李礼辉：构建可信任的数字金融

主要观点总结

文章主要讨论了中国在大模型领域的突破性进展，包括DeepSeek等大模型在全球评比中的表现，以及算法创新和高端芯片自主化的重要性。同时，文章也指出了生成式AI和推理式AI存在的安全风险、模型幻觉、解释性难题以及智能体网络攻击等技术陷阱。对于金融领域，可信任的数字金融应具备模型可信、解释性强、安全防护能力高等特性。文章还提出了金融业应采用行业级垂直模型与企业级垂直模型融合发展的技术路线，共建数字金融生态圈。最后，文章强调了数字金融创新必须统筹安全和效率，实现模型的可信任性。

关键观点总结

关键观点1: 中国在大模型领域的突破性进展

包括DeepSeek、通义等大模型在全球评比中表现优异，算法创新和高端芯片自主化显示出独特竞争力。

关键观点2: 生成式AI和推理式AI的技术陷阱

存在安全风险、模型幻觉、解释性难题以及智能体网络攻击等问题，其中安全风险包括无鉴权机制、数据窃取和恶意攻击等。

关键观点3: 可信任的数字金融的特性

应具备模型可信、解释性强、安全防护能力高等特性，并需要明确金融智能体的法律地位、行为边界和责任关系。

关键观点4: 金融业的技术路线

应采用行业级垂直模型与企业级垂直模型融合发展的技术路线，支持科技企业与金融机构深度合作，共建数字金融生态圈。

关键观点5: 数字金融创新的挑战与目标

金融是安全性和可信度要求近乎苛刻的行业，数字金融创新必须统筹安全和效率，实现模型的可信任性。

免责声明