大模型商业化落地存在的风险和挑战方面，中银金融科技有限公司总裁唐啸便提及了数据时效性、决策稳定性的问题。

在唐啸看来，金融大模型的训练依赖于已有的数据，这种依赖性会导致模型训练和预测存在明显的滞后性。这种滞后性可能使大模型无法及时反映外部环境的动态变化，影响决策的稳定性和准确性。另一方面，即使有了高质量的训练数据，因为模型结构、解码算法、暴露偏差等原因，大模型仍可能出现幻觉现象，无法做到每一份决策都稳定、精确。

一位股份制银行有关人士坦言，“金融大模型的落地必须要做好数据与算力的基础建设、模型选型及训练微调、数据安全与隐私保护等多项前置工作，只有将这些做好，方能真正发挥大模型在金融领域的应用价值”。

在交易决策和量化投资等交易业务层面，大模型技术仍存在许多挑战。

袁帅表示，大模型技术当前无法完全满足金融场景的特定需求。通用模型的能力可能不能准确地把握金融市场的动态和变化，这可能会对投资决策的准确性和时效性产生负面影响。另外，大模型可能会对一些不相关的信息进行过度拟合，从而产生一些“幻觉”结果，这对投资决策的准确性是有害的。此外，大模型技术还可能存在可解释性不足的问题。对于一些复杂的金融市场现象，大模型的输出可能非常复杂，难以解释，这可能会影响投资者对模型的理解和信任度。大模型技术还可能存在隐私保护和合规性问题。

袁帅表示，整体来看，在使用大模型技术时，金融机构需要充分考虑这些挑战，并采取相应的措施来应对。这包括但不限于建立合适的模型评估机制、提高模型的精度和可解释性、加强数据的安全性和合规性等。