当前，包括银行、保险、基金等金融机构已完成多类通用大模型的本地化部署。行业人士对记者称，大模型与专业知识库的结合是AI落地的未来趋势。

金融AI的知识基建：从通用到专属

具体看来，AI正逐步渗透金融领域，从风险管理到客户服务、从投资决策再到支付安全。

易方达投顾金融科技负责人刘玮对第一财经分析称，DeepSeek的出现令金融机构以更具成本效益的方式运用AI技术，也催生出更多智能化应用场景。金融机构积极跟进，纷纷完成多类通用大模型的本地化部署，也有越来越多基于专有数据与知识的领域模型及AI应用的创新。

那么AI在金融领域要实现精准应用，光DeepSeek就够了吗？

燕道数科CTO袁考明透露，以保险领域为例，大模型因缺乏专业级的精算数据和监管规则库，“AI幻觉”仍是不容忽视的问题。例如，在产品定价或条款解释中，AI可能生成不符合监管要求或实际情况的回答。那么在强监管、高精度的保险、以及整个金融行业，这一问题不仅影响决策效率还可能带来合规风险。

Vectara实验室最新测评显示，主流大模型DeepSeek-R1的幻觉率高达14%，而南都大数据研究院发布的《2024 AI风险白皮书》也提到，被记录的220起风险事件中，技术滥用（50%）、决策伦理争议（24%）与虚假信息传播（20%）构成三大风险集群，叠加数据泄露等安全隐患，折射出AI治理体系升级的迫切需求。

“站在投顾的角度，也要求在技术的使用上需要负责任地使用AI。”刘玮分析称，投顾机构应重视拥抱AI以降本增效，培养复合型人才，明确AI应用边界，强化数据保护，坚守买方立场。这要求从业人员要学习AI知识技能，提升合规意识，维护客户利益与隐私安全。

在法律层面，早在2023年8月，由网信办等七部门发布的《生成式人工智能服务管理暂行办法》（下称《办法》）正式施行，《办法》明确要求生成式AI服务提供者需建立数据合规、算法透明、生成内容管理等六大机制，随着《办法》的实施，中国AI产业的治理与规范化水平日益发展和成熟。

目前监管框架的完善正为行业划定边界。国家金融监督管理总局此前强调，AI应用需坚持技术中立原则，重点防范数据滥用与算法歧视。

数据资产待沉淀

随着生成式AI技术加速渗透各行业，数据资产沉淀与风险治理成为制约技术落地的核心挑战。

金融领域因其数据密度高、专业性强，暴露出大模型垂直行业数据供给不足的问题。

“当我们通过AI应用咨询金融问题的时候，即便接入DeepSeek等前沿大模型，回复的完整性和准确性往往都不尽如人意。”盈米基金相关负责人告诉记者，这并非源于模型本身推理能力的局限，而是金融领域专业数据的结构性缺失。

该上述负责人透露，该机构目前的应对措施是构建多元混合大模型技术底座，同时体系化梳理公司的数据资产，将前期积累的财富管理知识图谱转化为机器可读的知识库，通过API接口赋能AI模型训练，以期破解"金融大模型不金融"的行业困局。

燕道数科的解决方案也在“AI寿险工具”中采用了多模态混合引擎结合行业内部数据形成专有知识体系。“与专业数据库深度融合，能够准确理解保险领域的复杂逻辑。”袁考明称，此外还有整合保险产品知识、费率表、利率曲线及监管政策等全市场数据，构建动态知识库。以及分层多数据源混合存储策略，并结合专业领域模型微调，通过意图分析理解进行高效且精准的数据调用，减少无效计算，目前该解决方案已在多家寿险公司投入测试及应用。

“数据质量与知识含量，是发挥AI价值的关键前提。”安永大中华区科技咨询服务主管合伙人顾卿华此前对第一财经称，机构需通过数据要素的全生命周期管理、AI可信体系构建等措施，来厘清AI应用场景与建设路径。此外，拥抱AI的目标并不是替代人，而是让人类专注于决策创新与情感交互。

业内人士指出，未来AI破局需“数据+风控”双驱动，深化数据要素配置，构建全周期风控体系。随着监管完善，技术与伦理协同将成AI发展关键。