财联社5月7日讯（记者林坚）随着人工智能技术的快速发展，大模型技术在证券行业的应用日益受到业界的广泛关注。目前，多家券商正在积极探索大模型技术的应用，至少包括中信证券、国泰君安、国金证券、东吴证券、银河证券、海通证券、国联证券、国信证券、广发证券、国元证券、申万宏源、五矿证券、山西证券、财达证券、招商证券、长江证券等近20家券商，都在寻找业务和日常运营中的应用场景。
　　财联社记者近期多方采访了解到，在业内人士看来，大模型技术将深刻改变金融行业的未来，它将使得金融服务更加智能化、个性化，也能够提高运营效率和风险管理能力。但同时，也需要关注技术带来的潜在风险，确保技术的健康发展。
　　大模型将如何深刻改变证券业的发展轨迹？哪些场景将率先应用？现阶段痛点与难点有哪些？为何参与者有限？未来的趋势将会如何？财联社记者与国金证券首席信息官王洪涛进行深度对话，进一步了解这一变革性技术在证券行业中的应用现状和未来趋势。
　　“金融领域有多元化的业务场景和广泛的数字化转型升级需求，是大模型极佳的垂直落地场景。我们相信大模型将成为证券行业数字化转型的关键发力点。”王洪涛明确谈到。据记者了解，在过去的2023年，国金证券新技术应用方面取得了不少积极进展，目前AI办公助手在公司已被大量使用，代码辅助编程大模型开发条线全面推广，通过数据中台、数据治理赋能数字金融创造战略价值。
　　访谈重要内容摘取如下：
　　一是国金证券坚持创新容错的理念，采用先内部服务，谨慎推进外部服务（特别是大众投资者）的方式，小步快走，逐步测试和验证不同的技术和应用方案，循序渐进地来防范大模型不成熟可能带来的误用和滥用的风险。
　　二是大语言模型的应用可能涉及将数据传输至外部服务器进行处理，而券商所涉及处理的是高度敏感和机密的数据，数据安全成为一个重大的关注点。此外，许多证券公司的数据治理体系尚未完全建立或优化，这意味着数据可能存在分散、不一致或质量不高的问题。由于大型语言模型高度依赖于数据质量和结构，这些问题可能导致模型性能不佳或产生误导性的输出。
　　三是证券IT 稳定性要求与新技术日新月异变化之间存在矛盾。王洪涛表示，证券公司的信息系统具有很高的稳定性的要求，将大语言模型集成到证券公司现有的IT架构和工作流程中可能遇到技术挑战。这些挑战包括系统兼容性问题、成本问题和合规性的问题，而且新技术的引入也会干扰现有工作流程的稳定性和效率。
　　四是国金证券在大模型应用层面的目标是聚焦于提升效率和提升体验两个方面，目前公司正在探索两类场景的AIGC应用。一类是智能投研，另一类是基于大模型的交互式辅助应用。其中，大模型的产业链智能挖掘，是国金比较有特色的大模型场景。据王洪涛介绍，这是国金证券研究所金融工程团队首先在证券行业内提出的。
　　五是鉴于证券行业的独特的业务特性以及大模型自身优势，国金证券提出了证券行业大模型优化的三种方法。证券业务提示词工程：通过定制化的提示词优化证券业务流程，以精准理解和满足客户需求；整合搜索引擎和大模型：使证券公司能实时获取和分析市场动态及财经新闻；证券业务算法外挂：通过特定算法外挂，强化证券业务流程智能化处理能力。
　　六是国金证券遵循“由松至紧逐步耦合”的原则，提出了结合外挂式、嵌入式和原生大模型进行逐步分层的推广方法，并探索结合大模型技术与RPA组建新的大模型驱动的软件操作系统，王洪涛相信，这将来很有可能是一个更大的方向。
　　七是随着证券公司在数据治理、数据安全，以及交易系统技术兼容性方面的不断进步，随着“AI友好”的理念的广泛接受和有意识地设计引导，同时大模型技术也在与时俱进，这样的进程不仅是技术进步推进业务发展的过程，也是业务场景的丰富反哺技术进步的过程。王洪涛认为，大模型在证券公司在降低成本、控制风险、优化体验和增加收益四个方面有很大的应用前景。
