度小满CEO朱光：金融大模型发展要“向下看”和“向上看”

度小满CEO朱光提出金融大模型发展需兼顾“向下看”与“向上看”，强调业务与技术的双向融合以推动产业落地。具体分析如下：“向下看”：业务需深入理解技术底层逻辑朱光指出，金融行业在应用大模型时，业务端需主动探索底层技术原理与框架。例如，金融机构需明确大模型如何通过数据训练、算法优化实现风险评估、智能投顾等核心功能，而非仅停留在表面应用。通过理解技术边界（如模型可解释性、数据隐私保护），业务人员可更精准地定义问题场景，例如将信贷审批中的反欺诈需求转化为模型可处理的特征工程任务，从而避免技术滥用或误用。“向上看”：技术需深度融合行业场景与数据朱光强调，技术端需以业务需求为导向，推动通用大模型向垂直领域演进。具体而言，需通过三方面实现：行业数据沉淀：金融领域拥有海量结构化数据（如交易记录、征信报告）和非结构化数据（如合同文本、客服对话），需构建高质量行业数据集以优化模型性能。场景化微调：针对不同业务场景（如零售银行、财富管理、保险理赔）对模型进行参数调整，例如在财富管理场景中强化市场趋势预测能力，在保险场景中提升理赔材料识别准确率。业务需求闭环：建立“需求提出-模型开发-效果验证-迭代优化”的反馈机制，例如通过A/B测试对比传统规则引擎与大模型决策的效率差异，持续优化模型输出。双向融合的实践意义朱光以度小满的实践为例，说明“向下看”与“向上看”的结合可加速技术落地。例如，在智能客服场景中：业务端：通过分析用户咨询高频问题（如利率调整、还款方式），明确模型需优先解决的痛点；技术端：基于行业语料库训练金融垂直领域大模型，并接入核心业务系统，实现从问题理解到答案生成的自动化流程。最终，该方案使客服响应效率提升60%，问题解决率提高35%，验证了双向融合的有效性。产业价值创造需长期投入朱光提醒，大模型趋势并非短期风口，其产业价值创造依赖技术、数据、场景、合规四方面的持续投入：技术层面：需突破多模态交互、长文本处理等能力瓶颈；数据层面：需解决数据孤岛问题，建立跨机构数据共享机制；场景层面：需探索高价值场景（如跨境支付、绿色金融）的深度应用；合规层面：需满足金融监管要求（如算法审计、模型备案），确保技术可控性。度小满已宣布未来五年将加大金融垂类大模型研发投入，并与浦发银行、平安银行等机构合作共建生态，推动行业标准化建设。总结：朱光的观点揭示了金融大模型发展的核心逻辑——业务理解技术本质以精准定义问题，技术扎根行业场景以创造实际价值。这一思路为金融机构提供了可落地的路径，即通过“业务-技术”双轮驱动，突破大模型从实验室到产业应用的“最后一公里”。