两会 | 对话东方财富董事长其实：金融业正系统性拥抱AI，大模型应用有三大挑战

今年以来，以DeepSeek（深度求索）为代表的国产AI大模型席卷全球，重塑各行各业的业态。作为国内最负盛名的互联网券商，东方财富多年来保持高研发投入比，也在数年前就布局了人工智能与大模型，并在业内率先发布了自研的智能金融终端——妙想投研助理。

“当前，金融大模型已经超越单一场景应用，开始逐步深度融入核心业务链条。”其实向券商中国记者表示。

其实谈到，金融行业正系统性拥抱AI。从当前证券行业的应用实践来看，金融大模型正在实现从“效率工具”到“战略引擎”的升级，有望重构金融服务的全生命周期管理，成为未来业务增长的重要驱动力。

其实还表示，在实际的业务落地中，金融机构应用大模型尚存三大挑战：一是如何提升模型的准确性；二是如何实现技术投入的可持续；三是如何应对数据和隐私保护挑战。

券商中国记者：去年全国两会上您曾建议“进一步推动垂直大模型的开发与应用”。随着今年 DeepSeek 的爆火，AI应用也在持续落地，新的一年，在金融大模型领域，您看到了哪些变化？

其实：当前，全球正经历以AI、大数据等为核心的“第四次工业革命”。近期，DeepSeek系列模型在AI领域取得的重大突破，标志着中国在AI技术研发和应用落地上已跻身世界前列。

金融行业目前正处于深化改革和数智化转型升级的关键时期，以大模型为代表的人工智能技术在提升金融服务质效方面展现了巨大的应用潜力，金融AI应用正在向实、向深发展。

一方面，大模型的应用覆盖面持续扩大。近几年，金融行业对AI的认知大致经历了三个阶段——早期对技术成熟度的谨慎观望，中期开源生态爆发后的战略重估，到如今全行业系统性拥抱AI，大模型在金融行业的落地应用正在从试点探索快速迈向规模化。尤其是DeepSeek这类高质量、低成本开源模型的出现，有效降低了大模型的应用部署门槛，进一步促进了金融AI应用生态的繁荣。

另一方面，大模型的场景化结合深度持续提升。随着AI赋能逐渐成为行业共识，金融机构对于大模型的态度从“是否要做”逐渐转向“如何做深”。行业主体持续发挥金融数据优势，深挖金融场景需求，不断通过技术迭代、场景深耕与生态共建，推动大模型的应用落地从营销、客服、办公等相对基础、通用、容错性强的场景，向投顾、投研、交易等复杂度较高的分析决策场景有序融入。

与此同时，应用的深化也让解决大模型内生问题变得更为紧迫。大模型自身的技术局限性与金融场景的复杂性、低容错之间存在一定的适配性问题，如何规范大模型的合规应用边界、有效平衡技术风险与经营效益成为金融机构普遍关心的话题。目前，行业正通过协同构建金融大模型的数据、应用评测标准，为大模型的安全治理提供有效指引。

券商中国记者：过去一年，东方财富在大模型方面做了哪些前瞻探索与创新？

其实：大模型的下半场拼的是场景化和应用落地的能力，当前，金融大模型已经超越单一场景应用，开始逐步深度融入核心业务链条。

过去一年，公司持续发挥数据优势和妙想大模型的技术优势，推进AI在金融核心场景的应用落地，着力提升金融服务质效，进一步优化用户体验。

一是做精一件事情，开启AI投研新范式。

随着全球资本市场的持续扩容，传统依赖人工进行数据处理、信息分析的投研模式已经难以对全市场标的形成有效覆盖。而大模型技术与投研领域的信息检索、归集、分析等需求有较高的场景契合度。

基于专业的金融数据积累与对于投研场景的深度分析，公司推出了下一代智能金融终端——妙想投研助理，致力于帮助投研人员完成从“操作多个工具”到“交给一个助理”的工作范式转变，推动投研行业加速从“经验驱动”向“数据+算法驱动”跃迁。

二是做强模型能力，构建更可信、更透明的金融AI。

金融是对于信息的准确性、真实性、权威性具有高标准、严要求的行业。而大模型在实际应用中可能存在输出结果的偏误。如何保证大模型回答的准确可用，成为全行业迫切需要解决的问题。公司也在提升模型准确性方面做出了一些尝试与探索。

首先，不断完善模型的“金融思维链”，让大模型能够深度理解金融行业的实际规范与真实业务要求，在解决问题时多层次、多角度地思考，遵循行业专家级别的解决路径，深度挖掘用户问题背后隐藏的本质诉求。

其次，在业内首度推出信源分级机制，深度结合传统金融终端与大模型技术的双重专业禀赋，不断提高妙想对信源的分析、辨别能力，加强回答的可信度、透明度与解释力。

此外，针对金融机构的数据保护需要，妙想革新隐私保护与安全架构，建立了全流程风险防控体系，推动实现数据安全与场景深化的双重突破。

三是构建开放的金融生态，携手产业伙伴推动金融+AI各项标准落地。

为帮助验证金融大模型的垂直应用性能，推动提升技术应用的有效性，公司也正在积极联合产学研各类主体推动行业规则的共建。比如联合上海人工智能实验室发布了国内首个全场景金融开源评测数据集，参与了《金融大模型应用评测指南》《金融智能体技术要求与评估方法》等金融大模型领域标准编制，致力于为我国金融大模型的安全、稳健发展贡献应有的力量。

