人工智慧在金融業的套用一直備受關註。近日，由清華大學經濟管理學院、度小滿等機構聯合編寫的【2024年金融業生成式人工智慧套用報告】釋出。【報告】認為，生成式人工智慧技術在金融業中的套用尚處於技術探索和試點套用的並列期，預計1年至2年內首批大模型增強的金融機構會進入成熟套用期，3年後將會帶動金融業生成式人工智慧規模化套用。
記者采訪發現，從當前人工智慧的發展狀況來看，要想在金融業規模化套用上取得實質成果仍面臨諸多挑戰。首先面臨的是風險問題。中國人民銀行近年來已先後印發【人工智慧演算法金融套用評價規範】和【人工智慧演算法金融套用資訊披露指南】，對人工智慧在金融領域套用所面臨的風險進行深入分析，並提供相應的指導，對人工智慧演算法在金融領域套用過程中的資訊披露原則、資訊披露形式和資訊披露內容等要素進行了指導；針對當前人工智慧技術套用存在的演算法黑箱、演算法同質化、模型缺陷等潛在風險問題，建立了人工智慧金融套用演算法評價框架，系統化地提出基本要求、評價方法和判定準則等。
除了風險問題，成本也是目前制約人工智慧發展的因素之一。2023年11月，一家市場機構聯合京東雲釋出的【金融行業先進AI存力報告】提到，人工智慧大模型落地的成本問題是業界關註重點。千億級別參數、動輒以月來計算的訓練周期，對應到儲存環節意味著巨大的成本，因此人工智慧若想在更大範圍內套用，仍有很強的降本增效需求。
2023年，國內金融領域人工智慧大模型遍地開花，一度上演「百模大戰」。進入2024年，「百模大戰」的熱度正逐漸減退，不少企業難以持續投入大量資金。有業內人士分析，未來在金融領域真正能堅持做人工智慧大模型的廠商或許不超過10家。作為數據密集型行業，金融業積極擁抱人工智慧，在數位化創新方面相較於很多行業都走在前列。然而，即使擁有充足的數據訓練人工智慧，很多金融機構仍因高昂的成本望而卻步。另外，金融業在追求科技金融的同時，想要兼顧綠色金融的發展目標也面臨挑戰。
從理論上來說，數據規模越大，人工智慧所展現的能力越強。現實中，對於絕大多數金融機構而言，盲目追求人工智慧技術的全覆蓋套用並非最優解。相反，聚焦於某一特定的業務場景，從小規模起步，選擇合適的人工智慧模型進行套用，這樣的策略能更好地發揮中小金融機構的靈活性。光大銀行相關技術人員對記者表示，人工智慧在金融領域的套用還是要以人為本，要為金融業務帶來實質性的幫助和提升。（經濟日報記者 蘇瑞淇）
