21世紀經濟報道 實習生 張長榮 記者 崔文靜 北京報道 在金融科技加速滲透的行業背景下，機構競爭的重心正悄然生變。
如今，從底層技術架構的數字化重構，到前端業務場景的智能化升級，金融科技已從“可選項”變為行業“必答題”——大模型、云計算等技術的規模化應用，不僅降低了中小機構的技術準入門檻，更讓行業整體的技術底座逐步趨同。
“未來大中小機構在算法與算力上的差距必將逐步縮小，金融機構的核心競爭力也將隨之轉向數據。”恒生聚源總經理吳震操判斷，對于規模相近、業務模式易同質化的機構，內外部數據的挖掘利用能力將成為競爭勝負手。
作為國內領先的金融、產業數據資訊服務提供商，恒生聚源的行業判斷并非空穴來風——其不僅擁有聚源金融數據庫、洞見智能投研、智能小梵、智眸風險預警系列等豐富產品線，更經過25年市場耕耘，在金融市場需求理解、產品設計、客戶拓展及專業服務等領域，積累了扎實的實踐能力與深厚經驗。
基于對行業趨勢的洞察，恒生聚源在2023年推出面向金融投研場景的大模型產品“WarrenQ”，隨后，于今年發布AI友好型金融數據庫AIDB。AIDB通過統一數據范式、簡化查詢邏輯及強化數據治理，可實現大模型對金融結構化數據的精準調取。
不過，恒生聚源的思考并未止步于數據基礎建設。在其看來，相較于技術本身，未來金融AI發展的真正突破口，在于將技術與業務深度融合的“場景化應用”。
在這場大模型賦能金融行業的進程中，恒生聚源希望承擔三大核心作用：立足數據公司本源，發揮數據要素企業的核心價值；以行業先行者身份，助力金融機構大模型落地；聯合各方，共同探索商業模式創新。
而從長遠來看，恒生聚源的目標不僅是成為技術服務提供者，更是AI時代金融行業的“智能信息服務伙伴”。為實現這一愿景，恒生聚源已展開精準布局，重點聚焦投研、財富管理、風險預警三個與金融機構核心業務緊密相關的領域。
如何讓AI成為你的超級助手？
21世紀：當前通用大模型在輔助工作中容易出現幻覺，應如何解決？個人投資者又該如何辨別信息？
吳震操：AI幻覺是大模型固有的現象。目前常見的應對方式是讓大模型結合外部信息進行結果優化。行業常用的“檢索增強生成（RAG）”和“上下文工程”，通過檢索獲取外部知識，再結合大模型自身的推理能力生成內容。這樣做一方面可以彌補大模型自身知識儲備的局限，另一方面也可能幫助用戶發現因自身知識或檢索能力有限而未能獲取的信息。
對于用戶來說，在使用大模型時常需要判斷信息的真實性，建議采取以下措施：第一，多對比不同的大模型。不同模型的訓練數據和算法不同，輸出的結論和分析角度也會有差異。
第二，對結果進行溯源驗證。目前主流商業大模型平臺通常會提供來源鏈接、參考文獻或相關圖表，用戶應主動核查來源的發布時間及可靠性，以評估信息的時效性和可信度。
第三，可借助智能體平臺自定義工具。目前不少智能體平臺開放自定義功能，用戶可根據自己的投資習慣和分析方法搭建專屬智能體。
21世紀：面對機器逐漸替代部分基礎崗位的趨勢，我們應如何建立“人機協同”的工作模式？需要掌握哪些關鍵技能才能與機器深度合作而非被替代？
吳震操：大模型處理基礎操作和日常重復性工作的能力會越來越強，這是技術發展的必然。但目前大模型仍有明顯局限，無法完全替代人類。
首先，重大決策仍依賴人類。決策不僅需要足夠多的背景知識、全局觀和行業經驗，更需要判斷力和堅決的意志，而大模型僅依靠訓練數據推理，缺乏真實場景經驗，目前無法承擔重大決策。其次，大模型尚不能替代人類在精準洞察和信息挖掘方面的作用，尤其是人際深度交流方面。大模型的信息來源局限于已有知識庫或網絡內容，無法及時獲取第一手信息，也不具備第一時間對原始信息進行進一步探究、整合并影響決策的能力。
事實上，人類與大模型并非對立，而是走向共存。這種共存不僅推動大模型能力不斷進化，也會促使人類持續提升自身能力。因此，我們不必過度擔憂大模型的發展，而應更主動地將其作為協作伙伴，建立深度合作關系。
決勝未來，數據是關鍵勝負手
21世紀：目前中小券商由于科技投入資金有限，往往依賴外部技術支持。如果多家機構采用相同或相似的外部技術，這是否可能導致服務或策略上的同質化？應如何應對可能出現的同質化現象？
吳震操：這一問題并非中小金融機構獨有，大型金融機構同樣面臨類似的挑戰。當前，大模型的馬太效應日益顯著，未來市場上廣泛應用的通用大模型可能會高度集中，推動形成“算法平權”和“算力平權”兩大趨勢。不同規模的機構在算法和算力方面的差距將逐漸縮小。
在這一背景下，機構在投資決策、市場研判等核心業務上的差異，將越來越取決于其在“取數、用數、算數”環節的能力。金融機構的核心競爭力，正在轉向對數據的獲取與運用能力。
因此，機構應重點從兩個方向發力：一是獲取更多更有價值的外部數據；二是深度挖掘和高效利用自身內部數據。尤其對規模接近、業務模式趨同的機構而言，數據的高效挖掘與利用能力將成為決定機構競爭勝負的關鍵。
高效運用內部數據，關鍵在于機構內部的數據治理能力。我們認為，未來商業場景中的大多數數據，不應僅服務于人類或傳統業務系統，還應主動適配大模型的使用需求。