券商中国记者：从目前行业的探索来看，金融大模型对券商业务链路的哪方面变革让您感触最深？

其实：从当前证券行业的应用实践来看，金融大模型正在实现从“效率工具”到“战略引擎”的升级，有望重构金融服务的全生命周期管理，成为未来业务增长的重要驱动力。

在支持投研业务方面，金融大模型用“人机协同”的全新模式，颠覆了传统投研行业的工作范式。比如，面对研究过程中的信息整理工作，妙想既可以对市场进行常态化跟踪，也可以辨别并筛选出增量信息中对行业有重要影响力的内容，相关信息的价值密度更高、需求契合度更强，可以高效赋能投研工作。

在赋能客户服务方面，金融大模型做到了从“标准化响应”到“个性化交互”的转变。比如，面对客户多样化、个性化的金融服务需求，妙想能够提供更具差异化、洞察力的服务响应，持续拓展技术内核和服务边界。

在助力风控体系建设方面，金融大模型能将“事后分析”转向“事前预警”与“事中监控”，构建动态风险防控体系。比如，妙想赋能的舆情监控系统可提前识别异常交易模式与合规风险。

券商中国记者：当前金融机构在大模型的部署、应用等方面有何挑战？

其实：在实际的业务落地层面，金融机构或还需要重点关注以下几个方面的风险与挑战：

一是如何提升模型的准确性。金融场景对模型的精确度与可解释性具有相对严格的要求。而当前大模型在涉及复杂场景、较长决策链时的多步推理可靠性仍有待进一步提升。

二是如何实现技术投入的可持续。随着应用的深化，大模型训练、推理阶段对于算力的需求呈指数级增长，因此在部署后阶段，算力基础设施的长期运维与升级对于金融机构的资金投入可能构成较大的压力。为实现可持续的技术应用生态，有效平衡技术引入成本与价值创造，金融机构一方面需要解决大模型效率、准确性和鲁棒性之间的应用层平衡问题，另一方面也需要综合考虑计算资源在数据处理、模型训练、稳定性提升等方面的合理配置问题。

三是如何应对数据和隐私保护挑战。大模型的应用涉及对海量金融数据的分析。在此过程中，如何保护好客户数据、业务数据安全，规范数据流动行为、避免合规风险，也是金融机构需要重点关注和应对的挑战。

券商中国记者：站在金融机构的角度，发展金融科技时，要如何更好地“以投资者为本”“以客户为中心”？

其实：我国资本市场拥有全球规模最大、交易最活跃的投资者群体，坚持以投资者为本，切实提升投资者回报和获得感，既是实现资本市场高质量发展的内在要求，也是满足人民美好生活需要的重要途径，更是加快建设金融强国的应有之义。2024年以来，证监会发布了一系列重磅文件，为建设“以投资者为本”的资本市场巩固了制度基础。

作为连接市场和投资者的桥梁，金融机构在践行高质量发展的同时，也需要将“以投资者为本”理念融入自身发展之中，实现金融科技能力建设和投资者权益保护工作的有机结合。

一是可以建立更加差异化的服务体系，积极运用人工智能、大数据等金融科技，建立精细化的客户画像，实现客户的精准识别与有效分类，为客户提供更加个性化、差异化、有温度的服务；

二是可以创设更加多元化的产品矩阵，比如通过提供智能化的股票和基金投顾服务，创设更多普惠性的产品，提升金融服务覆盖面，为投资者创造更多价值；

三是可以输出更加趣味性的投教内容，通过直播、短视频等新媒体平台，趣味图文、在线游戏、VR展厅、模拟投资等创新形式，提升投教体验的互动性、趣味性，厚植理性投资、价值投资土壤，更好陪伴投资者成长；

四是可以构建更加健全的数据保护体系，时刻紧绷数据保护这根弦，通过加大对于数据保护前沿技术的开发利用，筑牢用户隐私保护和数据安全的防护盾。

券商中国记者：过去一年，随着中国科技创新的不断发展、政策的支持，A股市场的情绪得到了较好的修复。对于资本市场的高质量发展，您还有何建议？

其实：伴随着新“国九条”及“1+N”政策新体系落地落实，资本市场全面深化改革取得了积极进展，市场情绪和流动性显著回暖。为进一步提升投资者的获得感，证监会于2019年启动了基金投顾业务试点，推动行业向“以客户为中心”的买方服务转型。近年来，在监管部门和投顾机构的共同推进下，基金投顾业务实现了稳步发展。但是相较公募基金规模与基民数量，我国现阶段基金投顾仍存在较大发展空间。为加快推动基金投顾业务发展，可考虑在“投”端，进一步扩大基金投顾业务的参与主体和可投资产品品类，为投资者提供更加全面和定制化的投顾策略选择；在“顾”端，鼓励投顾机构建立健全人才培养和激励机制，提升投前投中投后的陪伴式服务能力，充分发挥基金投顾业务在引导投资者理性投资方面的积极作用。