　　“现在大家都把大模型叫GPT，也就是Generative Pre-trained Transformer，生成式预训练大模型，我个人更愿意叫成Gereral Purpose Technolegy，既‘通用目的技术’，它可以延伸到千行百业，带来应用不断地改造，推动各行各业大模型的重塑，构造新质生产力。”王洪涛告诉记者，通过快速、准确地进行信息整合及自动化任务处理，大模型能够进一步推动金融行业降本增效和高质量发展，深化人工智能的应用创新。
　　思考一：寻找大模型应用场景，投研成为特色方向
　　王洪涛称，国金证券其实一直在思考大模型的落地场景，“对照监管条例、审视自身资源禀赋和业务场景，以及对投入比的初步评估，我们制定了国金证券大模型探索路径，目标是聚焦于提升效率和提升体验两个方面，为客户提供更全面、更高效、更个性化的智能化服务。目前公司正在探索两类场景的AIGC应用。”
　　应用的一类是智能投研，另一类是基于大模型的交互式辅助应用。
　　具体来看，智能投研是指，利用AI算法对大量的数据进行深入的分析和模型训练，以生成更准确的市场分析和结果预测，帮助研究人员更深入地理解市场趋势、板块轮动和指数周期，做出明智的投资决策和风险策略，并提供优质的投资组合配置。
　　智能投研是国金证券的特色所在。王洪涛谈到，依托国金证券研究所的金融工程能力，加之依托大模型的信息整合和推理的能力，聚焦投研过程中搜、读、写、信息聚合等业务场景，深入挖掘新闻解读，舆情挖掘，智能市场分析，智能研报写作等场景，为用户提供覆盖行业、股票、债券、基金的投研服务。
　　“大模型的产业链智能挖掘，是我们比较有特色的大模型场景，是我们研究所金融工程团队首先在证券行业内提出的。研究所和科技团队充分合作，进行了大模型自动生成产业链图谱的尝试，可以挖掘最新舆情中的标的，产业链板块，关联度等。比如近期的华为Pure 70的板块分析，台湾地震对芯片产业的影响，都是可以一键生成关联标的，分析产业链上下游，协助研究员快速地认知市场，提升投研的效率和质量。”王洪涛介绍。
　　思考二：办公场景逐步沉淀AI能力，员工使用率提高
　　在基于大模型的交互式辅助应用方面，国金证券正在研究多种开源语言大模型的本地化部署和模型能力的集成整合，并积极探索商业化大模型的应用，包括AI办公助手、AI编程助手，数字人智能交互和AI绘画等，显著提升员工的办公效率，降低企业运营成本。整体来看，国金证券拥有基于外挂知识库和搜索引擎构建的大模型：
　　一是公司以AIGC、大语言模型为核心的交互式问答场景挖掘，二是在证券交易风控领域的AIGC算法探索，通过外挂式和嵌入式的模式，与交互式大语言模型接口进行整合。具体来看，公司办公场景逐步沉淀AI能力，逐步拓展应用场景，同时也可利用AI办公助手来逐步收集业务部门的需求，为后续大规模应用AIGC做技术准备和AI赋能业务的铺垫。
　　“AI员工助手是我们的一个主要应用场景，通过系统集成的方式将国内外主流的通用大模型、开源大模型（15种以上）进行整合，通过统一的入口界面进行操作。员工通过企业微信或者OA系统进入GPT员工助手，可选择单一大模型或者同时和多个大模型进行交互。”王洪涛表示，目前AI办公助手已在公司内全面推广，据后台统计，自2023年11月上线以来，全公司5000名员工，每日平均使用AI办公助手超过2000人次。AI回答的问题以证券业务为主，通用问答、日常问答、科技类问题为辅。
　　“热门词汇有证券、工作、公司、管理、股票、投资、交易、基金等，员工也正在使用AI员工助手来辅助日常证券业务信息的检索和业务知识的萃取。”王洪涛说，国金证券的开发工程师有200多人，开发团队有10多个。我们归纳了工程师们日常工作中占比较高的编程场景，形成了3大类10余个编程场景清单，主要用于编程辅助、测试辅助和设计评审。综合多种场景的测试，AI编程助手整体能提效约30%。
　　据王洪涛介绍，在大模型知识管理、大模型千人千面的个性化营销、大模型资产管理有效地匹配资金方和资产方、大模型风险管理等方面，国金证券也在不断地探索，并深入到业务场景做到充分挖掘数据的价值，将数据资产变为证券业务开展所需要的信息和知识。
