7月2日，微眾媒體學院系列活動在北京舉行，本期活動以“大模型時代AI前沿與金融應用”為主題，邀請瀾舟科技合伙人、聯席CEO李京梅，微眾銀行首席人工智能官楊強，微眾銀行人工智能首席科學家范力欣等多位行業專家學者與媒體記者分享趨勢洞察，探討AI技術前沿與金融落地實踐。

大模型和生成式人工智能的發展進入快車道

近年來，以大模型為代表的AI技術進入發展快車道，成為當下最受大眾矚目的熱點話題。伴隨大模型技術的飛速發展，全球人工智能技術發展和應用迭代速度都得到了極大提升，大模型技術也被認為是通用人工智能技術的核心引擎。

工信部發布的數據顯示，截至2023年6月，我國人工智能核心產業規模已經達到5000億，人工智能企業數量超過4400家。

瀾舟科技合伙人、聯席CEO李京梅表示，“近年來人工智能逐步演進，從只能做單個任務的專用模型的AI 1.0時代，到一個通用模型做廣泛任務的AI 2.0時代，最終走向通用人工智能（AGI）。人工智能也從感知智能走向認知智能，再到生成智能及決策智能。”她指出，隨著AI能力越來越強，其開發和使用越來越簡單，結果也越來越可控。同時，AI產業具備廣闊潛力，大模型的產業落地應用才剛剛開始，隨著各個領域的產業升級對人工智能的需求不斷增強，未來的滲透率還將進一步增加。

李京梅在微眾媒體學院發表演講

在業內專家看來，大模型技術在發展應用中顯現三大挑戰：一是從算力角度，大模型的訓練過程中需要龐大的硬件算力資源支撐，大模型參數規模呈持續擴張趨勢，對算力提出了更高要求；二是從算法角度，大模型生成內容可能存在安全風險，同時廣泛存在隱形偏見的可能性；三從數據角度，近年來各項法律法規對私域數據的使用有“數據可用不可見”的要求，在醫療、金融等行業都存在海量自治的高質量數據，但受限于隱私無法共享利用。

微眾銀行積極探索AI技術的金融落地應用

在大模型的實踐應用中，金融行業由于具備數字化程度高、商業化應用場景潛在價值高等優勢，成為了AI大模型落地應用的最佳場景之一。作為一家全球領先的數字銀行，微眾銀行積極探索將大模型等人工智能前沿技術應用于金融領域的多樣化可能性，同時堅持“審慎發展”的原則，關注數據安全與隱私保護。以業界領先的隱私計算聯邦學習技術為特色，微眾銀行構建起能夠支撐和服務金融業務的場景化生成式AI Agent Store（人工智能業務助理矩陣）。

微眾銀行首席人工智能官楊強在分享時表示，大模型的應用落地涉及數據管理、算法優化、系統設計和成本控制等多方面的綜合挑戰，需要持續的技術創新和策略調整，以推動AI技術更加成熟、高效地服務于社會各個領域。他進一步指出，“AI Agent（人工智能業務助理）是大模型面向應用端發展的下一階段，其基于大模型的通用能力，并結合相關領域知識適應不同場景需求。”

楊強在微眾媒體學院發表演講

據了解，在業務實踐中，微眾銀行自研的生成式AI技術能夠有效解決大模型幻覺（大模型在生成內容時產生錯誤或誤導性結果）等技術難點，滿足監管合規要求，已深度應用于客服、營銷、質檢、反欺詐、科技金融等核心業務場景，覆蓋金融服務“前-中-后臺”各個環節，提升金融服務的質效。

具體而言，在客戶服務環節，微眾銀行通過客服Agent輔助坐席，不斷提升24小時線上客服的分析和理解能力，讓多輪對話更流暢自然；在營銷環節，通過生成式大模型快速生成“千人千面”的海量營銷素材，并通過聯邦學習等技術更精準地找到需要金融服務的個人和小微企業群體；在風控環節，微眾銀行將人臉識別、聲紋識別等AI技術應用在開戶、授信、放款等金融服務多個環節，有效甄別欺詐行為，提升銀行風控能力；在知識產權保護與創新方面，基于生成式AI與專利大模型打造的專利系統，幫助降低專利撰寫難度，提高專利申請效率。

談及聯邦大模型與前沿探索時，微眾銀行人工智能首席科學家范力欣提出，聯邦學習作為一種先進的分布式機器學習范式，允許參與方在不直接共享原始數據的情況下協作訓練模型，為解決大模型應用落地的技術難題提供了創新路徑。聯邦大模型技術路線通過其獨特的設計，不僅解決了數據時效性、模型幻覺、專業知識融合及算力資源消耗等挑戰，而且在保護數據隱私和促進AI技術公平性方面邁出了重要一步，為大模型在各領域的廣泛應用開辟了新的可能。

范力欣在微眾媒體學院發表演講

目前，微眾銀行已經在聯邦大模型領域進行了諸多研究與探索，將最新研究成果陸續開源發布于聯邦大模型開源框架FATE-LLM，推動前沿技術落地應用與普惠，并在多個國際頂級學術會議中發布了相關論文，促進前沿學術研究與交流。