DeepSeek 横空出世 , 迅速成为人工智能领域的焦点 , 其强大的深度学习能力与高效的计算性能正重塑着 AI 技术的边界。2025 年《政府工作报告》明确提出 , 持续推进 " 人工智能 +" 行动 , 将数字技术与制造优势、市场优势更好结合起来 , 支持大模型广泛应用。

在市场需求与政策支持的双轮驱动下 ,AI 大模型在金融行业的应用取得了显著进展。银行等金融机构纷纷引入 AI 技术优化业务 , 金融科技行业迎来发展新机遇的同时 , 也伴随着新的挑战 : 模型匹配度、算力成本、数据隐私与安全、监管合规 …… 如何释放更多数字红利惠及民生社会 , 成为各方关注的焦点。

2025 年世界互联网大会亚太峰会将于 4 月 14 日至 15 日在香港举行 , 峰会以 " 数智融合引领未来——携手构建网络空间命运共同体 " 为主题 , 为亚太地区数字化智能化转型搭建交流合作平台。峰会期间 , 将邀请来自全球的国际组织、政府、企业和行业机构高级别代表 , 以及知名专家学者 , 围绕人工智能基础设施、技术产业、安全治理等内容展开深入讨论 , 为进一步推动人工智能技术的创新与应用 , 以及全球可持续发展提供智力支持。

闭源 VS 开源 :AI 大模型的匹配之道

当下 ,AI 大模型发展如火如荼 , 越来越多金融机构将相关技术深度融入日常运营。值得注意的是 , 为确保采用的大模型能够有效匹配业务需求 , 金融机构需综合考量多个因素。

目前 , 摩根大通、高盛等金融巨头多数采用的是 ChatGPT 等闭源大模型 , 这些大模型在性能上有优势 , 但由于其封闭性 , 金融机构在使用时面临较高的依赖风险。相比之下 , 开源大模型 , 如 DeepSeek、通义千问等 , 拥有更高的灵活性 , 金融机构可以根据具体的业务需求进行调整 , 在处理复杂的金融问题时具备更高的准确性和适应性 , 不仅增强了创新能力 , 也助力金融机构快速响应市场变化。

此外 , 开源大模型的成本优势也是一大亮点。金融机构无需为使用模型支付高昂的授权费用 , 这使得囿于成本的中小型金融机构同样能够受益于先进的 AI 技术。不仅如此 , 开源大模型拥有更快的迭代能力 , 可以显著缩短技术部署周期 , 在激烈的市场竞争中抢占先机。

除了开源性 , 金融机构还需要考虑模型的专业性。基础的通用大模型通常是基于公开文献和网络信息进行训练 , 在处理特定行业场景时缺乏足够的专业知识和行业数据的积累。因此 , 开源的垂直行业大模型既能让金融机构更好地针对金融行业的特点进行定制开发 , 又能提升业务决策的准确性与智能化水平。

目前已有多家头部金融机构及金融科技企业宣布接入以 DeepSeek 为代表的 , 可进行垂直领域定制的开源大模型 , 拉开了金融行业新一轮高质量发展的序幕。这里值得一提的是金融壹账通。基于平安集团 AI 能力和海量金融业务数据 , 金融壹账通积极拥抱开源生态 , 接入 DeepSeek、通义千问等开源大模型 , 推出全场景 AI 解决方案 , 帮助金融机构训练和推广多场景垂直领域模型 , 并助力金融机构在风险控制、智能客服、精准营销、运营优化等多领域构建定制化 AI 应用 , 实现技术供给与业务需求的高效融合 , 进一步推动 AI 技术在金融行业的价值释放。

大模型应用加速落地 : 轻量化与高效化并举

作为一种能够处理海量数据、理解复杂逻辑的智能系统 ,AI 大模型在金融领域大有可为 , 其广泛应用重新定义了金融机构的运营模式、客户服务。

金融机构的日常运营涉及大量重复性、数据密集型工作 , 如客户服务、合规审查、文档处理等。传统的处理方式依赖人工操作 , 效率低且容易出错。AI 大模型能够大幅提升这些任务的自动化程度 , 降低运营成本的同时 , 还能让金融机构将更多人力和资源投入到客户关系管理、金融产品创新等更高价值的业务中。

除了优化流程 ,AI 还在金融机构的客户运营与产品创新中发挥着巨大价值。传统的金融机构营销模式往往依赖粗放的客户分类 , 而 AI 的深度学习能力让金融机构能够精准捕捉用户需求。通过用户画像分析 , 金融机构可以识别客户的投资偏好、消费习惯 , 提供定制化金融产品 , 精准推荐方案、服务或权益 , 提升客户转化率和满意度。

