划重点
01百融云创高级副总裁陈立宇在《财经》年会2025上表示，AI要与产业深度融合，需懂产业。
02陈立宇认为，大模型将为财富管理带来两个革命性变化：人机交互方式的根本性变革和供给侧的极大改善。
03然而，陈立宇指出，大模型在金融行业应用仍面临三个挑战：人的问题、成本问题和定制化问题。
04为此，陈立宇建议金融机构与生态圈融合，共同完成财富管理生态的建设。
以上内容由腾讯混元大模型生成，仅供参考
由北京市通州区人民政府指导，《财经》杂志、财经网、《财经智库》主办的“《财经》年会2025：预测与战略暨2024全球财富管理论坛”12月13日至15日在北京举行。12月14日，百融云创高级副总裁陈立宇在论坛上表示，AI要和产业深度融合，就要懂产业。百融云创基于多模态技术的大语言模型服务于金融垂直领域，很好地解决了财富管理供给侧的问题。以客户为中心构建完善的财富管理生态，需要有专业的投顾通过持续私域沟通与客户建立长期信任，建立一支专业的投顾队伍是比较难的，一个好的投顾要懂金融、懂产品，有专业能力，还要懂人性懂表达，察言观色抓得住恰当的时机。有了大模型之后，我们可以把大模型融入到投顾的workflow里，在投顾的workflow里直接完成投顾服务，这样可以无限扩大投顾供给，而且AI投顾的成本很低。今天AI还做不到每个领域最顶级的个人，但它能给你搞出10万个100万个能打80分的供给侧，专业投顾。这对于金融机构来说就是一个非常大的价值，可以解决很多痛点，包括覆盖面、专业度啊、投顾投教陪伴，市场波动时对客户进行情绪的抚慰，几个维度上都会产生巨大的价值。
百融云创高级副总裁 陈立宇
陈立宇表示，大语言模型会为财富管理带来两个革命性变化。
第一是人机交互方式的根本性变革。他介绍，过去金融机构的APP都是触摸式的，日活低，是因为它只能解决一些交易和产品购买，这些交易和产品都是低频的，但是客户的金融需求是多方位的，而不仅仅只是产品和交易问题，APP目前的交互方式很难处理这些问题，基于自然语言的人机交互就能很好理解并回应客户的各种需求，先发者一定能引爆眼球，成为杀手级应用。
第二，供给侧的极大改善。陈立宇指出，要建立和完善以客户为中心的财富管理生态，就要有专业的投顾通过持续私域沟通与客户建立长期信任，专业的投顾队伍建设就成为瓶颈，专业的投顾数量少，也很难培养，这也是为什么财富管理目前只服务到高净值人群的原因。一个好的投顾要懂金融、懂产品，有专业能力，还要懂人性懂表达，察言观色抓得住恰当的时机，这不是光靠培训能解决的，还需要有多年的经验的积累。有了大模型之后，我们可以把资深投顾的经验做拆分，按客户旅程的不同阶段设计不同类别的SOP，把大模型嵌入到workflow里，在投顾的workflow里直接完成投顾服务，这样就可以无限扩大投顾供给。今天AI还做不到每个领域最顶级的个人，但它能给你搞出10万个100万个能打80分的供给侧，专业投顾。过去AI之所以没有产生大的价值，是因为不够智能，靠关键词，要穷尽，要严格匹配，否则识别不了客户意图，不能很好交互，大模型就很好的解决这个问题，客户的问题可能一句话里有几个词是错的，是重复的甚至是相反的，他也能理解 ，但传统的AI就不行。AI投顾只要能够达到优秀的投顾百分之七十到八十的水平，那那对于金融机构来说就是一个非常大的价值，可以解决我们很多痛点了，包括覆盖面、专业度啊、投顾投教陪伴，在市场波动时提供情绪抚慰几个维度上都会有一个特别大的提升。
与此同时，陈立宇还强调，大模型进入到金融行业真正场景去应用，路程还比较长，仍然存在三个方面的挑战。
第一个挑战是人的问题。金融机构都不缺技术专家，但要让大模型适应场景的应用，还要懂算法、懂流程，能将金融业务拆分成不同的SOP，在跟客户或者业务员工不断交互过程中，对模型进行微调，进行标注，进行巡检，这个工作量和专业程度是很有挑战性的，这需要一个很专业的团队才能完成。
