人工智能（AI）与金融的结合，已经不再仅仅是“技术赋能业务”的故事，而是“技术与业务深度融合”的现实。

2025年，是AI从实验室走向规模化应用这一过程中的关键一年。作为这一进程的深度参与者，我们清晰地看到：生成式大模型的突破，正推动AI从“单点试水”逐步走向“全流程融合”，从辅助工具变成为真正的价值引擎。但与此同时，一场关乎安全的重定义也已迫在眉睫。

一、融合：AI落地的三重进阶

多模态融合，实现感知升维

多模态不是简单叠加信息，而是通过融合文本、图像、语音、图谱等不同模态数据，实现对用户和场景的更立体刻画。以风控为例，信也融合人脸、声纹、行为序列等多维信息，结合自研的图异常检测与跨模态建模，构建了可自主演进的反欺诈体系。在特定欺诈识别中，准确率已达98.8%，召回率95.3%。

在交互层面，多模态技术正在重新定义服务体验。我们研发的新一代智能对话引擎，深度融合语音识别、自然语言理解与金融知识库，突破了传统语音交互的天花板。信也科技基于此打造的智能语音机器人Blu，已实现日均百万次服务，并支持从中英文到乌尔都语等六种语言，真正实现“规模化个性服务”。

大小模型协同，走向精准实用

大模型的优势在于通用理解与生成能力，小模型的价值在于针对性与稳定性。金融行业的趋势，是两者协同。

信也科技自研大模型“米粒”于2024年完成国家网信办备案，奠定了合规的服务基础。依托大模型开发平台E-LADF与智能体创新平台Zeta，大模型已覆盖代码辅助、巡检排障、获客投放、风险控制等核心环节。但我们也看到，通用大模型在面对私有、专业数据时仍存在局限。例如，识别用户是否故意做出“夸张表情”攻击人脸识别系统，这类细微且语义复杂的任务，小模型往往更精准。因此，在相当长时间内，“大模型探索边界，小模型保障深度”的协同，将是AI高效落地的现实解法。

人机融合，从协作到共生

受机器能力的限制，上一代人机关系是分工式的——机器预筛、人工跟进。随着大语言模型、语音大模型、智能体协作等各方面能力的提升，机器逐渐具备了处理个性化长尾问题和复杂业务流程的能力，成为人的“延伸”，服务模式开始无缝衔接。

这种人机融合不仅提升了效率，也在悄然改变服务逻辑：AI不再只是“辅助者”，而是“坐席的分身”，“服务的共同体”。未来的客服坐席，也许并不需要分清“谁是人、谁是机器”。

二、安全：AI金融不可逾越的生命线

模型安全：从“能用”到“可信”

AI的安全问题，并非抽象的技术风险，而是直接关联到业务决策的稳定性。信也科技自2022年起，与浙江大学合作在国际顶会AAAI上发表多篇图模型攻防研究论文，以探讨主动和被动的模型安全策略。2023年以来，大语言模型的基础性和脆弱性更加有目共睹，业界对于模型安全可控的重要性迅速达成共识。

 因此，我们坚持“能用更要可信”的原则——技术落地必须在合规、安全、可追溯的框架下推进。“米粒”模型的备案正是这一原则的体现。

生成式AI带来安全新挑战

与此同时，生成式AI的普及让“伪造”进入了低门槛时代。数秒语音可克隆声音，几张图片可生成逼真视频，让很多人大为惊叹。但在金融领域，这意味着欺诈手段更智能、风险识别更困难。对此，信也科技持续升级反欺诈算法，并连续两届以“深度鉴伪”为主题举办算法大赛，与IJCAI、CIKM等国际会议合作，吸引来自微软、小米、纽约大学、新加坡国立大学等全球企业和高校的数百支参赛队伍。

 我们的目标不仅是技术突破，更是推动行业形成“共防共建”的安全生态。

三、未来：在攻防中前进

安全与创新从来不是对立的两极。

从去年到今年，我们在多次调研中发现，社会对AI安全的关注显著上升，但行业防线仍有短板。安全不仅是算法问题，更是体系建设问题——包括技术防护、员工教育、跨行业协作等多层防线的共同作用。AI在金融的未来，不在于单一技术的突破，而在于如何让创新与安全共存。只有当AI在可控、可信的框架内落地，智能化的金融体系才能真正实现普惠与稳健。

真正的AI落地者，不只是“技术实现者”，更是“安全边界的重塑者”。

（本文作者王春平，系信也科技首席科学家。）