百融雲創陳立宇：大模型AI將在財富管理生態中產生巨大的價值

由北京市通州區人民政府指導，《財經》雜誌、財經網、《財經智庫》主辦的「《財經》年會2025：預測與戰略暨2024全球財富管理論壇」12月13日至15日在北京舉行。12月14日，百融雲創高級副總裁陳立宇在論壇上表示，AI要和產業深度融合，就要懂產業。百融雲創基於多模態技術的大語言模型服務於金融垂直領域，很好地解決了財富管理供給側的問題。以客户為中心構建完善的財富管理生態，需要有專業的投顧通過持續私域溝通與客户建立長期信任，建立一支專業的投顧隊伍是比較難的，一個好的投顧要懂金融、懂產品，有專業能力，還要懂人性懂表達，察言觀色抓得住恰當的時機。有了大模型之后，我們可以把大模型融入到投顧的workflow里，在投顧的workflow里直接完成投顧服務，這樣可以無限擴大投顧供給，而且AI投顧的成本很低。今天AI還做不到每個領域最頂級的個人，但它能給你搞出10萬個100萬個能打80分的供給側，專業投顧。這對於金融機構來説就是一個非常大的價值，可以解決很多痛點，包括覆蓋面、專業度啊、投顧投教陪伴，市場波動時對客户進行情緒的撫慰，幾個維度上都會產生巨大的價值。

陳立宇表示，大語言模型會為財富管理帶來兩個革命性變化。

第一是人機交互方式的根本性變革。他介紹，過去金融機構的APP都是觸摸式的，日活低，是因為它只能解決一些交易和產品購買，這些交易和產品都是低頻的，但是客户的金融需求是多方位的，而不僅僅只是產品和交易問題，APP目前的交互方式很難處理這些問題，基於自然語言的人機交互就能很好理解並回應客户的各種需求，先發者一定能引爆眼球，成為殺手級應用。

第二，供給側的極大改善。陳立宇指出，要建立和完善以客户為中心的財富管理生態，就要有專業的投顧通過持續私域溝通與客户建立長期信任，專業的投顧隊伍建設就成為瓶頸，專業的投顧數量少，也很難培養，這也是為什麼財富管理目前只服務到高淨值人羣的原因。一個好的投顧要懂金融、懂產品，有專業能力，還要懂人性懂表達，察言觀色抓得住恰當的時機，這不是光靠培訓能解決的，還需要有多年的經驗的積累。有了大模型之后，我們可以把資深投顧的經驗做拆分，按客户旅程的不同階段設計不同類別的SOP，把大模型嵌入到workflow里，在投顧的workflow里直接完成投顧服務，這樣就可以無限擴大投顧供給。今天AI還做不到每個領域最頂級的個人，但它能給你搞出10萬個100萬個能打80分的供給側，專業投顧。過去AI之所以沒有產生大的價值，是因為不夠智能，靠關鍵詞，要窮盡，要嚴格匹配，否則識別不了客户意圖，不能很好交互，大模型就很好的解決這個問題，客户的問題可能一句話里有幾個詞是錯的，是重複的甚至是相反的，他也能理解 ，但傳統的AI就不行。AI投顧只要能夠達到優秀的投顧百分之七十到八十的水平，那那對於金融機構來説就是一個非常大的價值，可以解決我們很多痛點了，包括覆蓋面、專業度啊、投顧投教陪伴，在市場波動時提供情緒撫慰幾個維度上都會有一個特別大的提升。

與此同時，陳立宇還強調，大模型進入到金融行業真正場景去應用，路程還比較長，仍然存在三個方面的挑戰。

第一個挑戰是人的問題。金融機構都不缺技術專家，但要讓大模型適應場景的應用，還要懂算法、懂流程，能將金融業務拆分成不同的SOP，在跟客户或者業務員工不斷交互過程中，對模型進行微調，進行標註，進行巡檢，這個工作量和專業程度是很有挑戰性的，這需要一個很專業的團隊才能完成。

第二個是成本的問題，建設大模型的時候預訓練成本就很高，使用過程中每問一個問題是要推理的，推理是要花錢的，還有知識庫的更新，各類場景的內容生產、巡檢和標註，也是一個很大的工作量。特別對於中小金融機構來講，承擔這些成本還是有壓力的。

