探索AI前沿：微众媒体学院解析大模型时代的金融应用 原创

今天，人工智能正逐渐成为推动社会进步的关键力量。7月2日，微众银行举办“大模型时代AI前沿与金融应用”媒体学院系列活动。活动中澜舟科技合伙人、联席CEO李京梅，微众银行首席人工智能官杨强，微众银行人工智能首席科学家范力欣等行业专家学者分享了AI技术趋势洞察，并与众多媒体记者一道探讨AI技术在金融领域的落地实践。

大模型与生成式AI发展进入快车道

近年随着人工智能技术的加速发展，大模型和生成式AI已走到了科技前沿的风口浪尖。在这个快速变化的领域中，大模型被视为推动通用人工智能（AGI）的核心力量，其应用前景备受期待。

工信部的数据显示，截至2023年6月，我国人工智能核心产业规模已达到5000亿元，拥有超过4400家企业。这些数字不仅反映了市场的巨大潜力，也证明了技术的快速进步。

澜舟科技合伙人、联席CEO李京梅指出，“近年来人工智能逐步演进，从只能做单个任务的专用模型的AI 1.0时代，到一个通用模型做广泛任务的AI 2.0时代，最终走向通用人工智能（AGI）。人工智能也从感知智能走向认知智能，再到生成智能及决策智能。”她强调，随着AI能力越来越强，其开发和使用越来越简单，结果也越来越可控。同时，AI产业具备广阔潜力，大模型的产业落地应用才刚刚开始，随着各个领域的产业升级对人工智能的需求不断增强，未来的渗透率还将进一步增加。

李京梅在微众媒体学院发表演讲

尽管大模型技术带来了前所未有的机遇，但在发展应用过程中也面临几个重大挑战。首先，从算力角度看，大模型的训练需要庞大的硬件资源，随着模型参数规模的持续扩张，对算力的要求也日益严苛。其次，从算法角度看，大模型在生成内容时可能带来安全风险，且容易产生隐形偏见，这对算法设计提出了更高的道德和技术标准。最后，从数据管理角度，近年来各项法律法规要求对私域数据“可用不可见”，在医疗、金融等数据敏感的行业中存在海量自治的高质量数据，但受限于隐私无法共享利用。

AI技术的金融落地应用

金融行业的高度数字化和商业化应用场景的高潜在价值，使其成为应用AI技术的最佳场景之一。作为一家全球领先的数字银行，微众银行是这场技术革新的领跑者，积极探索大模型等AI技术在金融领域中的应用，同时坚持“审慎发展”的原则，尤其重视数据安全和隐私保护。利用行业领先的隐私计算和联邦学习技术，微众银行构建了一套支撑和服务金融业务的场景化生成式AI Agent Store（人工智能业务助理矩阵），不仅能够提升客户服务的效率和质量，也为银行业务的未来发展开辟了新的可能性。

微众银行首席人工智能官杨强表示，大模型的应用落地涉及数据管理、算法优化、系统设计和成本控制等多方面的综合挑战，需要持续的技术创新和策略调整，以推动AI技术更加成熟、高效地服务于社会各个领域。他进一步指出，“AI Agent（人工智能业务助理）是大模型面向应用端发展的下一阶段，其基于大模型的通用能力，并结合相关领域知识适应不同场景需求。”

杨强在微众媒体学院发表演讲

在实际的业务运营中，微众银行自研的生成式AI技术，能够有效缓解“大模型幻觉”，确保监管合规性，目前在客服、营销、质检、反欺诈以及科技金融等核心业务场景已经深度应用，覆盖金融服务“前-中-后台”各个环节，显著提升了业务流程的效率和整体服务质量。

具体来说，在客户服务环节，微众银行通过客服Agent辅助坐席，不断提升24小时线上客服的分析和理解能力，使得多轮对话更流畅自然；在营销环节，通过生成式大模型快速生成“千人千面”的海量营销素材，并引入联邦学习技术更精准地锁定了需要金融服务的个人和小微企业群体；在风控环节，通过将人脸识别、声纹识别等AI技术应用在开户、授信、放款等环节，有效提升了风控能力，识别并阻断欺诈行为；在知识产权保护与创新方面，基于生成式AI与专利大模型打造的专利系统，能够显著降低专利撰写难度并提高申请效率。

谈及大模型技术的前沿探索，微众银行人工智能首席科学家范力欣强调了联邦学习的重要性。作为一种先进的分布式机器学习范式，联邦学习支持多个参与方在不直接共享原始数据的前提下协作训练模型，不仅解决了数据时效性、模型幻觉、专业知识融合及算力资源消耗等挑战，而且在保护数据隐私和推动AI技术公平性方面也取得了显著进展，为大模型技术在各领域的应用落地提供了创新路径。

范力欣在微众媒体学院发表演讲

目前，微众银行已经在联邦大模型领域进行了多项研究与探索，将最新研究成果陆续开源发布于联邦大模型开源框架FATE-LLM，推动前沿技术落地应用与普惠，并在多个国际顶级学术会议中发布相关论文，促进全球范围内的前沿学术研究与交流。