2025年4月10日在线股票平台，以“人工智能与金融未来”为主题的国民财富发展研究合作平台2025春季峰会在北京正式召开。会上，工商银行首席技术官吕仲涛就人工智能在金融领域应用情况进行主题演讲。
自DeepSeek问世以来，凭借其开源性、高性能与低成本的特点引发市场关注。金融机构如何依托人工智能实现数智化升级、布局AI未来亦成为行业热议的话题。
吕仲涛认为，DeepSeek模型催生金融行业AI应用爆发式增长，未来大模型应用可能出现四大趋势，包括大模型逐步由应用工具转向基础设施、算力需求将随着应用的爆发式增长快速提升、人机协同将成为常态以及人工智能相关法律规范将逐渐完善。
公开信息显示，在同业中，工商银行率先完成DeepSeek最新开源大模型的私有化部署，并将其接入行内“工银智涌”大模型矩阵体系，已面向全行开放使用，实现财报分析助手、AI财富管家等40余个应用场景。吕仲涛也结合工商银行在大模型部署与场景应用的实际经验，分享金融大模型的两大典型应用场景。
具体而言，在金融市场领域，该行依托大模型智能体及文档编写范式，面向交易员、客户经理等岗位人员，打造投研平台建设投资研究助手并建设“ChatDealing智能体”，为金融市场投资交易全流程提供了智能化支撑，实现投资、交易业务流程的效率提升。
在运行管理方面，围绕“服务客户、赋能员工”，聚焦全行20余万一线网点服务岗位员工遇到的客户自助办理占用厅堂资源多、复杂业务处理困难等痛点，基于大模型知识检索范式重点打造网点自助终端客户助手、网点业务助手，构建网点智能化对客服务新模式，有效提升客户到店体验及网点运营质效，支撑网点轻型运营格局建设，提升网点综合竞争力。
另一方面，吕仲涛指出了要用好DeepSeek等大模型，主要结合不同场景特点灵活施策，达到最佳综合性价比。比如，对于智能量化策略生成等部分场景，可直接利用DeepSeek模型+外挂知识库应用范式实现 ，借助DeepSeek量化经验和代码能力，自动生成更全面、逻辑更严密的策略代码。但对于时效性、专业性要求高的场景，直接使用DeepSeek模型可能无法达到业务预期，需结合行业知识和行内知识进行微调、强化学习等后训练，还可能同时需要蒸馏出小尺寸场景专用模型来满足时效性需求。
他判断，业界将不断推出能力更强大的各类模型（如：Grok3、Claude 3.7 sonnet等），但对于行业应用仍需要基于通用基础模型训练行业垂类模型，金融行业的大模型主流应用范式还会继续延续。
“AI未来可期，但也并非万能。”吕仲涛还指出：“尽管大模型在金融行业应用潜力巨大，但也面临现实挑战，在拥抱机遇的同时，金融行业必须积极应对AI技术带来的新挑战。”
吕仲涛把AI技术带来的新挑战概括为四点：
一是需持续加强风险管理。他提出，AI技术提升工作效率的同时，知识幻觉、生成伪造内容、算法偏见等安全风险日益突出。
二是数据成为AI应用核心优势后带来的挑战。“AI模型的性能本质上依赖于数据，数据作为AI时代的新石油，其价值释放已从规模驱动转向质量驱动与场景驱动”吕仲涛进一步解释道：“此外，金融行业数据敏感度高，AI技术带来的隐私风险和合规挑战不容忽视，需要确保数据的采集、使用符合相关的法律法规要求。”
三是算力需求仍将不断增大。吕仲涛认为，规模定律仍未失效，短期内扩大算力、数据、参数规模仍是提升模型性能的最直接手段，算力依旧是人工智能时代稀缺的资源，仍需要较大的投入。目前国产算力需加强生态建设，如效能提升、模型适配等方面。
四是需要构建适应人工智能时代的人才培养机制。其指出，人工智能应用的人才缺口仍然很大，行业需从管理、业务、技术三大类人才维度构建多层次、全方位的人才培养体系。
“后续金融行业要用好DeepSeek等大模型在线股票平台，关键在于构建高效能组织、高水平技术和数据、高价值场景、高适配人才”吕仲涛最后总结道。
海量资讯、精准解读，尽在新浪财经APP