以ChatGPT為代表的AI大模型正在全球范圍內(nèi)引發(fā)新一輪的技術革命與商業(yè)浪潮。在金融領域，短期來看，它將在哪些方面給客戶帶來直觀的優(yōu)化體驗？長遠來看，它能否給金融業(yè)帶來顛覆性變革？

帶著這些問題，我們采訪了度小滿首席技術官許冬亮。度小滿，即原百度金融。作為源自百度的金融科技公司，度小滿一直積極探索人工智能在金融領域的前沿應用，先后布局信貸、財富管理、支付、保險、個人金融科技和供應鏈金融科技等六大業(yè)務板塊。百度 “文心一言”開放生態(tài)合作后，深耕AI領域多年的度小滿成為首家接入的金融科技公司。

許冬亮認為，具有通用能力的大模型將成為信息處理的基礎設施，中小銀行應用人工智能技術的門檻將大幅降低，在數(shù)字化、智能化進程中有了“彎道超車”的機會。

麥肯錫：ChatGPT近期風靡全球，您對人工智能未來趨勢怎么看？

許冬亮：ChatGPT的基礎是大模型，也就是 GPT（ Generative Pre-trained Transformer 即生成型預訓練變換模型）。基于大模型，OpenAI團隊不僅推出了ChatGPT（對話），還推出了CodeX（代碼生成）、DALL-E（圖像生成）。

比ChatGPT更值得關注的是它所依托的底層技術能力。我們認為類似GPT這樣的大模型技術，是下一代人工智能技術較量的核心課題。大模型將會掀起新一波的技術浪潮，重塑多個行業(yè)的業(yè)態(tài)。

麥肯錫：大模型技術在金融行業(yè)有哪些應用？

許冬亮：金融行業(yè)是數(shù)字化、智能化的先行者，如果將大模型能力放到金融行業(yè)中去處理原有的任務，性能和效果將會有顯著的提升，會對很多工作產(chǎn)生顛覆性的影響。

大模型可以分為理解式大模型和生成式大模型。理解式大模型可以用在智能獲客和風險管理上，幫助金融機構提升經(jīng)營效率和風險管理決策能力。在智能獲客上，大模型可幫助金融機構精準匹配用戶的需求。在信用風險管理上，在大模型的通用能力基礎上融合金融行業(yè)的知識和數(shù)據(jù)用于風險評估，可以提升數(shù)據(jù)洞察理解能力，幫助我們發(fā)現(xiàn)原來發(fā)現(xiàn)不了的風險。

生成式大模型可以自主生成新的數(shù)據(jù)、圖像、語音、文本等信息，成為理財師、保險經(jīng)紀人等金融行業(yè)從業(yè)人員的得力助手，幫助他們?yōu)榭蛻魝€性化推薦理財、保險產(chǎn)品，大幅提升服務效率和服務體驗。具體表現(xiàn)在以下三個方面：

第一、  基于大模型的智能客服將超越人工服務，讓高質量顧問式金融服務成為可能。在通用大模型的基礎上，疊加金融客服領域的數(shù)據(jù)和專業(yè)服務經(jīng)驗，經(jīng)過垂直領域定向訓練后客服機器人既能與用戶進行多輪對話，還能提出具體的、可行的解決方案。

第二、  生成式大模型可以成為理財師、經(jīng)紀人等從業(yè)者的“全能業(yè)務助理”。基于大模型的業(yè)務助理不僅了解國內(nèi)外的宏觀政策、行業(yè)信息、產(chǎn)品信息，而且可以自動生成文章、報告，提供專業(yè)建議和方案輔助交流。

第三、  廣告和營銷內(nèi)容一鍵生成，營銷效率大幅提升。以ChatGPT為代表的大模型技術，將帶來知識型工作者生產(chǎn)效率的二次飛躍。過去，我們需要在海量信息中檢索詞條，將大量的精力投入到信息的獲取、提煉與整合，自己做檢索、設計、制作等工作；未來，大模型技術會適應并普及到所有知識型工作行業(yè)，例如文案、設計、編程等，人機協(xié)作將大幅提高工作效率。

