大模型金融应用现状与未来方向 - 论坛聚焦AI技术从降本增效迈向价值创造 并探讨数据安全与算法可靠性等关键挑战 [1] - 与会专家一致认为AI Agent将成为推动金融智能化升级的核心力量 [1] - 2024年52%金融机构已试点AI/AGI应用 预计年内普及率将超90% [7] 金融机构应用实践 - 工商银行通过大模型构建智能体生态 实现客户经理全流程智能化 显著提升服务效率 [2] - 恒丰银行搭建智能体平台与知识库 降低AI应用门槛 推动业务与科技平权协作 [2] - 中金公司利用大模型开发智能投研/投顾系统 文档审核效率提升且风险降低 [3] - 东亚银行结合全球方案与本地创新 在跨境审单等场景实现智能化突破 [3] 技术挑战与风险 - 大模型存在安全能力不足 推理能力与数理计算不匹配 幻觉现象等问题 [4] - 新攻击面包括提示词注入 越狱攻击等 可能导致错误输出或数据泄露 [4] - 训练数据含未过滤敏感信息 私域经验共享障碍制约技术落地 [4][6] 解决方案与基础设施 - 蚂蚁数科通过垂类大模型+知识工程体系 提升金融场景准确性与稳定性 [6] - 华为昇腾AI战略提供全栈算力解决方案 支撑大模型高效运行 [6] - 阿里云提出AI原生五大工程体系 涵盖应用/模型/知识/算力/安全维度 [6] 未来发展趋势 - 1-3年内AI将优化客服/风控流程 3-5年部分替代人工决策 5-10年催生算法银行新业态 [7] - 金融业大模型下半场以智能体为抓手 结合先验知识+环境交互拓展应用上限 [8] - 智能体开发需聚焦场景选择 平衡模型稳定性与成本 如数字核保员等应用 [9] 智能体关键作用 - 解决"最后一公里"问题 提升未被科技覆盖的细分工作效率 [8] - 需加强AI工具测评环节 提高落地效率并降低开发成本 [8] - MCP开发模式可促进智能涌现 但需同步保障数据安全与伦理合规 [9]