AI大模型在券(quan)商業(ye)務中的(de)場景(jing)應用(yong)大有可(ke)為，但(dan)券(quan)商大規模使用(yong)AI大模型仍面臨數據安(an)全性、合規性及穩定性等多個方面的(de)痛(tong)(tong)點(dian)。在業(ye)內人(ren)士(shi)看(kan)來(lai)，未來(lai)隨著相關(guan)技術的(de)不斷(duan)成熟和(he)應用(yong)場景(jing)拓(tuo)展，相關(guan)痛(tong)(tong)點(dian)將逐步解決，券(quan)商與AI大模型將縱深融(rong)合。

　　面臨多個痛點

　　作為金(jin)融(rong)機構，券商擁有(you)高價值的領(ling)域數據資產，在布局AI大模型過程中，面臨合規性(xing)、安全性(xing)等(deng)多重挑戰。

　　國(guo)金(jin)證(zheng)(zheng)券研究(jiu)所計算機(ji)行業首席分(fen)(fen)析師孟燦表(biao)示，AI大模型的(de)應(ying)用可能(neng)需要將數據(ju)(ju)(ju)傳輸(shu)至外部(bu)服務器進行處理，而券商所涉及處理的(de)是高(gao)度敏感和機(ji)密的(de)數據(ju)(ju)(ju)，數據(ju)(ju)(ju)安(an)全成為(wei)一個關注(zhu)的(de)焦點。此外，許多證(zheng)(zheng)券公司的(de)數據(ju)(ju)(ju)治(zhi)理體系尚未完全建立或(huo)優化，這意味著數據(ju)(ju)(ju)可能(neng)存在分(fen)(fen)散、不(bu)一致或(huo)質量不(bu)高(gao)的(de)問(wen)題。由于大型語言模型高(gao)度依賴數據(ju)(ju)(ju)的(de)質量和結構，這些問(wen)題可能(neng)導(dao)致模型性(xing)(xing)能(neng)不(bu)佳或(huo)產生誤導(dao)性(xing)(xing)的(de)輸(shu)出。

　　“證券行業涉及大(da)量敏感(gan)數據(ju)(ju)(ju)，包括客戶信(xin)息、交易數據(ju)(ju)(ju)等，在處(chu)理(li)數據(ju)(ju)(ju)時(shi)可(ke)能會泄露敏感(gan)信(xin)息。”國(guo)泰(tai)君安(an)表示(shi)，同時(shi)，金融(rong)行業數據(ju)(ju)(ju)具(ju)有復雜性和(he)多樣性，AI大(da)模(mo)型在訓(xun)練過程中可(ke)能出現(xian)過擬合現(xian)象(xiang)，同時(shi)存在AI大(da)模(mo)型幻(huan)覺問題，難以滿足金融(rong)行業對數據(ju)(ju)(ju)、內容(rong)準確性的高要求。

　　此(ci)外，證(zheng)券公司(si)IT穩定(ding)性(xing)要求與新(xin)(xin)技(ji)術(shu)(shu)日新(xin)(xin)月異變化之間存在矛盾。孟燦表示，證(zheng)券公司(si)信(xin)息系統的穩定(ding)性(xing)要求很高，將AI大模(mo)型集成(cheng)到證(zheng)券公司(si)現(xian)有的IT架(jia)構和(he)工作流程中可能遇到技(ji)術(shu)(shu)挑戰，包(bao)括系統兼(jian)容性(xing)問(wen)題(ti)、成(cheng)本問(wen)題(ti)和(he)合規性(xing)問(wen)題(ti)，而且新(xin)(xin)技(ji)術(shu)(shu)的引(yin)入也(ye)會干擾現(xian)有工作流程的穩定(ding)性(xing)和(he)效率。

　　國泰君安還強(qiang)調，AI大模(mo)型(xing)的(de)訓練和推(tui)理過程需要強(qiang)大的(de)計算資源作為(wei)支持。如果算力供應(ying)不(bu)足或不(bu)穩定，可能導致(zhi)模(mo)型(xing)訓練時間過長、推(tui)理速度過慢等問(wen)題(ti)，影響模(mo)型(xing)在實際應(ying)用中的(de)效(xiao)果。

