3月28日，由马上消费联合中国科学技术出版社、金融界共同举办的“大模型驱动下的金融新质生产力创新论坛暨全国首部《金融大模型》著作发布”活动在京隆重举行。本次大会云集了众多学界领袖及金融机构和产业链重要企业高管代表近300人，与会嘉宾就大模型在金融领域应用及赋能展开了深入交流。
本次活动上，一场“高峰对话”吸引了众多外界目光。欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松，科技部战略研究院、科技与经济社会发展研究所所长陈志，中关村(000931)科金技术副总裁张杰，中信证券(600030)人工智能负责人徐崚峰，星展银行中国有限公司首席信息官宫霄峻，围绕“大模型与金融新质生产力发展”这一重要议题进行了卓有成效的探讨。
金融界总编辑金明正主持高峰对话。
重质重新，更重生产力发展
今年的政府工作报告中，加快发展新质生产力被列为2024年的首项政府工作任务。
从字面意思上看，新质生产力即有别于传统生产力的新型生产力，是以科技创新为主的生产力，是摆脱传统增长路径、符合高质量发展要求的新型生产力。本次活动上，参与高峰对话的各位嘉宾也就如何理解新质生产力表达了自己的观点。
孙茂松表示，“新质生产力”最重要的是在“质”而不是“量”，一个东西的“质”不同，就决定了这个东西不同。人工智能在“质”上区别于过去，它需要使得产品或从事的事情与众不同，有了新的动力，这是“因质而新，因新生变”，这个变化是我们可以期待的。
陈志提出，“我对新质生产力的理解可以总结为‘一三二’。一是‘一条主线’，即我们的最终目标是要发展，解决中国现阶段的安全、发展方面的问题；三是‘三个层次’，要从微观、中观和宏观这三个层面来理解，抓工作来看，最核心的是中观的产业怎么发展、微观的企业怎么实现技术转型升级；二是‘两个重点’，要从实现‘未来的产业’过渡到实现‘中国产业的未来’，需要通过人工智能孕育一些新的增长点，也要用人工智能去赋能所谓的‘传统产业’，这些是一定要考虑的”。
当然，除了“质”和“新”的问题，“生产力”的发展与提升更是核心。
(中关村科金技术副总裁 张杰)
张杰表示，大模型毫无疑问是新质生产力里不可替代的典型因素，从企业主或者管理者角度来讲，它就像做图灵测试，不知道门背后和你聊天的是人还是机器；同样，将来可能也不知道给你提交的文案或者日报、代码是来自人的生产力还是机器生产力，人和机器界限越来越模糊。
大浪淘沙，大模型底色初现
新质生产力具有高科技、高效能、高质量的特征，人工智能在这其中当仁不让。当前，国外大模型技术日新月异、蓬勃发展，国内AI以及大模型的发展方向在哪，这一话题的讨论也成为高峰对话的重中之重。
徐崚峰表示，近期在国内大模型圈流行着两篇非常具有话题性的文章，其中一篇提到“现在国内有200多个大模型，就好像200多把锤子，但找不到适配的钉子”，缺标杆应用现在是一大问题；另一篇则聚焦更长远的10年、20年人工智能可能发生的故事。实际上，2023年是属于中国大模型的元年，用“百模大战”形容也并不为过，但企业最终还是希望能够有产出，在实际场景中产生价值，所以今年应该变成“场景为王”的一年，很多科技公司甚至底层大模型厂商都在花大量精力研究大模型应用的场景。
徐崚峰还强调，底层大模型未来一定会大浪淘沙，可能有几家或十多家能够活下来，应用方面大家也会更加聚焦。
宫霄峻指出，相对来说，国内大模型起步稍晚一点，但未来的机会仍然很多，主要集中在三方面：数据积累、经验总结和算力提升。大模型想要做好，数据积累需要很多人、很多场景去对大模型完成培训，显然我们有足够的基础数据完成这一使命；在模型的运用上，我们可以看到国外很多早期实践遇到的问题，可以对经验教训进行总结；我们还需要花一定时间，在算力上完成突破，并通过云计算等方式弥补这一能力。
事实上，在SORA这样的模型出现后，多模态大模型的发展已成为不可回避的问题。结合国内现实情况来看，“通用和垂直模型并存”在中长期也将成为重要趋势。
陈志指出，从目前人工智能渗透的领域来看，还都是偏向于产业里软性的部分(比如服务业)，或者工业里软性的部分(比如研发和设计)，针对长尾场景特别是工业数据的处理是相对困难的。陈志还预言，在toC阶段，大模型或人工智能需要一个类似于iPhone这样的时刻，需要一个核心终端和老百姓(603883)衣、食、住、行产生关联，如果做不到这一点，人工智能可能仍会处于潜伏期或者低潮期。
谈及大模型应用，张杰认为，在应用中亟待解决的是让大模型具备决策能力和价值判断，能够做到这种判断时才能真正产生心智。让大模型具备这种判断能力，具身人工智能是很有可能性的一个方向，让大模型不断和现实世界进行交互，通过现实世界不断的反馈，让它才知道怎么去做一些价值判断。
锁定领域，大模型潜力释放
无论大模型发展到何种高度，如果无法进入每个具体应用的领域或产业，这样的发展就还只是停留在表面上的。此次高峰对话上，各位嘉宾也就大模型在各自领域的拓展实践进行了交流，并将活动现场氛围推向高潮。
孙茂松表示，大模型的特点一是生成能力特别强，另一个是具备幻觉。如何把大模型用顺，用孙茂松的话来理解，“离诗人越近，它用得越顺；离工程师越近，它用得就越有挑战”。
孙茂松强调，处理事情要看分两步走还是分一步走，如果两步走就适合大模型。为什么说离诗人近？因为大模型的长处是可以启发你，人在此基础上再去做一些调整，这会大大提高生产效率和质量。但如果事情是一锤子买卖，大模型做了就是最终结果，不允许人去反应，这时候就会带来一系列挑战。
张杰表示，我们坚信未来企业大模型应用非常有机会的场景是数字员工或智能助手类。去年上半年开始，我们陆续与金融、政务、制造等行业的多家头部企业共创，落地大模型助手类产品。其中最先落地的是“知识助手”，帮助知识密度高的企业，通过对文档、培训材料、音视频等企业长尾知识进行梳理，并直接灌到大模型里，让大模型读懂这些东西，然后服务内部员工。基于此，去年年底，我们还推出了“超级员工”系列AIGC应用，包括知识助手、营销助手、服务助手、培训助手、写作助手、合规助手等。
徐崚峰表示，从金融行业来讲，我们也希望能出现有亮点、有价值的爆款应用，但现在还面临大模型能力、算力和安全合规等问题。金融行业大模型应用通常包含文字问答和数据问答两个方面，其中数据问答是很难去校验的；算力方面，很多证券公司缺乏足够算力，导致一些工作无法推进下去；另外，国内很多公司都在用私有云，但会面临算力成本高、模型成本高以及高性能GPU缺乏等问题，将数据放在公有云又会产生合规性问题，如何在保障数据合规前提下，充分融合私有云和公有云能力，是一个亟需解决的问题。
宫霄峻也指出，算力问题确实是银行在大模型运用里的第一大挑战。此外，在金融应用上，还需要民众和客户对AI服务有很强的接受度，并在应用过程里将更多场景经验实现共享。