近年来，随着数字经济的蓬勃发展，数据成为新型生产要素和国家基础性战略资源。数据要素因其在价值创造、资源配置、创新驱动以及社会治理中的关键作用被提到了空前重要的高度，为金融强国的建设提供了新的动力。在我国“数据要素×”行动规划公布后，金融业深入推进数字化建设，加快数字化转型，围绕“有数、治数、用数”的目标，积极拥抱大模型等前沿技术，探索其落地应用，以充分激活数据要素潜能，推动金融服务乘“数”而上。

随着人工智能技术的不断突破，数智融合实现了技术与数据的高效链接、融合和共享，为金融业带来新的发展机遇，特别是以大模型为代表的数据驱动模型，推动了金融机构实现技术创新和业务升级。大模型作为人工智能模型，其数据处理能力不仅体现在对大量文本、图像或语音数据的训练和理解上，更在于其能够从海量数据中提炼出有价值的信息，为金融服务提供支持。对于金融机构而言，第一，大模型被用于市场分析和决策支持。大模型通过对大量的新闻报道、社交媒体数据和市场数据进行分析，能够捕捉市场情绪和趋势，从而帮助金融机构预测市场走势、行业趋势和投资机会，并且制定更准确的资产配置策略，提高投资回报率。第二，大模型在风险管理中发挥着重要作用。金融机构可以利用这些模型对历史数据进行深度分析，从而更准确地评估信贷风险、市场风险和操作风险。对于客户而言，大模型被广泛应用于智能客服和智能投顾。大模型通过利用其自然语言理解和生成能力，能够回答客户的常见问题，执行基本的交易操作。第三，大模型还可以通过分析客户的账户信息、交易历史和投资偏好数据，为客户提供定制化的投资建议。

尽管大模型在金融业中的应用已经取得显著进展，但仍面临一些挑战。一是大模型对训练数据规模及基础算力的要求较高，应用成本仍非常高。二是随着数据的不断增加和复杂化，数据安全和隐私保护问题也日益突出。因此，针对大模型应用中的风险与不足采取以下防范对策。第一，建立健全的数字治理与监管体系。针对大模型在金融领域的应用制定和完善相关规章制度，以确保数据应用符合法规与道德要求。第二，促进金融与科技深度融合。金融机构应积极与科技企业展开紧密合作，双方应充分发挥各自优势，共同推动大模型在金融场景的落地实施。第三，加强跨领域复合型人才培养。培养“金融+人工智能”复合型人才，提高从业人员对人工智能技术的理解和应用能力，推动金融行业的持续发展和创新。

本期封面专题围绕“数据要素×金融服务：大模型的作用”，讨论了激活数据要素潜能、高质量数据能力建设对于增强国家金融实力的重要性，同时探索了大模型在提升金融服务效率方面的关键作用，以及所面临的挑战和未来发展潜力。未来，数智融合将数据和前沿科技有机结合，通过数据驱动决策和科技创新，为金融行业提供更加智能化、高效化的服务支撑。

（张晓燕为清华大学五道口金融学院副院长、金融学讲席教授。）