第三個是定製化的問題，大模型與金融行業做深度融合，中間還需要有企業級的智能體平臺，能快速地進行工作流的編排，要深入地理解金融專業術語和業務，而且生成的內容要可追溯、可監控。

他還強調，金融業務的要求是非常高的，內容一定要準。真正讓大模型與客户進行交互，最重要的一點是要講人話，它要像一個投資顧問那樣理解客户的意圖，並且有自己的觀點，這都是很難的。

以下為部分發言實錄：

陳立宇：中央經濟工作會提出來要開展AI+行動，推動AI和各行各業的深度融合，促進各產業的轉型升級，百融在AI和金融行業深度融合方面已經有了很多的實踐和案例。百融雲創是一家在香港上市的金融AI科技公司。2017年我們就已經開始了語言交互大模型的研發，將基於多模態技術的語言交互大模型用於金融垂直領域，去年我們促成了超過550億金融資產的交易，每天有7000多萬通語音交互，有超過20多萬個AI Agent併發服務。

具體到財富管理行業，我們認為大語言模型會帶來兩個革命性變化：第一，人機交互方式的根本性變革。大家都知道，過去金融機構的APP都是觸摸式的。在這個APP上，很多客户可能很難找到他想要的活動、產品或者服務。現在有一些金融機構，已經開始研發基於自然語言的人機交互的APP，如果研發成功將會帶來革命性變革。金融APP日活很低，原因是客户在金融機構APP上的行為主要是交易和產品購買，這種交易和產品的購買是低頻的，但其實客户是有多方面需求的，這種需求基於現有的APP人機交互方式是很難得到響應的。如果通過大模型AI技術實現自然語言的人機交互，就會很好地理解客户的真實需求，對客户的需求及時進行反饋，我相信這種APP未來一定是殺手級的應用。

第二，財富管理供給側的變革。大家都在講要以客户為中心完善財富管理生態，這就需要有一個專業的投顧團隊去支撐，投顧都是通過私域和客户溝通建立長期的信任。但這個專業的投顧是非常非常難培養的，它需要懂金融、懂產品，又需要懂人性會表達，察言觀色及時響應，這對人能力的要求是非常非常高的，所以為什麼我們現在財富管理只能服務到高淨值用户。我們現在可以通過大模型，把資深投顧的經驗做拆分，按客户旅程的不同階段設計不同類別的SOP，把大模型融入到workflow里，在投顧的workflow里直接完成投顧服務，這樣就可以無限擴大投顧供給。今天AI還做不到每個領域最頂級的個人，但它能給你搞出10萬個100萬個能打80分的供給側，專業投顧。

我們金融機構在針對中長尾客户服務的過程中有一個很重要的問題，就是我們沒有很好的方式去觸達這些用户，原因是沒有人，之前的AI無法很好地理解客户的意圖，及時響應客户的需求，有了大模型之后就能很好的解決這個問題。

百融的大模型前段時間在參加香港證券和期貨資格考試中打了90分，在參加國內的基金從業資格考試，三門課平均超過85分。我原來也在銀行工作過，銀行的從業人員去考這個，通過率是比較低的，能打60多分就已經很不錯了，但是大模型能打到85分以上，證券投資基礎知識能打到90分，專業性非常強。

讓大模型到金融行業真實場景去應用，產生業務價值，還是有一些挑戰的。第一個就是人才，金融機構不缺技術專家，但又懂大模型技術和算法，還了解金融各類業務及流程，能搭建各類業務的SOP，用各種語料訓練AI模型，這樣的人鳳毛麟角，導致大模型往往成為好玩的玩具，很難真正在業務中產生價值。第二個是成本，建設大模型的時候預訓練成本就很高，使用過程中每問一個問題是要推理的，推理是要花錢的，還有知識庫的更新，各類場景的內容生產、巡檢和標註，也是一個很大的工作量。特別是對於中小金融機構來講，承擔這些成本還是有挑戰的。

