專訪騰訊云副總裁胡利明：想要AI在金融機構業務環節深入發揮作用，除通用大模型外，還需依靠自身獨特的專業數據集

每經記者｜袁園    每經編輯｜廖丹    

當前，以大模型為代表的人工智能技術正以前所未有的速度與廣度重塑千行百業，深刻改變著價值創造與交互模式。在資金與信息密集的金融領域，這場由大模型驅動的變革浪潮，其影響尤為深遠，也格外引人矚目。

領先的銀行、保險、證券機構正從戰略高度進行布局，投入資源組建專業團隊，或攜手頂尖科技公司，構建自主可控的大模型能力。“現在金融行業在IT發展方面的主脈絡很清晰，主要是兩大方向：國產化和智能化。”騰訊云副總裁胡利明在騰訊云金融數智峰會上接受《每日經濟新聞》等相關媒體專訪時表示，安全可靠的底座是一切IT建設的基礎，所以在當前金融IT有所收縮的背景下，金融機構在國產自主創新方面的投入也沒受太大影響。此外，我們還看到了新的增長機會，所以整體是增長的。

然而，從大模型的落地場景來看，胡利明認為，無論是銀行、券商還是保險，其對大模型的應用整體上還處于比較初期的階段，但這是一場馬拉松，我們當前僅跑了“一公里”，未來提升的潛力很大。

騰訊云副總裁胡利明 圖片來源：主辦方供圖

AI大模型在業務場景中的應用仍處于初級階段

今年以來，以DeepSeek為代表的大模型火爆出圈，在國產自主創新、核心系統改造、數字基礎設施之外，大模型應用也為行業發展提供了新的驅動力。有報告指出，AI在證券投研及投顧、銀行信貸和營銷渠道、保險代理人賦能、小微商戶點餐及營銷、消費金融風控及客服等場景逐步落地，未來空間廣闊。

“大模型應用在券商行業投顧問答，保險代理人培訓、營銷計劃，銀行業內部知識庫、授信報告生成等場景已有規模化落地。”胡利明表示，此前由于優質底層模型未開放，開源基模能力不足，閉源模型參差不齊，且能調試優化模型的廠家極少，導致大模型應用多集中于大機構。DeepSeek出現后，開源基模能力接近OpenAI，使大中小金融機構能以低成本快速開發應用，呈現百花齊放態勢，但應用探索多為嘗鮮性質，開發的Agent雖能完成簡單任務（如知識庫問答、無需思考的工作流任務），但在復雜判斷場景中準確率低、實用性差。

胡利明表示，當前大模型在業務場景中的應用整體仍處于初期探索階段，盡管通用模型結合RAG（檢索增強）與工作流優化技術已在部分領域實現較成熟落地，包括代碼輔助開發、知識庫管理、基礎客服響應、營銷內容生成等，但在經營決策、交易風控、復雜營銷等高價值場景中仍面臨顯著挑戰。“這些深度應用場景對模型的精準性、合規性及專業性要求極高，需融合通用模型與領域專屬模型，通過高復雜度工程開發整合企業專有數據與第三方數據資源，并依托Agent技術架構持續優化效果，當前尚未實現規模化應用。”

據其介紹，技術落地的核心瓶頸在于三重門檻：一是底層基礎模型的快速迭代增加了技術整合難度；二是專業場景需構建專屬數據訓練體系；三是監管合規要求與工程實施復雜度形成雙重約束。

資料顯示，現階段行業生態以合作為主導模式，技術方通過提供工具平臺與工程能力，支持ISV（獨立軟件開發商）及金融機構共同開發場景化解決方案，騰訊金融云已實踐超100個應用案例。

“大模型應用猶如‘馬拉松的第一公里’，未來伴隨底層技術持續演進、行業知識沉淀及生態協作深化，其在業務端的價值釋放空間將顯著拓展。”胡利明表示。

建議金融機構構建“小模型+大模型”協同體系

雖然當前大模型在交易等場景落地還存在一定的挑戰，但是銀行、證券、保險機構對AI投入都很積極，許多機構將其置于戰略高度，甚至投入規模屬“戰略級”，只希望能夠在短時間內落地具有使用價值的場景。

“在投產比方面，機構更關注‘階段性跑出可用場景’。戰略規劃時投入設想可能較大，但落地時會謹慎細化資源分配。”胡利明表示，騰訊云在合作中常協助客戶優化投入，溝通戰略合作時，客戶最初提出的資源需求往往較大，經雙方團隊梳理合作范圍與路徑后，通過規劃算力池、平臺及軟件的最優配置，最終執行預算常能削減一半以上，在保障效果的同時顯著降低成本。

然而，隨著探索的深入，從通用能力向核心業務場景的遷移，到小模型與大模型的協同優化，再到企業內部數據體系的打通與治理，諸多難題仍待破解。“多數金融機構‘Data For AI’的體系尚未打通。”胡利明表示，要讓AI在金融機構的業務環節深入發揮作用，不能只依賴通用大模型，必須依靠機構自身獨特的專業數據集。例如，復雜信貸審批、精準風控等場景帶有強烈的行業專業性和企業個性化，通用大模型缺乏這類定制化知識，無法直接勝任。

因此，胡利明建議金融機構構建“小模型+大模型”的協同體系：先打通并治理數據，建立可用的數據集；再用這些數據，通過強化學習、監督微調等技術，訓練出處理細分環節（如意圖識別、專業文檔分析）的小模型；最后讓小模型負責專業任務，通用大模型負責內容生成，組合成有實際價值的智能體。這一過程需要一定時間探索。

除卻落地場景，胡利明認為，AI大模型幻覺、安全等問題也是金融機構關注的重點。“大模型幻覺問題較為棘手。騰訊云通過工程手段優化，如多模態場景驗證、不同決策模型結果驗證、在輸入輸出場景嵌入安全模型以校驗合規性和回答一致性等，但受基模發展階段限制，無法完全消除該問題，需在嚴謹性和智能化之間權衡，這也是業界普遍面臨的難題。”胡利明表示。