近日，在2025深圳国际金融大会上，国家金融与发展实验室副主任杨涛发布《金融业大模型应用指南》报告，明确大模型是金融业升级的必然选择，梳理了大模型在金融机构前、中、后台环节的应用情况，同时剖析了大模型在金融行业规模化应用面临的挑战，并提出“预训练—后训练”技术框架、分层分级风险治理机制及“3+12+X”测评体系等解决方案。

大模型是金融业升级的必然选择

杨涛指出，大模型是金融业升级的必然选择。一方面，传统存贷利差不断收窄，银行等金融机构的资产负债管理、成本收益控制面临巨大压力；另一方面，金融服务实体经济、践行普惠金融的责任加重。如何在降低运营成本的同时提升服务覆盖面与精准度，成为行业发展的痛点。而大模型凭借其强大的自然语言处理、逻辑推理以及多模态生成能力，为应对这些挑战提供了全新的技术解决路径。

不过，大模型在金融领域的应用并非一蹴而就，而是经历了一个从通用到垂直、从预训练到后训练的适应性改造过程。早期通用大模型虽具备广泛的知识覆盖，但在面对金融行业高度专业化、高严谨性要求的业务场景时，往往会出现一定的适应性不足。

基于此，杨涛认为要构建金融领域的专属大模型技术框架——“预训练—后训练”双阶段路径框架。具体来看，预训练阶段通过海量通用文本学习奠定基础语言能力，而后训练阶段则通过注入金融法规、行业研报、业务规则等专业数据进行微调与对齐，使其掌握金融行业的专业术语与业务逻辑。

大模型正重塑金融机构前、中、后台环节

目前，大模型正在重构金融价值链的各个环节，从前台的客户交互，到中台的风险管控，再到后台的运营支撑。可见，大模型应用正从边缘辅助走向核心引擎。

杨涛结合案例进行了具体说明。在前台，大模型引领了交互模式的深刻变革。以往，传统智能客服是依靠关键词匹配进行应答，模式僵化；现在，基于大模型的智能客服系统，拥有强大的语义理解与多轮对话能力，能够提供类人的沟通体验。以中信银行的财富管理业务为例，该行构建了“场景—交互—决策—平台支撑”的四维能力图谱。在营销场景中，大模型不仅能实时辅助理财经理识别客户意图、提取异议话术、生成亮点话术，还能自动生成个性化的资产配置报告与产品解读。

在中台，风控成为了大模型应用的重要领域。面对复杂的金融诈骗手段与变化的市场环境，传统规则型风控体系已显现局限性；现在，大模型可整合多模态数据，构建更为全面的智能风控体系。以苏商银行为例，该行的智能风控体系已形成完整闭环。从多模态数据采集与预处理，到大模型训练与推理，再到风险识别、分类与决策支持，构建起全流程自动化风控体系。在信用风险评估方面，大模型能整合客户多维度数据构建精准画像；反欺诈领域，能识别异常交易模式、挖掘潜在风险线索；合规管理方面，可自动解析监管政策、审核合同条款并生成合规报告。

在后台，大模型可通过优化IT系统运维、文档处理及代码开发等工作，提升金融机构整体效能。以北京银行的系统运营为例，该行通过构建“基础设施—算力—模型—应用—管理”五层架构，实现全面智能化。在智能运维层面，能够实时监控系统状态，预测故障风险并实现自主修复；在开发环节，辅助编程助手能提升代码开发效率；在文档处理方面，智能研报生成、会议纪要整理、法律文档比对等应用，释放了大量人力资源。

大模型规模化应用面临多重挑战

杨涛提到，金融行业对安全性、合规性与准确性的要求较高，尽管大模型在金融领域应用前景广阔，但作为新兴技术，其规模化应用仍面临数据安全、算法黑箱、大模型幻觉等挑战。

在他看来，需建立分层分级的风险治理机制以应对上述挑战。对于直接面向客户或涉及资金交易的高风险场景，需设置更高的可解释性标准与人工审核流程；而在内部辅助类中低风险场景，可适度放宽要求。同时，监管部门与金融机构应共同探索“监管沙盒”机制，在风险可控前提下开展创新试点，平衡技术红利与风险防范。此外，检索增强生成技术可通过对接实时更新的金融知识库，解决大模型知识更新滞后与“幻觉”问题，保障模型输出的准确性与时效性。

不过，由于金融机构现有的IT架构庞大且复杂，如何实现大模型与传统核心系统、交易系统无缝对接以及数据的互联互通，也是一大难题。

他认为，破解这一难题需要在API接口标准化、中间件技术以及数据治理层面着手：一方面打破数据孤岛，整合内外部多模态数据，为大模型提供支撑；另一方面通过技术优化，解决大模型在高并发、低延迟金融场景下的性能瓶颈。同时，还应注重成本效益分析，避免盲目追求参数规模，而是根据业务场景需求，探索大小模型协同、端云结合的轻量化部署方案，实现技术效能与经济效益的平衡。

此外，为规范行业发展、解决大模型选型难与评估难的问题。杨涛提出“3+12+X”金融大模型应用测评体系。其中，“3”代表三大核心维度，即体系化测评方法、智能化测评平台、行业化测评数据集，构成了测评的基础底座，确保评估的科学性与公正性。“12”代表十二项关键能力指标，涵盖了模型的安全性、准确性、合规性等关键要素，为模型运作提供了详细的指标清单。“X”则代表面向未来的扩展性指标，将随技术演进与场景拓展持续完善。

责任编辑：陈爱