第二个是成本的问题，建设大模型的时候预训练成本就很高，使用过程中每问一个问题是要推理的，推理是要花钱的，还有知识库的更新，各类场景的内容生产、巡检和标注，也是一个很大的工作量。特别对于中小金融机构来讲，承担这些成本还是有压力的。
第三个是定制化的问题，大模型与金融行业做深度融合，中间还需要有企业级的智能体平台，能快速地进行工作流的编排，要深入地理解金融专业术语和业务，而且生成的内容要可追溯、可监控。
他还强调，金融业务的要求是非常高的，内容一定要准。真正让大模型与客户进行交互，最重要的一点是要讲人话，它要像一个投资顾问那样理解客户的意图，并且有自己的观点，这都是很难的。
以下为部分发言实录：
陈立宇：中央经济工作会提出来要开展AI+行动，推动AI和各行各业的深度融合，促进各产业的转型升级，百融在AI和金融行业深度融合方面已经有了很多的实践和案例。百融云创是一家在香港上市的金融AI科技公司。2017年我们就已经开始了语言交互大模型的研发，将基于多模态技术的语言交互大模型用于金融垂直领域，去年我们促成了超过550亿金融资产的交易，每天有7000多万通语音交互，有超过20多万个AI Agent并发服务。
具体到财富管理行业，我们认为大语言模型会带来两个革命性变化：第一，人机交互方式的根本性变革。大家都知道，过去金融机构的APP都是触摸式的。在这个APP上，很多客户可能很难找到他想要的活动、产品或者服务。现在有一些金融机构，已经开始研发基于自然语言的人机交互的APP，如果研发成功将会带来革命性变革。金融APP日活很低，原因是客户在金融机构APP上的行为主要是交易和产品购买，这种交易和产品的购买是低频的，但其实客户是有多方面需求的，这种需求基于现有的APP人机交互方式是很难得到响应的。如果通过大模型AI技术实现自然语言的人机交互，就会很好地理解客户的真实需求，对客户的需求及时进行反馈，我相信这种APP未来一定是杀手级的应用。
第二，财富管理供给侧的变革。大家都在讲要以客户为中心完善财富管理生态，这就需要有一个专业的投顾团队去支撑，投顾都是通过私域和客户沟通建立长期的信任。但这个专业的投顾是非常非常难培养的，它需要懂金融、懂产品，又需要懂人性会表达，察言观色及时响应，这对人能力的要求是非常非常高的，所以为什么我们现在财富管理只能服务到高净值用户。我们现在可以通过大模型，把资深投顾的经验做拆分，按客户旅程的不同阶段设计不同类别的SOP，把大模型融入到workflow里，在投顾的workflow里直接完成投顾服务，这样就可以无限扩大投顾供给。今天AI还做不到每个领域最顶级的个人，但它能给你搞出10万个100万个能打80分的供给侧，专业投顾。
我们金融机构在针对中长尾客户服务的过程中有一个很重要的问题，就是我们没有很好的方式去触达这些用户，原因是没有人，之前的AI无法很好地理解客户的意图，及时响应客户的需求，有了大模型之后就能很好的解决这个问题。
百融的大模型前段时间在参加香港证券和期货资格考试中打了90分，在参加国内的基金从业资格考试，三门课平均超过85分。我原来也在银行工作过，银行的从业人员去考这个，通过率是比较低的，能打60多分就已经很不错了，但是大模型能打到85分以上，证券投资基础知识能打到90分，专业性非常强。
让大模型到金融行业真实场景去应用，产生业务价值，还是有一些挑战的。第一个就是人才，金融机构不缺技术专家，但又懂大模型技术和算法，还了解金融各类业务及流程，能搭建各类业务的SOP，用各种语料训练AI模型，这样的人凤毛麟角，导致大模型往往成为好玩的玩具，很难真正在业务中产生价值。第二个是成本，建设大模型的时候预训练成本就很高，使用过程中每问一个问题是要推理的，推理是要花钱的，还有知识库的更新，各类场景的内容生产、巡检和标注，也是一个很大的工作量。特别是对于中小金融机构来讲，承担这些成本还是有挑战的。
