2023年年底召开的中央经济工作会议部署2024年经济工作时，把“以科技创新引领现代化产业体系建设”摆在九项重点工作任务的第一位。在今年的政府工作报告中，“大力推进现代化产业体系建设，加快发展新质生产力”居于2024年政府工作十大任务之首，加快发展新质生产力将在全国全面铺开实践。
　　业内认为，新质生产力即有别于传统生产力的新型生产力，是以科技创新为主的生产力，是摆脱传统增长路径、符合高质量发展要求的新型生产力。而大模型正是新质生产力里不可替代的典型因素，金融业需要借助大模型改善传统发展模式，新质生产力发展的内在需要不断涌现。
　　新质生产力重要在“质”不在“量”
　　当前，全球人工智能技术不断取得突破，人工智能赋能千行百业正如火如荼进行。AI大模型不仅使得金融产业上下游步入新一轮发展周期，更为其深层次变革带来重要机遇。
　　清华大学人工智能研究院常务副院长孙茂松在近期举办的“大模型驱动下的金融新质生产力创新论坛上表示，”新质生产力“最重要的是在”质“而不是”量“，一个东西的”质“不同，就决定了这个东西不同。人工智能在”质“上区别于过去，它需要使得产品或从事的事情与众不同，有了新的动力，这是”因质而新，因新生变。
　　在中关村科金技术副总裁张杰看来，大模型毫无疑问是新质生产力里不可替代的典型因素，从企业主或者管理者角度来讲，它就像做图灵测试，不知道门背后和你聊天的是人还是机器；同样，将来可能也不知道给你提交的文案或者日报、代码是来自人的生产力还是机器生产力，人和机器界限越来越模糊。
　　“企业希望有产出，在实际场景中产生价值。”中信证券人工智能负责人徐崚峰说，今年，很多科技公司甚至底层大模型厂商都在花大量精力研究大模型应用的场景。未来，底层大模型一定会大浪淘沙，应用方面也将更加聚焦。
　　金融业成领域大模型最佳实践场景之一
　　业内人士认为，目前国内大模型正加速商业化落地，通用基础类大模型与行业领域类大模型参与者在各自赛道中寻找最优解。相比之下，通用大模型解决方案的技术更加复杂，尚不具备解决行业、领域等专业问题的能力，大模型的发展将按照“通用-行业-领域”路径演化。金融业成为领域大模型的最佳实践场景之一。
　　马上消费副总经理孙磊认为，金融业属于智力密集型行业，在人工智能时代一定会受益良多。近年来，金融业在应用人工智能技术方面做了诸多的努力和探索，马上消费作为一家技术驱动的数字金融机构，已经将人工智能应用于业务的各个领域，也成为公司发展的底座。这一轮通过大模型涌现的智能创新力量，还会带来更多革命性的进步。
　　国家金融与发展实验室副主任、上海金融与发展实验室主任曾刚认为，在国家鼓励“人工智能+”的宏观环境下，金融业作为国民经济的血脉，以其用户基数大、经济影响大、服务场景多、民生关系强，首当其冲成为大模型乃至更广泛的人工智能技术的应用场景和金融强国战略高地，而金融大模型将成为新质生产力的典型代表，在高效促进金融行业营销、服务、产品、数据分析利用水平全面提升的同时，赋能实体经济千行百业高质量发展。
　　“当前，我们正处于数字经济时代，生成式AI作为人工智能技术的集大成者，正成为金融行业的新质生产力。大模型技术的广泛应用，为金融行业带来了前所未有的机遇和挑战。这种新质生产力的创新，不仅将重新定义金融服务的内涵和外延，还将带来金融制造的新模式和新业态。”中国科学技术出版社有限公司总经理宁方刚说。
　　据马上消费人工智能研究院院长陆全介绍，马上消费的金融行业大模型“天镜”推出以来，展示了出色的上下文理解和引导式对话能力。在企业知识库的应用中，知识产出效率提升了150%，大幅度提高营销物料的生产效率。在与重庆某银行的合作中，大模型驱动的智能营销能将人工成本降低80%以上，产能是传统人工产能的6倍以上。
　　大模型技术仍存四大挑战
　　在马上消费CTO蒋宁看来，通过长期实践，在高端制造、金融、智能驾驶等领域，大模型技术还存在四大挑战：群体智能与安全可控、个性化和隐私保护、关键性任务和动态适应性标准、基础设施和架构改造。
　　“安全、成本、生态的边界，决定着金融大模型的产业边界。”蒋宁说，大模型的特性决定了其更为广阔的应用场景，进而释放的“科技平权”潜力，使得科技创新不再只是少数人的特权，而是让所有人都能接触到创新成果，共享、共创、共研新技术。
　　徐崚峰也认为，从金融行业来讲，现在还面临大模型能力、算力和安全合规等问题。金融行业大模型应用通常包含文字问答和数据问答两个方面，其中数据问答是很难去校验的。算力方面，很多证券公司缺乏足够算力，导致一些工作无法推进下去。另外，国内很多公司都在用私有云，但会面临算力成本高、模型成本高以及高性能GPU缺乏等问题，将数据放在公有云又会产生合规性问题，如何在保障数据合规前提下，充分融合私有云和公有云能力，是一个亟需解决的问题。
　　“目前通用大模型尚存在较大的潜在安全可信威胁。”陆全说，“敏捷治理”已成为业界一大课题，我们需从一开始做好五大方向的技术治理，即安全体系、标准体系、合规检查、幻觉检测、动态评价机制。行业领域大模型可限定在金融等具体场景，明确金融行业和具体场景的限制条件，相比通用场景，细分场景的规则更明确、数据质量更高、标准较易统一。同时，行业领域大模型为了确保安全合规，甚至不惜损失部分性能表现，如限制大模型只在给定的文档内容的范围内生成知识内容。
　　“基于对未来的洞察，我们在四大关键技术方向推动金融大模型真正成为新质生产力。”蒋宁表示，技术路线图主要包含模型安全可控、组合式AI、持续学习、平台化服务能力MaaS这四大关键技术，将长期以四大能力要求为核心，构建技术体系，驱动数字金融高质量发展。
（文章来源：新华财经）