文章核心观点 - 金融行业对AI大模型的应用提出高门槛要求 主要集中在合规性与内容准确性两大核心需求 [1] - 行业通过“基础大模型+细分场景小模型”的螺旋式迭代路径 推动AI应用效果提升 [2] - 未来将持续聚焦合规与精准需求 优化智能体解决方案 助力金融行业数字化转型 [2] 金融行业对大模型的要求 - 合规性成为大模型落地的第一道门槛 源于金融行业极为严格的合规监管体系 [1] - 行业对输出内容准确性有更高要求 因其直接关联客户资产安全与权益 且大模型仍存在“幻觉”问题 [1] AI大模型在金融领域的应用路径 - 应用路径为螺旋式迭代 首先依托基础大模型（如腾讯云“混元”）提升能力 再针对不同领域细分场景训练专属小模型 [2] - 采用“小模型+大模型”组合 搭配工程化开发与串接 实现智能体的开发及部署上线 [2] - 迭代逻辑是以单个场景优化沉淀能力至基础大模型 进而提升其专业性以覆盖更多细分小众场景 [2] 金融细分领域的需求与解决方案 - 零售银行、企业金融、证券、保险等细分领域对大模型有差异化需求 [2] - 解决方案针对证券领域的投研、投顾、客服等细分场景 基于自研TI平台进行开发 [2] - 未来将为零售银行、证券、保险等全领域提供更贴合业务实际的智能化服务 [2]