腾讯新闻《一线》 作者 祝玉婷 编辑 刘鹏
伴随大模型技术的飞速发展，全球人工智能技术发展和应用迭代速度都得到了极大提升，大模型技术也被认为是通用人工智能技术的核心引擎。
大模型下一步往何处去？在近日举办的微众媒体学院系列活动上，微众银行指出了其在金融行业应用的方向。微众银行首席人工智能官杨强介绍，AI Agent（智能体）是大模型面向应用端发展的下一阶段，其基于大模型的通用能力，并结合相关领域知识适应不同场景需求。
他表示，Agent如果做出来，通过思维链也可以来解决很多大模型不能攻克的问题，比如一些简单的数学。
杨强表示，微众银行在探索中，自研的生成式AI技术能解决大模型幻觉（大模型在生成内容时产生错误或误导性结果）等技术难点，已被应用于客服、营销、质检、反欺诈、科技金融等业务场景。
“我们把这一整套的解决方案，全部打包成Agent就形成一个Agent Store。”杨强进一步分享：它已经形成一个矩阵，适用于各类业务场景的应用矩阵。
杨强表示，这个生成式的Agent Store既能赋能金融企业，又能赋能科技企业。
“当数据快用尽，我们面临数据缺乏问题的时候，会出现一个概念叫联邦大模型，这是个分布式的概念，它会利用大量算力，大量数据和大量的电力来做训练。”杨强在演讲中进一步引出“联邦大模型”的概念。
据杨强透露，目前，微众银行已经在联邦大模型领域进行了诸多研究与探索，将最新研究成果陆续开源发布于联邦大模型开源框架FATE-LLM。
澜舟科技合伙人、联席CEO李京梅在演讲时表示，人工智能从只能做单个任务的专用模型的AI 1.0时代，到一个通用模型做广泛任务的AI 2.0时代，最终走向通用人工智能（AGI）。
“人工智能也从感知智能走向认知智能，再到生成智能及决策智能。”她指出，随着AI能力越来越强，其开发和使用越来越简单，结果也越来越可控。同时，AI产业具备广阔潜力，大模型的产业落地应用才刚刚开始，随着各个领域的产业升级对人工智能的需求不断增强，未来的渗透率还将进一步增加。
据业内专家表示，当前大模型技术在发展应用中显现出了三方面挑战：
一是从算力角度，大模型的训练过程中需要庞大的硬件算力资源支撑，大模型参数规模呈持续扩张趋势，对算力提出了更高要求；
二是从算法角度，大模型生成内容可能存在安全风险，同时广泛存在隐形偏见的可能性；
三从数据角度，近年来各项法律法规对私域数据的使用有“数据可用不可见”的要求，在医疗、金融等行业都存在海量自治的高质量数据，但受限于隐私无法共享利用。
在大模型的实践应用中，金融行业由于具备数字化程度高、商业化应用场景潜在价值高等优势，成为了AI大模型落地应用的最佳场景之一。