最近，微众媒体学院系列活动在北京举行，业内人士聚焦大模型时代AI前沿与金融应用，共议AI技术前沿与金融落地实践。

　　近年来，以大模型为代表的AI技术进入发展快车道，成为当下热点话题。随同大模型技术的飞速发展，全球 人工智能 技术发展和应用迭代速度都得到了极大提升，大模型技术也被认为是通用 人工智能 技术的核心引擎。

　　工信部发布的数据显示，截至2023年6月，我国 人工智能 核心产业规模已经达到5000亿， 人工智能 企业数量超过4400家。

　　澜舟科技合伙人、联席总裁李京梅表示，近年来 人工智能 逐步演进，从只能做单个任务的专用模型的AI 1.0时代，到一个通用模型做广泛任务的AI 2.0时代，最终走向通用 人工智能 （AGI）。AI产业具备广阔潜力，大模型的产业落地应用才刚刚开始，随着各个领域的产业升级对 人工智能 的切实需求不断增强，将来的渗透率还将进一步增加。

　　业内人士表示，在大模型的实践应用中，金融领域由于具备数字化水平高、商业化应用场景潜在价值高等优势，成为AI大模型落地应用的最佳场景之一。微众银行首席 人工智能 官杨强在分享时表示，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。他进一步表示，AI Agent（ 人工智能 业务助理）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。

　　据介绍，在业务实践中，微众银行自研的生成式AI技术能够有效解决大模型幻觉（大模型在生成内容时发生错误或误导性结果）等技术难点，满足监管合规要求，已深度应用于客服、营销、质检、反欺诈、科技金融等核心业务场景，覆盖金融服务“前—中—后台”各个环节，提升金融服务的质效。

　　谈及联邦大模型与前沿探索，微众银行 人工智能 首席科学家范力欣提出，联邦学习作为一种顶尖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景下协作训练模型，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，解决数据时效性、模型幻觉、专业知识融合及算力资源消耗等挑战，并在保护数据隐私和增进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。