近日，由中国人民大学国际货币研究所与金融科技50人论坛联合主办的“金融大模型创新与应用闭门研讨会”在2025国际货币论坛期间举行。与会专家认为，大模型已从概念验证走向商业化落地，但金融业要想把技术红利转化为可持续竞争力，必须直面数据、监管、人才等关键挑战，并给出系统解题方案。
AI浪潮重塑金融生产力：从提效工具到核心创收引擎
“全球大模型发展已不再是单一的技术竞赛，而是呈现出技术迭代、资源升级、价值深化与生态竞合交织的复杂格局。”腾讯研究院联合毕马威发布的《2025金融业大模型应用报告》（下称《报告》）显示，过去两年，金融业对大模型的投入产出比首次超越技术先进性，成为机构应用的核心衡量标准。
一个显著变化是，大模型应用正从内部提效向核心创收领域加速转移。《报告》指出，智能理财助理、财富管理、保险代理人等客户触达场景已率先突破，而智能体（Agent）为代表的新形态正在重构投研领域的人机协作模式。
中金公司研究部执行总经理姚泽宇测算，大模型预计每年为全球金融行业带来2500亿到4100亿美元的价值增量，相当于9%到15%的营业利润增厚。他特别指出，财富及资产管理领域将成为最大受益者：需求侧的信息不对称、渠道侧的低效匹配、供给侧的主观决策，均能通过大模型实现精准优化。
三大挑战掣肘落地：数据壁垒、幻觉与监管空白
尽管前景广阔，但金融业大模型的商业化仍面临诸多挑战。中国金融传媒集团特聘高级专家高峰直言：“数据是目前面临的最大挑战。”他指出，尽管国内算法（如通义、火山引擎）已可对标国际水平，算力也因DeepSeek等开源模型普惠化而缓解，但数据治理的碎片化直接阻碍了转型成效。“各行业都在做数据治理的‘回头看’，尤其需关注公共数据如何安全进入大模型训练。”
技术本身的局限性同样不容忽视。姚泽宇提醒，大模型在金融领域的“幻觉”问题（即生成虚假或误导性内容）尚未根治，应用大模型直接进行决策判断的可行性较低，且传统AI在部分金融分析决策任务中的应用（如风控授信、理赔定价等）已较为普及和成熟，大模型替代传统AI的意义不大。
高峰则指出，对于大模型的应用，考虑到金融行业的特殊性，需要在人机协同的必要环节上进行人工干预，但也无需过度担心模型的幻觉和准确性问题。因为大模型对于大语言的理解能力要比人类优越，因此犯错率也会低于人类。
监管滞后则加剧了不确定性。中国人民大学社会科学高等研究院（深圳）执行院长宋科表示，金融大模型能否真正触及深层次的资源配置、风险管理、交易结算、价格信息、激励机制、资本分割等金融功能值得关注。他以稳定币带来的传统金融和新兴金融的监管博弈和均衡为例，警示大模型应用如果触及到了底层的金融功能，则也可能形成对现有宏观金融体系的强大冲击。高峰特别指出，当前涉及大模型与客户直接接触的场景，需谨防消费者权益保护风险。
破解路径：构建“四位一体”能力框架，推动轻量化与生态协同
面对挑战，与会专家给出系统性解决方案。业内人士指出，金融机构需构建“数据、技术、应用、组织”四位一体的能力框架，将成为金融机构在未来人工智能范式革命中赢得先机的关键。数据侧需打通行业壁垒，技术侧需平衡开源与闭源模型，应用侧需聚焦高价值场景，组织侧则需培养“既懂金融又懂AI”的复合型人才。
具体到落地策略，多位专家呼吁“轻量化”与“生态协同”并重。高峰认为，中小银行大模型应用一定是轻量化的，通过大模型的训练后形成的小模型，再与客户进行交互。从目前的实践来看，金融行业很难有通用大模型，未来还是要在垂直领域寻求重点突破。
数据治理的突破需行业合力。中国精算师协会会长王和强调，金融业是准公共行业，必须防止技术导致的“弱肉强食”。他表示，要高度重视并充分考虑金融大模型的消费者应用情况。一方面，要通过金融大模型向消费者赋能，为金融市场的公平正义提供技术保障；另一方面，要高度重视大模型技术的趋势和前沿，以行业大局的高度和觉悟全面整合行业力量。尤其是在数据共享和技术创新上，要尽快打通行业间、机构之间的的壁垒。
人才培养则被提升到战略高度。宋科指出，未来金融科技教育需从“简单融合”转向“技术驱动”。这需要在培养理念、培养方案和培养模式上进行大调整。
恒汇证券app提示：文章来自网络，不代表本站观点。
