金融业落地大模型面临数据管理等挑战 联邦学习提供创新路径

金融业因数字化程度高、商业化应用场景潜在价值高等，成为AI大模型应用的最佳场景之一。然而，AI大模型要真正落地，还面临着诸多挑战，如近年来各项法律法规对私域数据使用有“数据可用不可见”的要求，使得金融业即便有海量自治的高质量数据，仍受限于隐私无法共享利用。

金融业如何更好利用AI大模型赋能发展？7月2日，在以“大模型时代AI前沿与金融应用”为主题的微众媒体学院系列活动上，微众银行首席人工智能官杨强表示，大模型的应用落地涉及数据管理、算法优化、系统设计和成本控制等多方面的综合挑战，需要持续的技术创新和策略调整，以推动AI技术更加成熟、高效地服务于社会各个领域。

杨强认为，AI Agent是大模型面向应用端发展的下一阶段，其基于大模型的通用能力，并结合相关领域知识适应不同场景需求。

微众银行人工智能首席科学家范力欣则提出，联邦学习作为一种先进的分布式机器学习范式，允许参与方在不直接共享原始数据的情况下协作训练模型，为解决大模型应用落地的技术难题提供了创新路径。联邦大模型技术路线通过其独特的设计，不仅解决了数据时效性、模型幻觉、专业知识融合及算力资源消耗等挑战，而且在保护数据隐私和促进AI技术公平性方面迈出了重要一步，为大模型在各领域的广泛应用开辟了新的可能。