“实现智能体大规模使用的关键在于四个方面：一是速度足够快；二是准确率足够高；三是能有效抑制幻觉；四是能灵活扩展到更广泛的场景。”1月11日，在新金融联盟举办的“AI提升金融服务效能的场景创新与趋势展望”内部研讨会上，百融云创董事长张韶峰表示。
工商银行首席技术官吕仲涛，兴业银行首席信息官、科技管理部总经理唐家才，上海银行副行长、首席信息官胡德斌，民生银行数据管理部总经理沈志勇也做了主题发言。国家金融监督管理总局相关负责人参加了交流。
会议由新金融联盟秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。来自商业银行、金融科技公司的170余位代表通过线上线下参会。以下为张韶峰发言全文。
智能体AI引领金融业新一轮变革
文| 张韶峰
百融云创董事长 张韶峰
计算机从交互角度经历了几次革命：第一次是CUI，人们依靠输入指令与计算机进行交互；之后是GUI，如微软、苹果的触摸屏技术；现在是LUI，即对话式交互。
智能体AI是同时刺激供需两侧的技术革命
大模型能够模拟很多行业的专家，基本在每个领域，AI都能达到专家水平的85%。虽然比不上人类的顶级专家，但它可以复制十万个、百万个、千万个，这极大提升了供给。有些行业并非受限于需求，而是受限于供给，比如教育、医疗、金融等行业。
每一次交互变革都能极大刺激需求。自然语言交互是人类最自然的交互方式。乔布斯观察小孩，发现小孩不会说话时就靠手势交流，于是联想到点击操作，由此发明了Iphone。智能体AI就是自然语言交互，这对于金融行业极其重要。金融领域专业度相对较高，老百姓有时无法输出最专业的表达，比如去银行办理业务，他们有时不知道如何表达，柜员也难以理解，导致效率低下。而解决这个问题的最佳方法就是使用通俗易懂的“大白话”。多个智能体可以让供给侧的多个专家共享一个“大脑”、一份“记忆”，这极大地刺激了需求。
我们观察并将现有AI生态分为五层。第一层是通用大模型和通用算力，当前大部分金融机构处于这一AI基础设施建设阶段。向上一层，是为各个行业、领域、场景做优化，打造专属芯片、专属模型，国有行及少数领先银行处于这个层面。第三层是构建工作流和智能体的构建层，这相当于智能体的构建工厂，能生产出很多机器人，极少数金融机构处于这个层面。智能体工厂往上，就是真正的智能体，一般都是垂直面向行业、领域、场景。最后一层，就是大量使用智能体，但不完全依赖智能体的AI Native的应用层。
目前，AI及大模型要在金融行业落地，主要面临三方面挑战。
第一，场景挖掘较难，需要找到更多大模型能直接发挥价值的应用场景。
第二，大模型可能会产生幻觉，如何规制它、抑制幻觉是个问题。
第三，大模型通常参数较大，最小几十亿，导致响应速度较慢。参数大还使得运营成本高，因为每一次推理都有成本，且与参数的平方成正比。这也导致大模型直接服务客户的应用太少。但在任何一个行业，将内部效率的提升应用在客户层面，并产生收入，才是解决问题的终极道理。
大模型的终极价值是直接面客
从AI的三要素——算力、算法、数据来看，美国的算力遥遥领先，百融云创几乎测试过所有国产芯片，与美国相比仍有明显差距；在算法上，中国落后的程度没有算力那么大；在数据方面，中国原本一直遥遥领先，但近两三年，由于一些原因，金融数据流动速度变慢。
去年8月我们参加美国的论坛，有公司表示只要能减人，就一定会使用大模型，因为他们的人工成本太高了。任何模型一定是在大规模使用后才能成熟，电力、汽车和计算机都是这样。如果得不到大规模应用，那么长期来看，中国擅长的应用端是落后还是进步，将打上一个问号。
关于大模型能否面客。去年8月我们去纽约交流时，美国银行就在力推智能体。我体验了一下，当时还没那么成熟，解决不了问题时就会转人工，但银行特别鼓励客户使用智能体。去年花旗银行的三把手接受访谈时说，所有的技术刚开始都是用以提升内部效率，但如果最终解决不了对客问题，无法直接产生收入，那么这个技术的价值是有限的。
关于大模型是否需要审批。例如，地方网信办要求金融行业大模型需取得金融监管总局的审批，但金融监管总局又没有这个职能。我们有2000家客户来自零售电商等领域，与金融行业没有关系，也不适合以金融行业模型来申报。但网信办认为我们的模型就是金融行业大模型，因为大部分收入来自金融行业。所以，当前中美AI竞争态势下，面对美国的遏制，如何监管大模型是中国需要思考的问题。人工智能一定要在应用中迭代，让社会、企业、个人逐步适应；一定要鼓励发展，在实践中不断改进，不完美之处规制好即可。
我们认为智能体一定要真正促进金融交易，2017年我们开始做语音交互智能体，2023年产生了550亿金融资产交易。2024年大概能产生800亿金融资产交易，每天有8500万条真实的对客对话。
智能体如何训练“专业力”和“拟人度”？
我们认为，大模型和智能体是否专业体现在两个方面。第一，能否真正替代人或部分替代人，可否达到85分的水平。第二，能否高度拟人。
我们专门训练大模型进行大量金融行业考试。在CFA（国际特许金融分析师）考试中，我们的大模型比Open AI 的4o高了约5-6分，要知道，在这个领域即便超出2-3分都极其困难。在香港证券期货从业考试中，我们的大模型得到95分，4o是85分，中国基金证券从业资格考试等其他考试也是如此。每一项考试我们都经过专门训练，目的就是让大模型能更好地服务客户。
语音是人类最自然的交互方式，因此我们十分重视语音大模型能否模拟人类。如果AI对客时响应缓慢，用户体验会很差。要解决这个问题，就要提到我们的多模态大模型。人类听到声音不会转成文本再去识别，而是直接处理多模态信息。那么，模型能否直接处理多模态信息？事实上，不仅可以，而且我们现在能做到40毫秒快速响应，同样不会将接收的语音信息先转成文本，而响应方式既可以是文本，也可以是语音。
另外，智能体是真人在数字世界里的镜像，真人能做什么，它就能做什么。未来，利用智能体解决复杂问题尤其重要，我们在这个方面已有所实践。在真人面客场景，当客户找商家处理复杂问题时，若客服接线后无法完全解决，就需要转接第二个甚至第三个客服。而智能体就不存在多次转接的问题，遇到复杂问题，多个智能体可协作解决，它们共享一个“大脑”，共享一份“记忆”。
我们认为，实现智能体大规模使用的关键在于四个方面：一是速度足够快；二是准确率足够高；三是能有效抑制幻觉；四是能灵活扩展到更广泛的场景。
本文首发于微信公众号：新金融联盟NFA。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。