此次峰会将邀请众多业内人士围绕数据要素等前沿话题建言献策，金融行业数据分析也是重点关注议题。金融行业在业务开展过程中产生了大量的客户数据以及交易数据，一方面，数据的有效利用可以帮助金融机构更好的服务客户，但另一方面，如何安全使用数据以及如何保护客户隐私也是金融行业需要优先解决的重要问题。
那么，在金融行业开展业务过程中，如何高效利用所产生的数据？在此过程中，如何保障数据安全并且合法合规？另外，人工智能大模型如何真正在金融行业落地并创造价值？围绕上述问题，财联社专访此次参会嘉宾，格灵深瞳副总裁罗楷。
财联社：金融业务的开展对数据有着大量的需求，对此，你认为如何帮助金融机构可以高效获取有价值的数据？
罗楷：以银行为例，银行最具价值的数据来源于其业务本身，海量的交易数据、客户数据、音频数据以及视频数据都是宝贵的财富。实际上，银行各种数字化的进程都是通过挖掘数据反映到各个领域进行创新，例如反欺诈业务、客户营销业务、安防业务以及内部防控业务，都需要从银行内部的海量数据中提取相应的内容。但这些数据并不容易使用，即使在银行内部，相关研发部门可能也需要相当长的时间才能获得数据使用权。并且这些数据并非可以直接使用，需要经过数据的治理和清洗，这是银行内部最具价值的核心数据。
此外，我们在预训练大模型时，并非直接使用银行内部的数据，而是先使用互联网上的海量数据做预训练模型，从而达到更好的效果。因此如何把海量的互联网数据做成优质的预训练模型也是其中的一个方向。
同时，我们看到银行实际的业务端，例如惠农贷业务，银行对客户资产的认定是业务开展的痛点。通过银行内部或现场勘察，并不能详细了解客户的真实资产情况，因此，来源于政府的第三方接口的数据对于银行数字化的业务开展非常重要。随着数字化转型逐渐成熟，银行可以得到更多和征信、资产相关的数据。
财联社：数据安全是开展数字化业务的重要前提，金融行业对此更加重视，你认为如何保障在数据使用过程中的安全问题？
罗楷：对于银行数据如何安全使用是首先要解决的重要问题，我们的业务需要海量的银行数据，但这些数据并不能从银行拿出来使用。因此，我们给银行构建了整个私有化训练平台，把格灵深瞳的训练服务平台全部搬到银行内部，从银行内部完成数据采集和数据标注、对模型的训练、发布、测试以及模型最后的上线应用。
最基础的逻辑就是要让数据不走出银行的范围，并且在此基础上，我们使用的数据一定是脱敏的。同时对于数据存放的位置以及数据的访问权限都是数据安全的关键。
除银行内部的规则之外，还要遵守国家的法律了，例如隐私法规定的哪些数据不能用，即便是在银行内部也一定要准确区分。
财联社：在金融领域，格灵深瞳搭建了行为分析大模型，目前有何进展？
罗楷：通过新的大模型架构训练出的行为识别系列应用达到了真正的大规模泛化场景下，90%以上各类行为的识别。
以银行场景为例，我们在安防方面做了很多相关行为分析。例如在银行的自助服务区，可能会发生客户摔倒事件，可能是因为生病摔倒，也有可能是因为恶性事件。因此我们将在银行可能发生的风险行为做成相应大模型的内容。
此外，大模型还可以帮助银行进行内部的合规管理。例如在银行柜台，工作人员对客户服务的过程中，对于工作人员有很多规范要求。
银行后台的运营也对行为识别存在着需求，在运钞车进入银行时对钞箱的管控以及进入金库中各个区域的行为监控等。
今年处于大模型行为识别从建设到规模化的阶段，目前已完成场景试验、技术论证并实现落地应用。公司在计算机视觉基础上探索并拓展多模态技术，未来将融合自研的自然语言处理及自动语音识别等技术，充分赋能银行客户智能化场景应用。公司自主研发设计的智能化产品已覆盖上万家银行网点，包含智能安保、智能运营、智能风控等多个金融业务场景。然而，让传统的人工安防到人工智能与人协同开展安防工作需要一些银行内部的规则层面上的修改，目前我们正和银行共同推进人工智能与人协同的新型工作模式落地。最终将这一模式全面规模化，融入到政策中形成新的政策法规，成为银行工作中必不可少的关节，预计还需要一段时间。
财联社：下一步，格灵深瞳将有哪些研发投资或布局？你怎么看待刚刚发布的三季报？
罗楷：下一步将要把银行领域的人工智能产品做得更扎实，帮助银行客户用AI更好地优化和解决工作遇到的问题。经过前几年的布局，希望在今年或明年产生规模化的成果，并且未来将成果复制到其他相关领域的客户业务中。
另外，受主要客户续约节奏和要求影响导致新订单延迟，以及研发投入增加，因此第三季度的财报数据出现了一些波动。不过，公司目前已经与上述主要客户完成了续约，并在各应用场景中有序推进产品研发和业务拓展进程，持续做深做实。未来会进一步加强多模态能力建设和标准化产品化战略执行，满足更广泛的客户需求，合理控制成本费用，开源节流，争取早日恢复营收增长和盈利，实现高质量发展。
