经济观察网 记者 胡群 “在金融行业大模型的深度应用，尤其是嵌入到金融场景的深度应用，我们认为数据是核心，算力是基础，场景是动力，人才是关键，安全是前提，协作是保障。”9月5日下午，中国农业银行(601288)研发中心副总经理赵焕芳在“2023中国国际服务贸易交易会·中国智能金融论坛”上表示。

赵焕芳认为，大模型生态的建设，需要产学研联合共创共享，也包括标准、技术规范的制定，一旦生态构建完成，大模型在金融行业的应用会更加便捷和快速。

今年以来，大模型的应用正经历井喷式发展，已在语言领域、多模态转化、小样本训练等方面具备明显的优势，但也存在着数据泄露、技术滥用等等风险，银行业作为数据密集的行业，是大模型应用落地的优先选择之一。

当前，已有多家科技公司及大中型银行加速推进金融大模型，农业银行在2023年3月份推出大模型的产品，基于开源进行自研ChatABC，并已在30多个场景中进行试点。经过近半年的试点，赵焕芳认为，大模型应用金融核心业务流程中，面临六个方面挑战：

第一，算力。大模型需要大算力，由于涉及到芯片问题，算力本身又受到一系列的约束，如何扩展算力？

第二，数据。由于金融机构数据不能出集团。这种情况下如何训练真正懂金融、真正懂银行的大模型？由于不同的行业差距很大，即使在同一个行业，不同的企业间也有差距。例如，同样是服务三农，农业银行服务三农的信贷产品，与工行服务三农的产品不一样，属性也有所差别。

第三，大模型。商业银行不是一个大模型打天下，需要多层次分级分类的大模型，这些大模型该如何管理？又如何进行共享？如真正发挥大模型的集团军作战力量，怎么分层和管理、共享、互用？

第四，场景。使用大模型能力是进行辅助支撑，还是真正可以嵌入到比如风控、信贷等核心领域？如何与已有金融领域的整个流程实现快速的结合嵌入？这一点尤为重要。

第五，生态。银行与产业侧、学界、同业之间如何形成很好的生态？生态的形成有助于大模型更快速、更深入应用。

第六，人才。当前银行入职的新员工学AI领域的非常多，占比非常高，但大模型领域的寥寥无几，在这么缺乏人才的情况下，如何把大模型的深度应用持续盘活？