杨涛

新兴技术的快速发展，为金融监管科技发展提供新的想象空间，监管科技的快速发展一方面依托科技手段以实现更高效、更精准的监管；另一方面，将推动金融科技创新，为金融业深入数字化转型赋能。

针对大模型金融应用特征，探索“五大监管”创新。在优化机构监管方面，关注大模型是否会给金融机构的合法性、合规性、安全性和稳健性带来影响；行为监管则关注大模型支撑的金融产品或交易能否保障公平性、透明度、有效性；功能监管则重点考虑大模型是否实现金融功能的提质增效而非损害，支持金融服务的协调完善；穿透式监管则真正深入到应用大模型产品的各环节，实现可审计、可解释性；持续监管则深入跟踪大模型技术迭代与金融应用创新趋势，充分保障大模型金融应用的连续性和稳定性。

引导金融业大模型应用采取差异化策略，避免“一哄而上”。实践中，金融业大模型应用有几种典型技术路线，一是根据现有开源大模型、基础大模型进行优化调整；二是与一线技术企业合作开发自研大模型；三是通过API接口接入商用大模型等方式使用部分功能。对于不同体量、不同类型、处于不同区域与业务特点的银行而言，需根据自身资源禀赋进行技术布局与路线选择。同时并非“唯大模型不可”，因为大模型短时间内不会全面替代小模型，从更长的时间线来看，更可能出现大模型与传统小模型协同发展的局面。

监管部门需要引导金融机构理性应用大模型。例如，选择非核心业务领域、已具备可用条件的场景，用轻量级投入跟进和追随新技术、新趋势，待未来成熟时再扩展应用范围。需要注意的是，在各方条件尚未齐备的情况下，大模型金融应用在初期应“先内再外”，即先在金融机构内部进行尝试应用，致力于改善内部管理、流程、信息处理、运作效率等，待到技术、合规、生态更加健全时，再考虑面向客户的服务能力提升。

不断优化监管科技水平。面对大模型在内的新技术应用挑战，监管部门应积极拥抱新技术，全面提升监管能力。国家金融监督管理总局科技监管司表示，将对监管大数据平台进行全面升级，建设“智慧监管平台”，作为推进数字化智能化监管的重要科技载体，打造兼具信息展示、智能分析、流程管控、智慧决策的一体化科技平台。为更好地应对技术带来的新挑战，监管部门应积极探索大模型等新技术在监管与合规领域的应用创新。

完善大模型相关制度规则。当前，各国都在加快完善与大模型相关的法律法规。例如，欧盟以《人工智能法案》为核心，针对大模型可能涉及的相关领域专项立法，建立起多层次的人工智能法律监督体系，呈现出专项法案为主、现有法规为辅的特征。在我国，网信办等七部门已发布《生成式人工智能服务管理暂行办法》，但在金融业这样的专业垂直领域，还缺乏相关专项法规的约束。同时，在相关“软规则”方面，虽然人民银行已发布《金融领域科技伦理指引》，但针对大模型的风险治理与伦理原则，仍需更加细化的政策与标准。

加快优化大模型基础要素。在数据层面，大模型训练需要更大体量、更高质量的数据，以此提升训练与应用效果。相较于其他行业，虽然金融业的数据质量相对较高，但能否进一步合规、有效地提供优质的金融数据集，成为大模型金融应用的差异化变量。在算法层面，各方参与者积极创新迭代，整体采用Transformer模型基础架构。下一阶段，如何使算法能够与金融业产品需求、合规需求有效融合，仍存在诸多挑战。在算力层面，大模型快速应用引发“算力危机”，尤其是各类金融机构的算力基础设施布局面临所在城市电力、节能、低碳等方面的约束，难以进行快速增量建设。同时，通用算力正转向智能算力、单点算力正转向分布式发展，因此，金融业如何引导和优化公共、个体算力配置，应成为监管部门关注的重点之一。

金融大模型应用离不开专业人才保障。在大模型应用于金融业过程中，一方面缺乏算法工程师、自然语言处理、算法研究员等技术人员，另一方面也缺乏能够从实务角度深刻理解大模型，实现“业技结合”的专业人才。伴随大模型技术的分工更加细化，在金融领域应用的开发、部署和落地，都需要产业链的重构、整合与合作。例如，大模型在金融业的二次开发、迭代升级、运维服务等，对相关专业人才提出更高要求，需针对性培养金融大模型相关的科研型、教学型、应用型、管理型、技术型、业务型等人才。