编者按
近期，中国人民银行等7部门联合印发《推动数字金融高质量发展行动方案》，围绕系统推进金融机构数字化转型、运用数字技术提升重点领域金融服务质效、夯实数字金融发展基础等方面提出多项措施。
奋力书写数字金融大文章，金融领域正推进AI大模型、数据资产入表、供应链金融、区块链等“新基建”。即日起，本报推出“‘金融新基建’进行时”系列报道，一览“金融新基建”最新成果，展望金融新未来。
◎记者 孙忠
金融领域积极拥抱大模型技术。今年以来，无论是金融数据终端还是金融科技龙头，均积极推出基于大模型的应用。相关应用集中在人机对话、智能投研、智能投顾等高频领域，这让人工智能在辅助投资方面的功能渐趋完善。
多位受访人士称，借助人工智能技术，普通投资者可实现专业级分析与决策流程。这意味着，专业投资的“普惠”时代或将加速到来。
探路大模型应用
今年以来，万得（Wind）、恒生聚源、、汇博云等金融终端服务商均在人工智能领域加码开发，大模型应用纷纷亮相。此外，、商汤集团等也发布了相关应用，如蚂蚁集团年初发布的“支小助”，是基于大模型投资的研究助手，并向用户免费开放使用。这些大模型有效提升了投资者处理数据和分析的能力。
人机对话是各家企业大力发展的应用，如万得的Alice、恒生聚源的WarrenQ机器人。
“通过AI机器人可实现专业级的投资研究与分析。”恒生聚源副总经理白雪称，大模型综合能力集成在人机对话的聊天机器人上，用户只需一句话，就可以从碎片化的材料中完成信息的搜集和整理。
例如，让聊天机器人写一篇上市公司研究报告，相关公司基本信息、各项财务数据等都会被浓缩整理分类。此外，还可以通过与聊天机器人互动，对数据进行持续深加工。
此前需要花费大量时间与精力的工作——寻找经济数据、制作图表或者建模型等，在大模型时代能轻而易举地实现。
例如，过去资管机构通常要求把当日发布的各类研报观点进行浓缩，以便研究员快速获悉市场热点。这也被业内称为“脱水研报”。“如今，几乎所有大模型终端均提供这一服务，并能满足更进一步的需求。大模型终端可以把一些公司和行业机构观点进行横向、纵向的对比，一些深度定制服务也在不断开发中。”博慧云科技合伙人曹辉表示。
当前，大模型已在资本市场的投研、投顾、智能客服、营销、风控等方面得到广泛应用。
“知识库问答、智能投研和智能投顾是大模型主要的应用方向。”白雪认为，大模型正在提升资本市场中人机互动的效率，大模型应用将迎来爆发期，未来10年将会保持60%的年均复合增长率。
让专业投资变得简单
在业内人士看来，大模型应用的加速落地，可以让投资者实现专业级分析与决策。
九鞅科技联合创始人张启珑表示，从技术发展看，大模型大大提升了对非结构化数据（如文本、图像、语音、视频等）的处理能力和效率，使获取、处理和分析信息更为迅速和全面，市场也会因信息的处理和流动变得更有效率。
例如，投资者往往同时有多个在线视频会议邀请，如今大模型提供会议分身功能，可以让机器人自动参会。机器人参会以后把会议录制下来，再基于大模型技术进行语音转文字，同步做翻译，最后进行主题和观点提炼，形成会议纪要。
又如，备受市场关注的央行货币政策执行报告，目前大模型也可以将不同时期货币政策执行报告进行比对，形成不同时期报告的分析。这同样适用于美联储一系列会议。
“大模型在金融领域的应用，其实就是一个将专业投资‘普惠化’的过程。”张启珑表示，投研效率也将大幅提升，能将此前小时级别的工作缩减到分钟级别。
大模型在机构端也有深入应用。曹辉表示，科技公司与券商、基金以及产业投资基金合作，推动其内部资料库与公开资料库的联动，特别是英文资料库的人工智能多模态智能搜索场景，以及以人工智能搜索系统为基础来实现更复杂工作流应用，如自动报告、商机捕捉、产业链监控等。
天云数据CEO雷涛表示，大模型运用到监管领域也是一个比较可行的方案。如利用人工智能技术识别场外配资等，同时用AI构建全市场资管信托债类产品风险关联图谱。
仍有提升空间
目前，大模型发展面临的最大挑战依旧是“AI幻觉”。所谓“AI幻觉”，是指生成内容与事实不一致或与用户输入不相关。
张启珑表示，金融领域对精度要求非常高，注重可解释性以及风险控制，所以现在金融机构对于大模型的一些应用场景，相对比较谨慎。
曹辉认为，大模型面临的“AI幻觉”问题，主要原因是训练数据污染，需要从软件工程角度提高其精度，也需要行业规范和法律法规来对大模型技术加以约束，使其更好地服务经济社会发展。
“解决‘AI幻觉’问题，可从两方面着手：一方面，及时更新金融数据库；另一方面，进行流程再造，让大模型在指定流程下进行合规数据读取。”白雪认为。
此外，大模型还存在“思维局限性”。上海财经大学上海国际金融中心研究院副院长闵敏表示，目前大模型逻辑链越长，越容易出现漏洞，同时局限于语料的框架，没有办法跳出框架思考并自我反省。
“但是，不能低估大模型的潜力。”雷涛表示，目前大模型应用进入服务工程化落地阶段，未来发展的一大路径是为资本市场建立完备的模型和算力基础设施，降低资本市场使用人工智能能力的门槛，以业务为线索利用大模型规模化生成合成数据等新兴生产要素。