金融行业数据智能论坛的成功举办，揭示了大模型赋能金融高质量发展的深远意义。肖仰华教授指出，大模型的核心在于数据工程，数据决定了大模型的实际价值。在金融这一严谨领域，大模型的落地关键在于提升其在专业领域的适应性和精确度，强化行业知识，以及解决“幻觉”问题，从而优化应用效果。
随着技术的加速演进，AGI（通用人工智能）成为了智能领域的核心革命。面对复杂、不确定、变化快速的世界，人类的认知能力已难以满足需求。因此，开发具备认知能力的机器成为必然趋势。强大的算力和高质量的数据是机器认知能力提升的关键，通用大模型因此成为先进生产力的代表，不仅在文本处理、图文设计、代码编写等方面展现出高效能，还能通过自动化方式完成规范化的重复性任务，大幅提高生产力。
通识能力的引入为金融业务注入了创新动力。过去，金融智能化往往局限于特定任务的解决方案，但通识能力的缺失限制了专业认知能力的发挥。通用大模型的出现，通过整合海量参数化的知识容器，通过激发与引导，实现了更深入和全面的分析与决策，填补了传统金融智能化中缺乏专业认知能力的空白。
金融行业智能化的未来正从传统的小模型、知识图谱驱动，转向大模型驱动的新型引擎。大模型的场景智能化，特别是针对标准化、规范化的场景，如“窗口型”岗位等，成为大模型落地试点的重要方向。同时，大模型具备的通识能力、任务分解与规划能力，能够有效协调传统IT系统，构建统一的智能门户，优化用户体验并推动企业运营模式的高效化。
随着数据量的爆炸性增长，数据管理和分析的效率与准确性成为关注焦点。未来，机器和人工智能技术将取代人力，高效管理与活化数据，从而提高效率和准确性。自然语言交互的兴起，使得普通人也能通过自然语言访问和操作数据，对各行各业产生深远影响。
金融行业的智能化研究路径清晰，已步入通识教育阶段，通用大模型的出现标志着机器在通识能力方面达到了一定水平。接下来的关键是通过领域知识的打磨，增强大模型的专业性，实现其在行业领域的有效落地。未来，金融行业需聚焦提升大模型在专业领域的适应性和精确度，探索如何有效利用私域数据，实现价值创造。
在金融行业，大模型成为推动智能决策的关键工具。系统性增强的大模型行业知识，可以缓解“幻觉”问题，提升事实和逻辑正确性，优化应用效果。通过增强大模型的能力、评测，以及结合使用大模型与小模型的互补优势，金融机构可以解决复杂问题并创造新价值。
作为领先的全域数据服务商，爱数基于AnyDATA Framework 3推出的领域认知智能架构，利用大模型中立提供安全、经济的领域认知智能能力。通过优化大模型和检索增强生成技术，整合金融行业结构化与非结构化数据，融合大模型与领域知识网络，为金融特定场景和领域提供理解、推理、归纳等认知能力。未来，爱数将持续围绕DATA+AI，加速金融科技创新，推动行业智能化发展。
