“当前，金融大模型已超越单一场景应用，开始逐步深度融入核心业务链条。”近日，全国人大代表、东方财富董事长其实在接受证券时报记者采访时表示。作为国内知名互联网券商，东方财富多年来保持高研发投入比，数年前就布局人工智能与大模型，并率先发布自研智能金融终端——妙想投研助理。

　其实强调，金融行业正系统性拥抱AI，金融大模型正从“效率工具”升级为“战略引擎”，有望成为金融机构业务增长的重要驱动力。然而，在实际业务落地中，金融机构应用大模型仍面临三大挑战。

　金融业全面拥抱AI

　目前，金融行业正处于深化改革和数智化转型的关键期，大模型在提升金融服务质效方面潜力巨大，应用正向纵深发展。近几年，金融行业对AI的认知经历了从谨慎观望到战略重估，再到全面拥抱AI的三个阶段，大模型在金融行业的落地应用正快速规模化。

　“特别是Deepseek等高质量、低成本开源模型的出现，降低了大模型应用部署门槛，促进了金融AI应用生态的繁荣。”其实称。

　其实还观察到，大模型的场景化结合深度不断提升。随着AI赋能成为共识，金融机构对大模型的态度从“是否要做”转向“如何做深”。行业主体持续发挥金融数据优势，深挖金融场景需求，推动大模型从基础场景向复杂分析决策场景融入。

　“应用的深化也让大模型内生问题的解决变得紧迫。”其实指出，大模型的技术局限性与金融场景的复杂性、低容错性存在适配问题，规范大模型合规应用边界、平衡技术风险与经营效益成为金融机构的关注焦点。行业正协同构建金融大模型的数据、应用评测标准，提供安全治理指引。

　重构金融服务 全生命周期管理

　其实表示，金融大模型正从“效率工具”升级为“战略引擎”，有望重构金融服务的全生命周期管理，成为业务增长的重要驱动力。以东方财富自研的妙想金融大模型为例，通过“人机协同”模式，颠覆传统投研工作范式，高效赋能投研。

　在客户服务方面，金融大模型实现从“标准化响应”到“个性化交互”的转变。在风控体系建设方面，金融大模型将“事后分析”转向“事前预警”与“事中监控”，构建动态风险防控体系。

　其实还谈到，金融业对信息准确性、真实性、权威性要求高，而大模型应用中可能存在输出偏误。因此，保证大模型回答准确可用成为行业迫切问题。东方财富在提升模型准确性方面进行了尝试与探索，完善模型“金融思维链”，推出信源分级机制，建立全流程风险防控体系。

　金融大模型应用面临三大挑战

　在实际业务落地层面，其实认为金融机构需重点关注三大挑战：一是提升模型准确性，金融场景对模型精确度与可解释性要求严格，大模型多步推理可靠性有待提升；二是实现技术投入可持续，大模型训练、推理阶段算力需求呈指数级增长，对金融机构资金投入构成压力；三是应对数据和隐私保护挑战，大模型应用涉及海量金融数据分析，如何保护客户数据、业务数据安全，规范数据流动行为、避免合规风险，是金融机构需重点关注和应对的挑战。

（文章来源：证券时报）