第三是定製化的問題，市面上的通用大模型確實能幫你快速搭建一些簡單的場景，但複雜專業的場景就力不從心，準確率不高。它需要很深入地理解金融專業術語和業務，需要深度打磨業務場景，搭建業務流程的SOP，持續對進行模型微調，把工作流，Work flow, 去做詳細的拆分，只有這樣的話，大模型才真正的能在場景當中落地。這就需要有企業級智能體平臺去快速創設企業自己的智能體，它要能快速地對工作流進行編排，通過知識庫解析的方式準確地對金融專業的知識和流程進行解析。金融業務的要求是非常高的，一定要準，現在的通用大模型基本上能做到80%的準確率，但在金融行業一定要達到95%甚至99%，而且生成的內容要可追溯、可監控，不能有幻覺。

如果我們真正讓大模型與客户進行交互，最重要的一點是要講人話，我們在跟大模型聊天的時候，大家會感覺到它沒觀點，它會跟你講12345678，它不會像一個投資顧問那樣告訴你現在的市場是什麼樣子，未來大概是什麼樣子，它要集合很多地知識進行推理，還不能有太多的延時，語音語調還要像真人，挑戰是非常多的。

我們在金融行業有非常深厚的行業知識積累，積累了大量的語料和內容，來訓練我們的金融大模型，希望未來能夠更好幫助到金融行業轉型升級，也希望多跟大家交流討論。

陳立宇：剛纔講到AI要和產業深度融合，首先你要懂產業，你要有大量的產業里的參數才能訓練你的AI。很多人講AI是起到一個輔助性的作用，我們不一樣，我們的AI是直接幫助金融機構最后促成金融資產的交易。基於這一點，我們要給它很好的訓練。這里兩個比較大的場景，一個是人工外呼，一個是企微。很多大的金融機構有將近上萬個坐席，一個坐席一年的成本十多萬，他只能做一些簡單的標準化產品的銷售，這些坐席是很容易被AI替代的，我們現在用AI給金融機構做金融資產的交易，成本只有一個坐席1/10左右，這樣的話會極大擴大金融服務的覆蓋面、專業度、財富管理的投教、陪伴、投顧。市場出現波動的時候要對客户進行心理情緒的輔導，其實都是可以通過AI完成的，我們現在就正在做這個事情。我們是怎麼做的呢，我們是拿銷冠的能力去訓練我們的AI，我們的AI能達到銷冠大概百分之六七十的水平，但是這個銷冠的水平是普通坐席的2-3倍，我們現在的AI已經超過了普通坐席的能力，這樣的話我相信金融機構會極大地實現降本增效，這是第一個場景。

還有很重要的一個場景是企微。財富這種領域有很大的痛點，需要有人通過私域跟客户進行溝通，建立長期的信任關係，現在的企微都是簡單的給你推個內容推個消息，通知你有個直播，它很難像人一樣用微信聊天，為什麼，我們很難找到那麼多專業人員運營企微，像人一樣通過微信溝通，這個可以通過大模型來做，我們正在跟一家券商在做這個事，我們幫助他的員工去做企微的運營。為什麼企微運營效果不好，第一是運營人員的專業能力不夠，大模型特別是金融垂直大模型能很好的解決。第二他要會嘮嗑，他要願意説話，我們現在的很多企微運營人員簡單地把總行發給他的素材推出去就完事，他不愛聊天，你得會聊天，而且它能服務上萬個客户，跟上萬個客户聊天，這兩個場景都是金融機構很大的痛點，也是我們現在正在用AI解決的，謝謝。

袁雪：還是在服務方面，一個是覆蓋面、專業度，以及擬人化方面。

陳立宇：解決AI人才問題。

陳立宇：我們是直接拿AI對客交結果的，我們對這點體會還挺深的，有兩個辦法，第一，要讓AI跟產業融合，就要有IT，要有算法，還要有業務，很難找到一個人什麼都懂，一定是個團隊作戰。要把所有的業務變成流程，業務流程化。在每個業務流程上一定要有一個標準的SOP，把最懂這個業務的人的行為做成SOP，在他每一個行為上，所有的動作進行分解拆分，去訓練模型，一定是個團隊作戰，靠幾個人或者某一個人是不可能的。

還有一個辦法是和生態圈的融合，財富管理生態一定是合作的生態，不一定每個機構把所有的事情做完，可以跟生態中的各種合作伙伴一起把這個事情做成。