AI 大模型在金融领域应用的另一重要趋势是 " 轻量化 " 与 " 高效化 "。金融行业对适应性、灵活性和成本控制的要求日益提高 , 小型化、专用化模型往往能够以更低的成本和更高的效率满足需求 , 因而愈发受到机构 , 尤其是中小型金融机构的青睐。近期 , 金融壹账通推出了全新的 " 大模型一体机 " 解决方案。该方案具备多元化智算融合能力 , 兼容主流 AI 算力 , 支持按需扩容及统一管理 , 可满足不同规模金融机构的需求。无论是从单台设备起步 , 还是通过后续扩展进行部署 , 都能实现高效灵活的运作。

此外 , 该方案全面适配多种大模型 , 包括通用模型和精调模型 , 金融机构可根据需求选择平安精调模型进行定制化优化。目前 , 金融壹账通的大模型一体机已内置了多个大模型应用场景 , 包括智能知识问答助手、智能坐席辅助、理财顾问助手和智能报告生成等。这些应用有效提升工作效率 , 降低人工成本 , 为金融机构提供精准、个性化的服务。

金融科技大转向 : 从技术赋能到价值创造

随着 AI 大模型不断深化在金融机构业的场景应用 , 金融科技企业的角色正在发生根本性转变 , 从单纯的技术提供者向金融机构业务价值的重塑者转型。

传统上 , 金融科技公司主要为金融机构提供 IT 基础设施、系统开发和数据处理等技术支持。现在 , 它们不再仅仅专注于技术工具 , 而是深入参与金融机构业务的构建 , 通过 AI 大模型帮助金融机构设计创新产品 , 直接参与业务价值的创造。

此外 , 金融科技企业也从提供单一的技术服务转向为金融机构提供全面的赋能。AI 大模型让金融科技企业可以为金融机构提供从数据分析到智能决策的全流程支持 , 帮助其实现数字化转型。这种全面赋能的模式使得金融科技企业成为金融机构业务生态中不可或缺的合作伙伴。

人工智能向善 : 制度保障与技术支持缺一不可

随着 AI 技术在金融领域的广泛应用 , 技术伦理与合规问题也日益凸显。AI 驱动的网络攻击手段使得金融欺诈行为更加隐蔽和复杂 , 给金融机构的风控带来了前所未有的压力。一旦数据泄露或被滥用 , 会导致客户信任的崩塌 , 还可能引发严重的法律和声誉风险 , 甚至威胁整个金融系统的稳定性。

促进人工智能健康发展 , 维护社会公共利益 , 已成为各方高度关注的核心议题。国家互联网信息办公室会同多部门近期发布了《人工智能生成合成内容标识办法》, 要求通过技术手段管理技术问题 , 探索科学高效的治理手段。

除了制度层面的保障 , 技术支持也是 AI 治理不可或缺的一环。中国科学院科技战略咨询研究院肖尤丹教授表示 :"AI 治理是自上而下与自下而上相融合 , 是社会共治的过程。" 他强调 , 制度和技术的互促共进 , 是未来 AI 治理不能回避的命题。

在这样的背景之下 , 金融科技企业纷纷加大技术投入 , 完善风控体系 , 提升对虚假信息和欺诈行为的识别能力。面对这些挑战 , 金融壹账通推出了基于 " 能力底座 + 平台产品 + 场景应用 " 的金融业 AI 大模型解决方案。该方案支持 3 层大模型架构 , 涵盖基础通用大模型、垂域行业大模型、专属大模型 , 集成后台管理、数据管理、模型训练、安全防控、智能体管理 5 大核心功能 , 适用于不同规模和发展阶段的金融机构 , 满足它们对数据隐私保护和合规性的要求。

同时 , 金融壹账通严格遵循金融行业的数据安全标准 , 构建完善的安全防护体系 , 通过红线知识库敏感词过滤、分类模型安全防控、联机联机推理及批量推理合规检测 , 大幅提升金融机构在信贷风控、反洗钱等方面的潜在风险识别能力 , 进一步降低业务风险与提升业务合规性。

人工智能技术正迎来蓬勃发展 , 以大模型为代表的新一代 AI 技术不断突破 , 推动 " 人工智能 +" 进入深化应用的新阶段 , 对各行各业提出更高要求。2025 年世界互联网大会亚太峰会将深入探讨这一前沿领域。峰会期间 ," 人工智能大模型 " 和 " 数字金融 " 等专题论坛将相继举办 , 为亚太地区搭建起数字化、智能化转型的交流与合作平台。同时 , 峰会还将发布一系列实践成果 , 为全球数字经济发展和人工智能治理提供重要参考 , 进一步深化网络空间的交流合作 , 共享数字化、智能化发展带来的繁荣成果 , 共同推动构建网络空间命运共同体。