清华大学金融科技研究院副院长薛正华：希望更多“耐心资本”通过股权投资支持大模型研发初创企业
随着AI大模型技术在金融领域的应用日益广泛，越来越多金融业务场景正在积极拥抱AI大模型。
近日，清华大学金融科技研究院副院长薛正华在第六届上海金融科技国际论坛平行论坛上做主题演讲时表示，当前不同类型银行都在积极应用实践AI大模型技术，塑造各自的银行大模型。
据悉，个别国有大型银行已将大模型用于信贷管理，实现知识问答、文本生成及优化、实现信贷业务全流程辅助、多维度分析、标准化尽调、可视化输出等功能，有效提升银行信贷风险防控能力与信贷业务办理效率；部分股份制银行正探索将大模型应用于零售、对公、资金同业、风险、办公等业务场景，覆盖营销支持、客服运营、风险管控与员工能力复制等四大场景类别；有城商行引入多种主流开源大模型，系统性构建“AI+”金融全图景，形成宣传文案、智能周报、文章翻译、工作总结、会议纪要、通知撰写、代码生成、代码注释等基础应用场景，提升员工工作效能；个别民营银行也在客户经营认知、产业链认知、理财客户挖掘等场景测试大模型技术的落地应用效果。
在薛正华看来，尽管越来越多业务场景与AI大模型的融合日益紧密，但银行仍需密切关注大模型技术的最新发展趋势与挑战，从而形成更好的投入产出比与应用成效。大模型技术能否在金融等各个领域获得更好的应用实践成效，离不开国内AI大模型研发应用生态的日益完善。因此，国家相关部门应引导更多“耐心资本”通过股权投资方式投向大模型技术研发初创企业，支持国内大模型技术迭代创新与商业化应用，为金融等行业更好应用大模型技术奠定良好的基础。
各类金融机构对大模型能力的要求“与日俱增”
薛正华表示，随着AI大模型技术在银行客户服务、市场营销、运营管理、内控合规、风险管理、金融市场交易、产品设计等场景的日益广泛应用，银行对AI大模型的能力要求随之“水涨船高”。
他指出：“银行对大模型能力的要求，具体表现在信息分类、信息抽取、数值计算、逻辑推理、模型编程文本生成、多轮分析推理、业务领域思维链、业务领域预测分析效率的持续提升。”在这种趋势下，银行对不同场景下的大模型能力也提出差异化要求，比如针对客服、客户营销等单一业务场景，银行要求单任务大模型AI生成结果的颗粒度越细越专业越精准越快；针对综合贷款方案设计、综合理财方案等多场景融合业务，银行则看重多模型的协同能力。
薛正华透露，对大模型能力提出更高要求，也出现在保险领域。他指出：“目前，大模型技术在保险领域的应用实践同样日益广泛，保险机构对大模型能力的要求也是与日俱增。”
例如，个别财险公司利用大模型技术构建车险全线上销售机器人，整理出400+常见问题以及26个业务意图，共计标注2万余条数据，相比传统的预训练大模型，前者的信息抽取任务准确率与意图识别准确率分别提升15%与5%，智能问答解答率提升8.7%；还有人身保险公司发布保险领域垂直应用大模型，以AI技术打通保险产品信息到知识的“最后一公里”，深度运用检索增强、模型微调技术，配合插件与Agent能力建设，实现端到端的保险需求分析、展现出与人类相当的保险产品专业分析能力。
薛正华直言，要进一步提升大模型能力，银行保险机构需高度关注AI大模型技术的最新发展趋势，比如DBRX技术兴起与AI Agents技术应用成效。前者通过细粒度专家混合（MoE）架构，拥有更多的专家模型，从而在推理速度方面大幅超越部分大模型技术，实现约两倍的效率提升；AI Agents技术是自主感知环境，进行规划决策、执行动作、反馈效果与迭代优化的智能实体，可以进一步提升金融机构在众多业务场景的运营效率与风险识别防范能力。
值得注意的是，随着大模型技术在银行保险证券等金融领域的应用日益广泛，越来越多的大模型技术在金融业务场景的应用成效正陆续涌现。
记者了解到，近日上海金融科技产业联盟创新监管实验室发布2024年人工智能大模型金融领域示范场景及创新应用与案例，共有27家企业的32个项目获得入围奖，39家企业的51个项目获优秀奖。这些大模型创新应用与案例广泛涵盖大模型技术在银行、期货、证券、保险等场景的应用，涉及智能客服、市场营销、运营管理、内控合规、风险管理、金融市场交易等众多业务场景，具备技术创新优、应用效果好、复制推广性强等特点。
薛正华直言，这些创新应用案例项目标志着国内大模型技术在金融领域的应用前景日益广阔，但与此同时，AI大模型能否成为驱动金融行业高质量发展的新引擎，关键是大模型在金融领域应用的成效能否达到金融机构降本增效与提升金融服务能力的目标值。
建议更多“耐心资本”通过股权投资支持大模型研发初创企业
薛正华认为，要让大模型技术更好地应用在金融等各行各业，相关部门还应积极引导更多“耐心资本”通过股权投资方式支持大模型技术研发初创企业。
“目前，在AIGC领域的投资方面，美国资本占比达到约50%，中国资本占比约在10%。”他表示。但是，大模型AIGC领域能否诞生世界级龙头企业，很大程度受到创投资本的持续投资影响。例如，OpenAI等企业在发展过程都得到众多创投资本与产业资本的支持，令其能够持续推动大模型技术迭代升级与多模态大模型技术创新应用，成为极具科技竞争力的行业翘楚。
薛正华建议，在国家积极鼓励众多创投资本与耐心资本“投早、投小、投长期、投硬科技”的环境下，相关部门应支持创投资本与“耐心资本”加大对大模型技术研发初创企业的投资，因为很多AI大模型的颠覆性技术变革，很可能来自这些初创企业。
在他看来，要吸引更多资本关注大模型技术研发初创企业的股权投资机会，需加大后者大模型技术科研成果的展示，解决资本与初创企业之间的信息不对称问题。目前，不少创投资本有意投资大模型技术研发初创企业，但不知道后者的“科技含金量”与“应用场景有多大”；这些初创企业想吸引创投机构投资，又不知道如何推介自己。因此，初创企业充分展示相关大模型科研成果显得相当关键。
近日，上海金融科技产业联盟启动金融行业大模型应用成果特展活动周，一方面展示大模型在金融领域的最新实际应用效果，分享成功经验，促进业界交流合作，另一方面汇聚更多金融机构、投资机构与大模型技术研发企业，共同探讨和展示大模型如何赋能金融服务，提升行业效率和服务质量。
薛正华表示，要让大模型在金融等领域发挥更大更好的作用，投资机构、金融机构与大模型技术研发初创企业都需密切关注大模型技术的五大新趋势/挑战，包括多模态大模型兴起、逻辑推理能力增强、“幻觉”安全问题的解决、投入产出比更具性价比、应用场景如何进一步扩容。
“对银行保险等金融机构而言，无论是自研金融大模型，还是引入外部大模型共建金融场景大模型，既要密切掌握大模型技术最新发展趋势，更要时刻关注‘幻觉’安全与合规操作挑战能否得到妥善解决，从而令大模型在金融领域的创新应用变得更好用又能用。”薛正华强调说。