麥肯錫：大模型技術的發(fā)展，對金融行業(yè)的格局將帶來什么影響？

許冬亮：具有通用能力的大模型將成為信息處理的基礎設施，中小銀行應用人工智能技術的門檻將大幅降低，在數(shù)字化、智能化進程中有了“彎道超車”的機會。由于在數(shù)字資源、科技能力、業(yè)務場景等方面的天然差距，中小銀行與大銀行相比，在數(shù)字化轉型方面相對落后，且面臨著差距越拉越大的風險，“智能化鴻溝”的風險也越來越明顯。在大模型時代，所有銀行都可以便捷地使用最先進的人工智能技術來解決各自的業(yè)務問題，不同規(guī)模的銀行重新站在同一條起跑線上，這將大幅加快中小銀行數(shù)字化、智能化進程，有利于中小銀行跨越“數(shù)字鴻溝”和“智能化鴻溝”。

麥肯錫：度小滿在大模型上有什么布局？

許冬亮：度小滿已經(jīng)開展了一系列基于大模型的應用。我們將大型語言模型LLM應用于海量互聯(lián)網(wǎng)文本數(shù)據(jù)、行為數(shù)據(jù)、征信報告的解讀，將小微企業(yè)主的信貸違約風險降低了25%。隨著模型的迭代，大模型在智能風控上的潛力將進一步釋放。

ChatGPT所展現(xiàn)的語義理解能力，也是度小滿在自然語言處理（NLP）領域重點投入的方向。2021年，在微軟舉辦的MS MARCO 比賽中的文檔排序任務中，度小滿NLP團隊排名第一并刷新紀錄；團隊研發(fā)的軒轅 (XuanYuan) 預訓練模型也在CLUE分類任務中排名第一。

百度 “文心一言”開放生態(tài)合作后，度小滿成為首家接入的金融科技公司。接下來，基于“文心一言”的大模型技術基座，結合度小滿業(yè)務場景積累的金融行業(yè)知識和數(shù)據(jù)進行交互式訓練，我們希望能在金融行業(yè)發(fā)揮ChatGPT類人工智能技術的作用和價值，打造全新的智能客服、智能風控、智能交互服務。這些垂直應用不僅要具備生成式人工智能（AI）、多模態(tài)語義理解等能力，而且要適配金融行業(yè)高度重視風險、把安全性放在第一位的行業(yè)特點，做到高度穩(wěn)定、自主可控。

麥肯錫：大模型的發(fā)展未來有哪些挑戰(zhàn)？

許冬亮：首先，技術的應用不能脫離業(yè)務應用本身，AI技術的價值體現(xiàn)在業(yè)務的發(fā)展上。其次，數(shù)據(jù)的積累、技術能力的建設、底層的架構、人才積累與培養(yǎng)，這些都要長期投入，逐步形成；AI與業(yè)務的融合是一個持續(xù)迭代的過程，我們不能唯業(yè)績論，要給技術沉淀的空間和時間，但也不能只關注技術建設，不考慮對業(yè)務的收益——既要仰望星空，又要腳踏實地。

在國內(nèi)，目前看大模型技術的發(fā)展和應用存在很多挑戰(zhàn)，這些也都是我們需要正視和解決的，包括以下四個方面：

一、應用門檻。大模型訓練和應用的成本依然很高；在數(shù)據(jù)上，中文語料和數(shù)據(jù)質量相較于英文存在差距，當前模型的穩(wěn)定性和真實性還要進一步的優(yōu)化。

二、金融安全。金融行業(yè)的安全性是第一位的。生成式大模型創(chuàng)作自由度高，所以常會有令人驚艷的表現(xiàn)，但正是因為它的自由度太大了，當解決真實場景中的任務時，會造成可控性不足。

三、人才儲備。我國人工智能人才緊缺程度持續(xù)高于互聯(lián)網(wǎng)總體水平，作為ChatGPT核心技術的大模型，其人才缺失更為突出，尤其是領軍人才一將難求。

四、科技倫理。隨著技術的不斷突破，為了規(guī)范技術的發(fā)展，科技倫理的治理也要及時跟上，比如，大模型訓練需要應用大量的數(shù)據(jù)支持，需要做好數(shù)據(jù)的安全管理，避免泄露帶來的風險。同時這一技術可能會涉及偏見、歧視、誤導等問題，需要加強技術規(guī)范和標準制定，防止誤導，防范道德和倫理風險，防止歧視，保護消費者權益。

本次訪談由麥肯錫全球資深董事合伙人鐘惠馨、麥肯錫全球董事合伙人吉翔和麥肯錫全球副董事合伙人張蒙聯(lián)合完成。

 雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。