　　思考三：痛点如何解决？提出“AI友好”型组织等理念
　　由于金融市场的复杂性和动态性，大模型需要实时更新和学习新的金融知识。其次，大语言模型的性能受到训练数据的限制，如何提高证券场景下大模型生成内容的质量仍有待探索。在王洪涛看来，证券公司大规模使用大语言模型具有涉及数据治理、安全性，以及证券IT 稳定性要求同新技术日新月异变化之间矛盾等多个方面的痛点。
　　为解决这些问题，王洪涛告诉记者，公司研究团队原创性地提出来“AI友好”型组织，“AI友好”的业务流、数据流的设计理念，并将各种事务大体上可以分为以下几类：
　　第一类是可重复验证的，比如一个合同是否符合某些合规性的要求，比如身份证和人脸的识别，以及软件运行是否符合预期。可重复验证场景的一个追求目标是将暂且只能由人工执行的流程，通过“AI友好”设计为“AI可重复验证”。可重复验证意味着可以通过自动化执行不断提升AI的应用力度。
　　据王洪涛介绍，公司提出“AI友好”是分析出“可重复验证”的各类场景，分析其中的卡点环节，通过有意识的一些设计将目前只能由人类来校验的转变为AI可以校验，例如我们在多种规章制度中常用的“有关部门”、“相关制度”，如果能明确有关部门是哪些部门，相关制度是哪些具体制度，也就变成AI可以自动校验了。
　　“我们的数据体系也有意识地设计可勾稽复核性，例如我们各类文档内的数据是否可以建立某种可勾稽性。我总是喜欢举身份证从15位到18位的升级就是一个对AI非常友好的设计方式，原来15位的时候图像识别如果错了一位系统是无法知道的，但到18位的时候因为有了一个校验位，如果识别错了AI系统可以自己发现错了。这个例子很简单，但我觉得比较好地体现了AI友好。”王洪涛他说。
　　第二类是可验证但不可重复验证：例如博弈性质的，或者满足时间序列特性的，比如股市的涨跌，这类可以建立回测模型，但可能不能作为一定正确的答案。这种类型的场景，AI与人相比总体可以大规模提升效率，可以低成本，并构建大规模服务能力。
　　第三类是没有标准结果的，创意类的。例如摘要、写作、图像和视频的生成等，这类AI的系统，会成为我们员工各类工作中的助手。
　　王洪涛称，通过 “AI友好”的理念导向，使得公司可以设计更多的可落地和嵌入的AI场景；通过设计更多的AI友好的管理、技术、业务生态体系，逐步形成AI友好型的企业组织，从战略上注重共赢生态建设，通过AI治理的机制充分调动生态企业的协作意愿，从而引领业务的发展，在这场AI革命中赢得竞争优势。
　　思考四：展望未来将有四大应用前景
　　大模型技术在证券行业中的探索和发展，是一个不断积累、开拓、持续优化的过程。王洪涛认为，大模型在证券公司关于降低成本、控制风险、优化体验和增加收益四个方面有很大的应用前景。
　　降本增效。在营销、风控、投研、研发等业务场景，大模型可以有效提高企业生产效率，降低经营成本。以智能投顾为例，大模型可以在一定程度上替代人工客服，通过与客户进行交互式沟通交流，深刻理解客户的个性化需求和资产状况，帮助金融机构为客户提供专业的投资建议和服务，让客户识别和规避潜在的投资风险，并将投资收益最大化。
　　提升客户体验。相较于传统的智能客服，大模型的出现对人机交互模式产生显著变革，依托其优秀的对话生成及多任务迁移能力，可以解决更为复杂的问题，为客户提供更加智能化和人性化的金融服务。
　　控制风险。我们结合大模型和其他AI算法，在异常交易监控、场外配资监控、反洗钱、财务造假等方面进行探索；利用大模型分析多维度地挖掘风险事件的影响，管理，利用舆情、司法、财务、行情、司法等数据，进行风险事件的挖掘，并结合大模型归因与关联分析的能力，判断风险的类型，风险的传导链路，做到多类型资产的风险管控。
　　催化产品创新。通过整合多样化业务需求，基于大模型和金融领域的专有内容，形成有特色的金融产品。
（文章来源：财联社）