·倫敦證券交易所全球戰略客戶技術總監諸贊松在接受澎湃科技采訪時表示，金融領域大模型的構建方式比較特別，由于對數據安全的要求很高，現在普遍要求模型私有部署，即在加密環境中使用私有數據訓練模型。

·微軟（中國）金融行業總經理沈菲稱，微軟承諾不會使用客戶的任何數據來訓練和改進語言模型，客戶的所有數據都會存放在只有客戶可見和可用的環境中，沒有任何第三方，包括OpenAI本身，能夠獲取這些數據。

今年，以ChatGPT為代表的生成式人工智能突然崛起，也開始迅速波及整個金融行業。倫敦證券交易所集團全球戰略客戶技術總監諸贊松近日在接受澎湃科技（www.kxwhcb.com）采訪時表示，金融領域大模型的構建方式比較特別，由于對數據安全的要求很高，現在普遍要求模型私有部署，即在加密環境中使用私有數據訓練模型。“數據是私有化，模型也是私有化，通過私有化來控制相關數據和模型的安全風險。”

7月4日，倫敦證券交易所集團（LSEG）2023市場展望夏季論壇在上海中心舉辦。在主題為“金融 GPT: 構建、賦能和規范”的圓桌討論環節中，3位來自金融機構、企業等領域的行業人士，就人工智能與金融行業的最新趨勢和發展方向進行探討。

7月4日，倫敦證券交易所集團（LSEG）2023市場展望夏季論壇在上海中心舉辦。

未來多模態會在金融領域發揮重要作用

金融GPT即面向金融行業的大語言模型，是金融行業與人工智能相結合的重要實踐，是一個全新的產業領域。微軟（中國）有限公司金融行業總經理沈菲在討論中介紹，金融行業本身有豐富的結構化數據，多樣的場景，適合做生成式人工智能或泛人工智能領域的應用。諸贊松也認為，大模型在金融領域有許多應用場景，例如投資研究、風險管理、智能客服。

關于大模型技術如何在金融行業落地，諸贊松表示，“從技術角度展望，通用模型與垂直領域模型將會是百花齊放的局面。”“能提供通用大模型的廠商不會太多，而大廠在算力和數據方面有一定的先發優勢，但這并不是說其他提供垂直領域大模型的廠商沒有機會，反而垂直領域大模型未來將是一片藍海，他們會利用大模型提供的超級智能，結合各行業的領域數據，通過模型微調等方式深耕行業領域模型，有效解決行業中的業務痛點。在金融行業的體現是私域化模型。”

諸贊松在采訪中表示，金融行業一般不會使用云計算，由于涉密程度較高，一般也不會選擇讓數據流通起來。

在會上，浦發銀行創新實驗室副處長李旭佳也表示，銀行通常傾向于私有化部署模型，這就導致對大模型進行重復投入，涉及投入產出的會計核算問題。她表示，銀行可以根據自己的業務需求，對開源模型進行微調和優化，“每個銀行都在適用市面上的開源模型，包括國內學術界和大廠開發的模型。”

除技術創新以外，制度創新也十分重要。“一個新技術應用能夠落地并且大規模推廣，與制度創新是不可分割的。”李旭佳表示，“AI技術想要在一家金融行業大規模落地，需要遵循‘10、20、70法則’，10%指AI和區塊鏈新技術的突破帶來變革的想象力，20%指在傳統企業里包括金融、IT團隊、云遷移等工程化能力的配套等，剩下70%是指這家公司或者銀行組織業務流程的轉型、人才的儲備和變遷等一系列制度治理的能力。”

此外，諸贊松認為，未來多模態也會在金融領域發揮重要作用。目前，整個人工智能的流程分為感知、決策、執行三部分，而ChatGPT集中于決策部分，執行部分現在只有文本。“將來我們希望在感知部分加入語音、圖像、聲音，讓模型可以處理更加復雜的金融問題。”諸贊松說，“例如，將來給大模型輸入一個K線圖，大模型可能就會產生一些相關的投資建議，或者在大模型中輸入客戶投資理財的偏好，模型就會根據相應產品產生理財方面的推薦視頻，這是未來我們可以期望實現的一些場景。”

