本文共字，预计阅读时间。

3月27日至31日，以“新质生产力与全球科技合作”为主题的2025中关村论坛年会在北京中关村国际创新中心成功举办。来自人工智能领域专家学者、创企领袖及头部投资机构代表共聚一堂，围绕技术突破、应用场景拓展及全球资本协同等议题展开深度对话。清华大学五道口金融学院副院长、金融学讲席教授张晓燕在核心论坛——“AI未来论坛：创新·投资·全球化”上发表题为“大语言模型在金融领域的应用”的主题演讲。

首先，张晓燕表示，中国在人工智能领域表现出强劲的增长势头。国家互联网信息办公室数据显示，中国从2023年8月登记的8个AI大模型，扩展到2024年12月的302个，显示出中国在大模型研究和应用方面巨大的潜力。其次，中国在AI技术创新和降本增效方面不断取得突破。典型代表如DeepSeek大模型采用Mixture of Experts（混合专家模型）架构和FP8混合精度训练技术，以约550万美元的成本，实现了与顶尖模型相媲美的性能。紧接着，2025年3月推出的通义千问（QwQ-32B）推理模型，表现效果可与DeepSeek-R1媲美。从发展趋势来看，虽然大语言模型在技术和规模上不断突破，但小模型因具备成本和效益优势，发展也十分迅速。研究统计，7B参数规模的模型数量最多，占所有发布的大模型的26%。

关于AI在金融领域的应用，张晓燕谈到，大语言模型在股市回报预测、财务分析等方面具有重要的应用价值，金融机构正在积极布局大模型。张晓燕和她的团队在学术研究中聚焦于使用大模型从中文新闻文本中提取信号来预测中国A股市场中的股票回报。研究发现，所有基于大模型的投资组合累积收益均为正且持续增长，并且均超过市场表现。此外，本土化金融大模型的研发也取得了显著进展，以轩辕大模型、盘古大模型为代表的国产金融专用模型在多项金融任务评测中表现突出。同时，银行、券商、保险等金融机构也在积极部署大模型以实现智能化转型。截至2025年3月，已有48家金融机构完成了DeepSeek大模型的本地化部署。

然而，张晓燕表示大模型落地仍面临算力、语料、安全、伦理、传播及人才六大挑战。一是算力瓶颈制约大语言模型的进一步发展。AI技术的突破性进展带来了算力需求的急剧攀升，但大模型的参数规模依然停滞在千亿级，根本原因在于GPU计算集群算力的上限未被突破。二是高质量语料匮乏问题日益严峻。互联网语料增长速度显著放缓，全球高质量语料预计将在2028年耗尽。相比90年代接近100%的年增速，2010年后已降至两位数增长。三是数据安全与隐私保护问题日趋突出。网络攻击数量从2014年到2023年总体呈上升趋势，针对金融和保险行业的网络攻击数量显著增加。四是道德伦理挑战。训练数据的社会偏见可能导致金融决策歧视，放大公平性危机；数据质量与幻觉输出引发错误投资建议，造成经济损失；模型逻辑趋同使机构投资观点同质化，加剧市场羊群效应；算法黑箱特性使决策过程难以追溯，责任界定模糊，增加监管难度。五是信息传播变革正在改变金融资产定价机制。大模型使得信息传播路径复杂化，造成信息质量危机和信息同质化陷阱，进而干扰资产定价。六是人才短缺成为制约行业发展的瓶颈。目前金融行业AI人才供给仍难满足增长需求。

图为论坛现场

演讲最后，张晓燕探讨了大语言模型在金融领域应用的未来趋势。她表示，未来大模型技术将不断创新，不再单纯依靠算力，算法和工程技术也将大力发展。同时，大模型与小模型将相互协同，共同驱动金融行业价值快速增长。一是金融领域大语言模型技术不断创新。自2016年起，金融专利中涉及AI/ML术语的占比显著提升，截至2024年，金融专利中与AI相关的占比已达到56%。二是大语言模型驱动金融行业价值快速增长。她谈到，智能投顾便是典型代表。通过自动化投资建议和资产管理，智能投顾吸引了大量投资者，市场份额迅速扩展。IMF数据显示，智能投顾资产规模从2017年的50亿美元增长至2024年的17500亿美元，未来仍具有广阔的发展空间。三是大模型与小模型协同开启金融智能化新篇章。大模型和小模型各有其独特优势。大模型凭借强大的数据处理和泛化学习能力，能够精准把握市场趋势、风险预测和客户需求。例如，大模型能够自动总结A股上市公司年报，提取企业盈利能力、市场预期等关键信息，并结合全球宏观经济数据，分析市场波动风险。而小模型在特定任务中展现出高效、低成本和快速响应的优势。轻量级小模型能够分析贷款申请人的交易历史和收入情况，快速评估其信用风险。未来，大模型与小模型的协同应用将加速金融服务向智能化、个性化、普惠化方向发展。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。