2025年智能金融研究报告：Ai驱动的金融变革.pptxVIP

;

提纲;

AI的核心问题：建构能够跟人类似甚至超卓的推理、知识、计划、学习、交流、感知、移动、

移物、使用工具和操控机械的能力等。

——维基百科;;;

GShard：基于MoE探索巨型Transformer网络（Google,2020）;

新一代人工智能发展现状;

强化学习奠基人获得2024图灵奖;;;

DeepSeek-R1模型蒸馏与行业应用;

人工智能三个阶段;

认知智能不断超越;

音乐

空间

自省

自然

辨识;;;

根：模型同质化

?模型结构相似：依赖相似的基础模型（如LSTM、Transformer、强化学习）

?数据来源相似：采用公开数据集进行训练

?反应时机一致：信号到决策速度快，决策容易同步;

OpenAI：推理增强会明显减少幻觉！

DeepSeekR1实测：推理增强后幻觉率增加！

过度延展的推理机制训练数据的奖励偏差

解决方案？;

价值对齐方法

n基于人类反馈的强化学习

（RLHF），要求人类训练员对模型输出内容的适当性进行评估，并基于收集的人类反馈为强化学习构建奖励信号，以实现对模型性能的改进优化；

n可扩展监督（scalable

oversight），即如何监督一个在特定领域表现超出人类的系统；

n增强模型可解释性，即人类可理解的方式解释或呈现模型行为的能力，这是保证模型安全的重要途径之一；

n加强政策治理，因为AI价值对齐问题最终还关系于人类社会。;

新质生产力=

（科学技术革命性突破+生产要素创新性配置+产业深度转型升级）

×（劳动力+劳动工具+劳动对象）优化组合;

n金融大模型市场正快速扩张

2023年，中国金融大模型市场的规模为15.93亿元；

2024年上半年，市场规模已达到16亿元；

2028年，预计将增长至131.79亿元。;;;

研究实践1:可信数据空间赋能可信行业大模型;

国家和省部级项目支持;

解决思路

联邦大模型（FedLLM）旨在保障隐私的同时整合多源数据，突破数据壁垒。

通信效率问题：通过低秩适配器LoRA压缩通信参数，提高效率。

隐私安全问题：通过自动化敏感数据检测机制，识别隐私片段。

模型产权问题：通过动态水印技术，将水印嵌入模型权重，减少产权纠纷。;;;;

人工审批

80%

量化模型;

新决策模型赋能信贷决策;

研究实践6：投研问答与投资尽调助手;;

投研问答与投资尽调助手;;

三、金融大模型典型行业应用;

智能客服｜银行坐席助手;

智能风控｜邮储银行反洗钱分析;

智能投顾｜同花顺智能投顾助手;

智能投研｜蚂蚁集团投研支小助;

智能投研｜蚂蚁集团投研支小助;

智能审单｜多模态文档智能体;;

n计算范式从指令式到意图式转

变：传统计算机需要精确的指令序列，而LLM可以理解模糊的人类意图并将其转换为具体操作。

n抽象层次的提升：就像CPU让程序员不必关心底层电路细节，LLM让用户不必关心具体的程序实现细节。

nAgent完成人机交互：Agent替代人完成作步骤，普通用户也能完成复杂的计算任务。;