“安全可控是重中之重”

金融行業是受到強監管的行業，隨著大模型的發展，數據的合規性和安全性成為亟待解決的問題。前段時間，OpenAI被指控訓練ChatGPT時使用從互聯網上抓取的數據，大規模侵犯了無數人的版權和隱私。微軟的沈菲強調，“大模型的安全可控是重中之重。微軟一直在全球政府、行業間積極奔走和投入，尤其是大模型的規范和全球監管。”

在數據合規方面，沈菲介紹，微軟有幾項重要舉措。第一，微軟承諾不會使用客戶的任何數據來訓練和改進語言模型。第二，客戶的所有數據都會存放在只有客戶可見和可用的環境中，沒有任何第三方，包括OpenAI本身，能夠獲取這些數據。第三，微軟會對客戶的數據進行加密，并支持企業使用自己的密鑰，同時會設置基于權限和職能的訪問控制。第四，在服務等級協議（SLA）方面，OpenAI實際上是微軟PaaS（平臺即服務）的一項服務，所以微軟承諾它享有與微軟其他服務相同的SLA標準。

在安全方面，為防止服務被濫用或者生成有害的內容，微軟額外構建了一套內容管理系統，它會與語言模型協同工作，并使用特定算法檢測和監控可能發生的服務濫用或有害內容生成情況，以確保整體模型符合人類社會價值觀。

李旭佳表示，在金融行業，新技術的應用需要遵循一定的規范和邊界。制度方面，浦發銀行內部制定了“三禁止兩鼓勵”的原則，如“數據不能出境、數據不能出行”等，兩鼓勵指，在不碰客戶數據、不碰內部規則制度的情況下可以去嘗試。

技術層面，目前大模型構建面臨的難點是輸出結果不夠準確，容易產生歧義。諸贊松在采訪中表示，解決這一問題的常見方法是通過對模型進行領域知識的微調，利用更加精確的數據來糾正模型的偏差，也就是構建垂直領域模型。他認為不必過分擔心GPT模型產生“幻覺”并胡言亂語的問題，因為最終的決策權在人類手中，人可以判斷模型輸出正確與否，并選擇是否采納。

“為員工創造價值同等重要”

“我們會先嘗試在對內的員工賦能方面應用大模型，而對客戶的服務我們會更加謹慎，因為大模型的可解釋性還不夠強，還需要更多的驗證和測試。”李旭佳說，“為員工創造價值同等重要。”

李旭佳認為，AI或者RPA（流程自動化）可以被統一視為智能客服或風險審核崗的數字員工。倫敦證券交易所集團數據和分析業務戰略客戶業務總監傅羅莎也認為，與專業交易員、決策者相比，AI大模型有突出的低延時特點。“這可以很好地幫助金融機構控制風險，然后對市場做一個比較好的預判，包括可以幫助交易員去提升一些生產力和判斷力。”

李旭佳建議，對員工賦能的大模型可以制定短中長期的場景規劃，短期內可以實現行內制度文本的問答和對話，幫助員工掌握相關知識，提高溝通效率。中長期內可以探索多模態領域，如圖文、視頻生成等，增加員工的創新能力和表達能力。

諸贊松在采訪中表示，金融領域大模型的應用會代替一些崗位。“一些涉及人工操作比較多的崗位，比如接打電話、手工錄入等職位都能夠通過自動化的方式來解決。但與此同時也會誕生一些新的崗位。”李旭佳也指出，“在我們內部，我們客服中心的同事可以轉崗到人工智能的訓練師，還可以變成營銷崗位的專家同事，他們甚至可以考基金從業或者銷售資格崗位的證書提升自己的專業技能，不僅他自己可以獲得更高的技能，而且也為客戶服務賦能。”