第三是定制化的问题，市面上的通用大模型确实能帮你快速搭建一些简单的场景，但复杂专业的场景就力不从心，准确率不高。它需要很深入地理解金融专业术语和业务，需要深度打磨业务场景，搭建业务流程的SOP，持续对进行模型微调，把工作流，Work flow, 去做详细的拆分，只有这样的话，大模型才真正的能在场景当中落地。这就需要有企业级智能体平台去快速创设企业自己的智能体，它要能快速地对工作流进行编排，通过知识库解析的方式准确地对金融专业的知识和流程进行解析。金融业务的要求是非常高的，一定要准，现在的通用大模型基本上能做到80%的准确率，但在金融行业一定要达到95%甚至99%，而且生成的内容要可追溯、可监控，不能有幻觉。
如果我们真正让大模型与客户进行交互，最重要的一点是要讲人话，我们在跟大模型聊天的时候，大家会感觉到它没观点，它会跟你讲12345678，它不会像一个投资顾问那样告诉你现在的市场是什么样子，未来大概是什么样子，它要集合很多地知识进行推理，还不能有太多的延时，语音语调还要像真人，挑战是非常多的。
我们在金融行业有非常深厚的行业知识积累，积累了大量的语料和内容，来训练我们的金融大模型，希望未来能够更好帮助到金融行业转型升级，也希望多跟大家交流讨论。
陈立宇：刚才讲到AI要和产业深度融合，首先你要懂产业，你要有大量的产业里的参数才能训练你的AI。很多人讲AI是起到一个辅助性的作用，我们不一样，我们的AI是直接帮助金融机构最后促成金融资产的交易。基于这一点，我们要给它很好的训练。这里两个比较大的场景，一个是人工外呼，一个是企微。很多大的金融机构有将近上万个坐席，一个坐席一年的成本十多万，他只能做一些简单的标准化产品的销售，这些坐席是很容易被AI替代的，我们现在用AI给金融机构做金融资产的交易，成本只有一个坐席1/10左右，这样的话会极大扩大金融服务的覆盖面、专业度、财富管理的投教、陪伴、投顾。市场出现波动的时候要对客户进行心理情绪的辅导，其实都是可以通过AI完成的，我们现在就正在做这个事情。我们是怎么做的呢，我们是拿销冠的能力去训练我们的AI，我们的AI能达到销冠大概百分之六七十的水平，但是这个销冠的水平是普通坐席的2-3倍，我们现在的AI已经超过了普通坐席的能力，这样的话我相信金融机构会极大地实现降本增效，这是第一个场景。
还有很重要的一个场景是企微。财富这种领域有很大的痛点，需要有人通过私域跟客户进行沟通，建立长期的信任关系，现在的企微都是简单的给你推个内容推个消息，通知你有个直播，它很难像人一样用微信聊天，为什么，我们很难找到那么多专业人员运营企微，像人一样通过微信沟通，这个可以通过大模型来做，我们正在跟一家券商在做这个事，我们帮助他的员工去做企微的运营。为什么企微运营效果不好，第一是运营人员的专业能力不够，大模型特别是金融垂直大模型能很好的解决。第二他要会唠嗑，他要愿意说话，我们现在的很多企微运营人员简单地把总行发给他的素材推出去就完事，他不爱聊天，你得会聊天，而且它能服务上万个客户，跟上万个客户聊天，这两个场景都是金融机构很大的痛点，也是我们现在正在用AI解决的，谢谢。
袁雪：还是在服务方面，一个是覆盖面、专业度，以及拟人化方面。
陈立宇：解决AI人才问题。
陈立宇：我们是直接拿AI对客交结果的，我们对这点体会还挺深的，有两个办法，第一，要让AI跟产业融合，就要有IT，要有算法，还要有业务，很难找到一个人什么都懂，一定是个团队作战。要把所有的业务变成流程，业务流程化。在每个业务流程上一定要有一个标准的SOP，把最懂这个业务的人的行为做成SOP，在他每一个行为上，所有的动作进行分解拆分，去训练模型，一定是个团队作战，靠几个人或者某一个人是不可能的。
还有一个办法是和生态圈的融合，财富管理生态一定是合作的生态，不一定每个机构把所有的事情做完，可以跟生态中的各种合作伙伴一起把这个事情做成。