近日，随着全国首个官方“大模型标准符合性测试”结果公布，AI大模型商业化应用的关注度进一步提升。
在金融领域，AI大模型被不少业内人士视为第二次数字化浪潮，是金融科技向智能金融的进阶升级。但目前来看，智能金融的应用、监管都还处于探索阶段，如何平衡发展与风控的关系仍是关键议题。
“数字化发展与风险防控之间并非完全对立的关系，一定程度上可以提升金融机构防范风险的能力。不过也要看到，数字技术发展的确会放大传统的金融风险，也会带来新的风险。”中国金融四十人论坛（CF40）资深研究员、中国证监会原主席肖钢对第一财经记者表示，接下来可以从完善监管沙箱制度、发展监管科技、建立跨市场风险监测预警和防控体系等方面来强化监管。
从近期CF40发布的智能金融发展报告来看，银行、保险、证券等金融行业的智能应用规模和成效已有明显提升，主要包括产品创新、客服营销、运营管理、风控合规四大方向。
AI技术是如何在金融领域落地应用的？
“通用语言模型的规模还在持续增长。”在12月17日第二届明珠湾金融论坛上，香港理工大学人工智能物联网研究院副研究员、IEEE计算机协会区块链和分布式记账标准化委员会主席李鸣提出了AI大模型的几个重要发展趋势：一是规模持续增长，二是多模态和多领域拓展，三是数据安全和隐私保护，四是预训练和微调改进，五是提升个性和可结实性，六是跨语言和跨文化研究。
这些趋势对金融领域有何影响？李鸣指出，这是当前智能金融应用落地、升级的重要基础，也决定了应用的方向，比如智能客服机器人、智能风控和反欺诈、投资分析和预测、个性化推荐和财务规划等。
从入选上述智能金融报告的33个案例来看，目前银行、保险、证券对人工智能技术的应用主要可以分为四大类：产品创新、客服营销、运营管理、风控合规。
以银行为例，报告指出，行业已经在智慧乡村、智能录审、数智交易等场景中推出了一大批典型应用，涉及的主要技术包括机器学习、自然语言处理、AR/VR、知识图谱、深度学习、图像识别、数据中台、即时BI、人工智能、OCR、多模态技术、隐私计算、区块链等，大部分为多技术整合运用。
以产品创新为例，银行主要通过运用机器学习、自然语言处理技术进行投资分析和决策，知识图谱技术用于信贷风险防控，AR/VR则赋能智能网点建设，深度学习、图像识别则可以应用于智慧畜牧产品，是多重技术支撑下的场景融合。而在风险防控应用中，涉及多种技术支撑的信贷档案智能识别监测、舆情分析、客户画像、智能风控、多方安全监管保送等场景。
资料来源：明珠湾智能金融发展报告（2022）
报告认为，以ChatGPT为代表的生成式人工智能（AIGC）的出现无疑对金融业具有深远的影响，一方面可以通过快速准确的信息和自动化的任务处理推动金融业降本增效；另一方面，ChatGPT“让机器理解”的能力进一步推动了金融行业的数智化转型，拓宽了金融行业AI应用的边界。
聚焦人工智能生成内容（AIGC）在金融领域的应用，中国银行业协会首席信息官高峰指出，目前主要分布在智能客服、智能运营、智能风控、智能投研、智能营销、智能程序员等场景。报告指出，从国内外案例来看，头部机构已普遍在AIGC领域有大手笔投入，尤其资金实力更强的国有大行、股份行投入规模均是千万元乃至亿元级别。
不过，数字化转型过程中，机构之间因为禀赋差异造成的分化一直备受关注。报告指出，大型银行的数字化转型和智能化应用发展较早，往往基于全技术栈面向全业务场景打造企业级平台化能力，水平在同业中较为领先；中小银行受制于资本、规模、人才等因素，其智能应用水平较大型机构总体上还有一定的差距，应该根据自己的战略定位和特色业务领域，通过专项技术产品引进和持续打磨的方式赋能业务。
