目前，大模型在金融领域的应用已初具规模。当下，积极创新大模型技术，加快推动大模型与与金融行业整合发展，是助力大模型落地金融各大场景的主要研究方向。度小满一直以来不断创新大模型技术，提升自身在大模型等前沿技术领域的技术实力。在百度世界·度小满金融大模型前沿发展论坛上，度小满CEO朱光表示：未来五年，生成式AI将成为度小满在金融领域的主攻方向。
度小满不断加大金融垂类大模型及应用布局
10月17日下午，百度世界·度小满金融大模型前沿发展论坛在北京召开，中国工程院院士邬贺铨在大会上表示“金融大模型改变了金融科技的范式，重塑金融行业的工作方式，改变了金融服务生态。”
中国工程院院士邬贺铨发表主题演讲邬贺铨指出，金融大模型的发展需要全行业共同参与，合作开发，“基础大模型多数从通用语料训练生成，通识能力强，可作聊天对话，但缺少行业专业知识，需要大模型提供方与垂直行业合作开发行业大模型”。
以度小满的开源金融大模型“轩辕”为例，它是将预训练数据（一般预训练、金融预训练）和指令数据（一般指令、金融指令）随机混洗到一个训练数据中进行混合微调，通过多阶段逐渐训练缓解预训练和微调间数据不匹配问题，提高模型的表达、理解、迁移和泛化能力。
度小满CEO朱光表示，“未来五年，生成式AI在金融领域的应用，将成为度小满最重要的战略方向。度小满将不断加大金融垂类大模型及应用的布局和投入，和业界一起把握机遇，推动新一轮金融科技发展浪潮。”
金融大模型的发展仍面临三方面挑战
邬贺铨认为，金融大模型的发展目前仍面临着三方面挑战。首先是金融行业对数据安全性、隐私合规性都有着严格的要求。尤其是在风控方面，对时效性与精准性要求严格，而一般的基础大模型透明性、可信性、专业性不足，很难直接迁移为金融大模型。
第二点是金融大数据在成本与质量上的平衡问题。由于金融行业内的数据难以共享，因此金融大模型的数据规模远远不及通用语料，导致金融大模型难以产生“智能涌现”的效果。
第三则是本地私有部署需要自建算力设施，对软硬件产品有严格的信创要求，而且参数规模大则算力成本高。
对于金融大模型的落地应用途径，邬贺铨院士建议：一是从可控入手开发应用，例如智能客服、智能运营、写文章、写邮件等安全的领域出发。二是从人机混合智能切入，例如在初期阶段先让金融大模型与传统模型共存，经应用考验后再将金融大模型逐步替代传统模型。同时还可以通过变换场景，丰富大模型的场景迁移学习能力，或加入反事实的数据来测试，改进AI的学习本质，提高模型的泛化能力。也可以在金融大模型训练或微调时通过有监督学习思维链的模式，通过专家介入引导它一步一步地进行思维推理。
中国工程院院士邬贺铨（左）与度小满CEO朱光（右）交流从开源金融大模型“轩辕”开始，度小满持续加强对前沿技术的研究力度，积极攻克技术难题，推动生成式AI在金融领域落地。未来，度小满将继续聚焦金融大模型，不断创新大模型在金融领域的应用与落地途径，借助前沿科技提高对金融数据的理解与应用能力。