正是基于這一認識，我們今年推出了“AI友好型數據庫”（AIDB）產品。AIDB通過一套系統化的數據治理方案和標準化市場數據指標體系，幫助機構優化數據供給，充分釋放內部數據價值。
21世紀：隨著大模型逐步落地，其規模化應用的問題也逐漸受到關注。AI智能體距離真正處理復雜、多步驟的金融投資決策流程還有多遠？
吳震操：目前，隨著金融機構將更多傳統業務流程交由大模型處理，“智能體+大模型”在金融場景的融合應用已進入關鍵實踐階段。
過去，受限于大模型的生成式特性，其難以獨立承擔復雜任務。行業普遍認為，涉及復雜金融工程的任務很難直接通過大模型完成。但智能體的引入改變了這一狀況：它能夠調用現有的金融工程模型、機構內部細分模型，并適配內部投資策略等，實現對既有專業工具的高效復用。在這一模式下，智能體、大模型與機構現有的金融工程體系和業務系統實現了有機融合，不再孤立運作。恒生聚源的金融智能體平臺把大模型能力、業務系統邏輯和金融數據編織在一起，進一步提升投研和投顧的效率。
展望未來，大模型本身推理能力的提升也會朝著與金融工程模型融合方向不斷演進。大模型技術能力的進一步提升，將推動金融工程模型持續迭代和效能升級。
中國金融科技的優勢與提升方向
21世紀：中國金融科技公司在人工智能應用方面有哪些優勢？還可以從哪些方面提升？
吳震操：當前國內在很多細分的工程場景下，例如圖計算、聯邦學習等技術已處于全球領先水平。在此基礎上，我認為未來金融AI發展的突破口在于“場景化應用”。
推動場景化應用，可以依托資本市場與股權投資市場機制，建立科研成果向企業轉化的有效通道。目前許多優秀成果仍在實驗室階段，若要實現價值轉化，必須與實際金融場景深度融合，落地到具體業務環節中。
在此過程中，需打通科研力量、行業需求與資本之間的協同鏈路，明確各方角色與作用，共同推動優質科研成果從實驗室走向企業實踐、在行業領域落地生根。
除此以外，還可以擴大與海外金融機構及金融科技企業的交流合作。受益于風險資本的持續支持與推動，目前海外金融AI領域的場景落地實踐已非常豐富。建議密切關注海外動態，與海外金融機構、金融科技企業開展常態化溝通。
聚焦三大領域，成為AI時代的“智能信息服務伙伴”
21世紀：未來3-5年大模型發展會有哪些變化？恒生聚源希望發揮什么作用？
吳震操：我們預計未來三到五年大模型發展將逐步顯現三大變化：首先操作層面將實現關鍵突破，逐步替代大量繁瑣工作；其次人機交互模式將發生深刻變革，人類可通過日常自然語言直接與業務系統交互；此外，行業IT建設將顯著變化，“大模型+智能體”能讓過去需大量IT人員的開發實現低/無代碼化，這類工具普及后可助力業務人員自主操作、盤活資源，大幅釋放業務團隊能力與生產力。
與此同時，大模型發展也面臨新的挑戰，例如“幻覺”問題、數據安全與倫理風險等。金融作為“國之重器”，在大模型應用過程中，必須強化審核與監管機制，我們亦期望與監管部門共同探索合規路徑。
在大模型賦能金融行業的進程中，恒生聚源希望承擔三大核心作用：
其一，立足數據公司本源，發揮數據要素企業的核心價值。聚焦金融數據的流通與賦能，助力金融行業充分激活數據價值。
其二，以行業先行者身份，助力金融機構大模型落地。恒生聚源作為金融行業大模型早期實踐者，近年已完成大模型訓練、產品品牌構建，積累了豐富經驗與教訓。我們期望將這些經驗轉化為行業資源，助力金融機構在數字化轉型中高效推進大模型落地應用。
其三，聯合各方，共同探索商業模式創新。當前行業對大模型的認知多停留在“降本提效”，我們更愿聯合金融機構、監管部門等共同探索其對金融機構商業模式、客戶服務渠道與方式的變革價值，最終共創全新商業模式——這也是恒生聚源面向行業長遠發展的目標。
21世紀：恒生聚源成為“智能信息服務伙伴”的具體路徑是什么？哪些領域會優先突破？
吳震操：在數據要素市場化的大背景下，恒生聚源明確“數商”定位，形成“金融、科技、AI”三大核心標簽。我們期望能夠落地更多應用到投資研究、財富管理及風險預警等具體業務場景中，真正融入客戶的業務流程、提供信息支持與參考，未來將主要聚焦三個領域：
一是投資研究領域。過往數據廠商多僅對知識初步加工，核心原因是投研與投資策略高度多樣化——不同從業者有獨特風格，難以標準化，因此行業多提供半加工的中端形態數據。而人工智能時代，借助大模型可深化知識加工，還能依據機構及投研人員的個性化偏好，協助提取所需信息、生成符合其風格的深度研究數據與階段性成果。因此，我們認為，未來5至10年將是研究類數據的蓬勃發展期。
二是財富管理領域。我們不僅擁有傳統金融工程基礎設施，還積累了海量高質量數據。我們期望在人工智能時代從兩方面提供支持：一是為用戶優化資產配置、提升投資能力提供信息支持；二是賦能投資顧問，為實現財產增值提供研究支撐。
三是風險預警領域。風險與流動性、投資、交易活動緊密相關。未來，我們將依托AI技術進一步助力金融機構提升風險預判、評估能力。
本文鏈接：恒生聚源吳震操談AI爆款攻略：數據決定未來，三大場景落地指南http://www.sq15.cn/show-3-155226-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。