　　加強數據治理

　　針對數(shu)(shu)(shu)據(ju)安(an)全(quan)風(feng)險(xian)，國泰君安(an)認為，需要加強(qiang)數(shu)(shu)(shu)據(ju)治理，明確數(shu)(shu)(shu)據(ju)源(yuan)的(de)范圍、目的(de)和用途，確保(bao)數(shu)(shu)(shu)據(ju)來(lai)源(yuan)合(he)法合(he)規，在數(shu)(shu)(shu)據(ju)全(quan)流程(cheng)中確保(bao)數(shu)(shu)(shu)據(ju)的(de)安(an)全(quan)性(xing)和隱私性(xing)，防止數(shu)(shu)(shu)據(ju)泄露和濫用。準確性(xing)方面，可結合(he)訓(xun)練微(wei)調，并通過加強(qiang)合(he)規監測等方式(shi)規避AI大(da)模型幻覺所帶來(lai)的(de)相(xiang)關問(wen)題。

　　孟燦認為，券商(shang)需不斷夯實數(shu)字技術(shu)應(ying)用的安全基礎：制定(ding)應(ying)急處置預(yu)案，常態化開(kai)展應(ying)急演練，及時有效處置突發事(shi)件；深入研究(jiu)開(kai)源(yuan)(yuan)軟件治理，建立健全開(kai)源(yuan)(yuan)軟件評估體系，妥善(shan)應(ying)對開(kai)源(yuan)(yuan)風(feng)(feng)險；建設行業網絡和信息安全態勢(shi)感知平臺(tai)，防范化解數(shu)據隱(yin)私和安全風(feng)(feng)險。

　　為(wei)解決AI大模型(xing)的(de)(de)合(he)規性、安全性等問題，國金證(zheng)(zheng)券原創性地提出“AI友(you)好”型(xing)組織以及“AI友(you)好”業(ye)務流(liu)、數據流(liu)的(de)(de)設計理念(nian)，如可(ke)重復驗(yan)證(zheng)(zheng)的(de)(de)場(chang)景，包括合(he)同是否符合(he)某些(xie)合(he)規性要求、身份證(zheng)(zheng)和人臉識別、軟件運行(xing)是否符合(he)預期，這類場(chang)景的(de)(de)追求目標是將暫且只能由人工執(zhi)行(xing)的(de)(de)流(liu)程，通(tong)過(guo)(guo)“AI友(you)好”設計為(wei)“AI可(ke)重復驗(yan)證(zheng)(zheng)”，通(tong)過(guo)(guo)自動化執(zhi)行(xing)不(bu)斷提升(sheng)AI的(de)(de)應用(yong)力度。

　　國泰君安也多措并舉(ju)建(jian)(jian)立輸(shu)出(chu)內(nei)容的可(ke)控技(ji)術架構(gou)(gou)，實(shi)(shi)(shi)現內(nei)容的可(ke)信、可(ke)控輸(shu)出(chu)。包括建(jian)(jian)立可(ke)信的輸(shu)出(chu)內(nei)容倉庫，賦能AI大(da)模(mo)型(xing)可(ke)信數(shu)(shu)據源(yuan)；AI大(da)模(mo)型(xing)與小模(mo)型(xing)結(jie)(jie)合，并輔以Agent平臺(tai)和(he)實(shi)(shi)(shi)時API接口，控制AI大(da)模(mo)型(xing)結(jie)(jie)構(gou)(gou)化(hua)輸(shu)出(chu)；建(jian)(jian)設AI大(da)模(mo)型(xing)對結(jie)(jie)構(gou)(gou)化(hua)、非結(jie)(jie)構(gou)(gou)化(hua)、半結(jie)(jie)構(gou)(gou)化(hua)數(shu)(shu)據的統一支持(chi)，將(jiang)異構(gou)(gou)數(shu)(shu)據一體化(hua)一站式(shi)處理變成現實(shi)(shi)(shi)，實(shi)(shi)(shi)現數(shu)(shu)據能力的全(quan)面提升。