从应用效果来看，报告显示，随着应用规模稳步增长，金融行业智能应用在提升普惠金融广度、助力乡村振兴，风险识别、分析和预警能力，以及提升营销精准性、提升客户体验等方面均有明显成效，且效果还在增强。
平衡发展和风险，依然要靠技术
智能金融的发展还处于探索阶段。“大模型浪潮下，数字化转型明显提升了金融机构的市场竞争力，但也要科学推广和使用大模型，不断提升科技治理水平，有效防范技术风险。”中国工商银行首席技术官吕仲涛在论坛上指出，当前金融机构还面临用户入口集中化、生成式能力可控性差，以及技术、资金投入成本较高等挑战。
报告也强调，由于AIGC技术目前尚处于起步阶段，其大规模应用面临可信度、业务、成本投入等多方面的挑战，还存在一定的风险，需要谨慎探讨。
中国银行原行长李礼辉指出，人工智能技术迭代可能造成在算力、数据治理和安全等方面的冲击和挑战，将尚不成熟的人工智能技术投入高风险的金融领域，可能放大现有风险并产生新的风险。他进一步指出，相关挑战包括算力集中和算力竞争、数据共享和数据治理、AI对齐与AI合成、AI信任和AI安全等，而从金融领域来看，现在主要的问题是AI算法和模型仍然不够清晰和透明，有待解决技术方面的缺陷，比如模型技术黑箱、模型学习局限、模型决定歧视、模型输出判决、模型算法趋同、模型服务冰冷、隐私保护薄弱、第三方依赖等。
“这就需要加快智能金融的监管创新，比如制定法律法规，明确智能金融和参与方的责任边界，包括智能金融监管的基本原则、监管机构的职责和权限、金融机构的智能金融业务规范等，建立穿透式、一体化、跨区域的智能金融协同监管系统。”李礼辉建议。
报告也指出，从现阶段应用实践看，智能金融的主要问题和风险点集中在几个方面：智能金融的伦理标准考量、人工智能技术风险与系统安全、金融数据安全与个人信息保护、市场行为与金融消费者权益保护、智能技术所引起的金融风险。
近期，在中央金融工作会议之后，国家金融监督管理总局明确，既要管“有照违章”，更要管“无照驾驶”，尤其是“建立监管责任归属认领机制和兜底监管机制”备受关注。
进入新的监管阶段，对于如何平衡智能金融发展与监管之间的关系，肖钢指出，首先要正确看待二者之间的关系，其次做好风险管控和监管。
肖钢表示，数字化发展整体对金融机构管控风险有利，二者并非完全对立关系。“智能金融的本质还是金融，没有消除金融风险，但利用数字技术、人工智能能够提高金融机构识别和防范风险的能力。”肖钢举例说，数字化信贷产品的不良率远低于传统贷款的不良率，已经说明通过数字技术能够提升防范风险的能力，不能把两者对立。
“同时也要看到，数字技术发展的确有可能放大原来传统的金融风险，同时带来新的风险。”他同时指出，在数字化应用过程中，原本传统条件下概率较小的风险有可能会出现，需要加强风险管控和监管，主要可从以下几个方面入手：
第一，进一步完善中国式监管沙箱制度。肖钢指出，最近几年，中国式监管沙箱试点取得了很好的成效，这是鼓励创新同时又防范风险的有效制度安排，下一步建议进一步推广。“因为创新可能会突破现有的一些监管规则和制度，既然是在沙箱里面，应该经过批准后允许他们在业务制度上有一些创新。”他说。
第二，加快发展监管科技。肖钢指出，要提高监管能力，必须要依靠科技。
第三，建立跨市场的风险监测预警和防控体系。数字化尤其人工智能条件下，跨市尝跨行业、跨区域风险传递速度越来越快，风险形态也比过去更加复杂多样。肖钢认为，这种情况下要加强跨市尝跨行业、跨区域的风险管控，需要建设跨部门、跨平台、跨市场的风险监控数据平台和监控体系。
