📰 金融大模型步入“价值”攻坚战，如何跨越三道门槛？
2025年是中国金融业大模型规模化落地的关键一年，AI技术已深入业务核心，推动金融服务智能化与普惠化。金融机构在推进AI落地时，愈发关注技术与业务部门的协同，强调实际效益与成本控制。中国银行原行长李礼辉指出，AI Agent的学习能力使其能够在多个金融领域中发挥作用，提升专业水平。
随着AI技术的不断发展，金融行业正经历人机协同的新范式，当前正从L3阶段向L4阶段跨越，未来将朝向更高的L5阶段发展。各大银行的半年报显示，AI大模型应用场景快速拓展，业务部门的参与度显著提升，金融智能化战略逐渐成为各机构的重点。
然而，金融行业在数据转化、技术协同及安全性等方面仍面临挑战。数据资源难以转化为资产，亟需通过洞察平台激活企业“沉睡”数据。安全性问题同样重要，必须重视金融模型的可信性与算法风险。金融机构需在战略规划与人才引进上持续创新，以应对AI带来的不确定性与挑战。
🏷️ #金融 #AI #智能化 #数据 #安全性
🔗 原文链接
📰 金融大模型步入“价值”攻坚战，如何跨越三道门槛？
2025年是中国金融业大模型规模化落地的关键一年，AI技术已深入业务核心，推动金融服务智能化与普惠化。金融机构在推进AI落地时，愈发关注技术与业务部门的协同，强调实际效益与成本控制。中国银行原行长李礼辉指出，AI Agent的学习能力使其能够在多个金融领域中发挥作用，提升专业水平。
随着AI技术的不断发展，金融行业正经历人机协同的新范式，当前正从L3阶段向L4阶段跨越，未来将朝向更高的L5阶段发展。各大银行的半年报显示，AI大模型应用场景快速拓展，业务部门的参与度显著提升，金融智能化战略逐渐成为各机构的重点。
然而，金融行业在数据转化、技术协同及安全性等方面仍面临挑战。数据资源难以转化为资产，亟需通过洞察平台激活企业“沉睡”数据。安全性问题同样重要，必须重视金融模型的可信性与算法风险。金融机构需在战略规划与人才引进上持续创新，以应对AI带来的不确定性与挑战。
🏷️ #金融 #AI #智能化 #数据 #安全性
🔗 原文链接
