金融大模型的优势，成本优化与场景适配——度小满谢剑的观点

度小满谢剑表示，金融大模型的优势主要体现在“成本优化”与“场景适配”两个方面。这种模型能够通过数据分析和机器学习，实现更高效的金融业务处理，降低成本；根据不同场景进行适配，提供更贴合用户需求的金融服务。这一优势有助于推动金融行业的创新发展。

11月25日，以“机遇与未来：激发数字金融发展新动能”为主题的2025中国（北京）数字金融论坛在北京丽泽金融商务区国家金融信息大厦举行，丰台区委副书记、区长张艳林致欢迎辞。原中国保险业监督管理委员会副主席周延礼、中国工程院院士沈昌祥、第十四届全国政协委员、中国社会科学院经济研究所原所长黄群慧等专家学者参会演讲。度小满首席AI官谢剑围绕大模型在金融领域的应用展开分享，指出通用大模型虽开启通用人工智能曙光，但需通过领域强化与平台构建，才能切实破解金融场景的高可靠、强合规难题，释放数字金融新动能。

度小满首席AI官谢剑发表主旨演讲

谢剑指出，度小满依托百度技术基因持续深耕金融大模型研发，2023年5月开源国内首个金融增强大模型，而今年年底即将发布的轩辕4.0将成为迭代升级的核心成果。他强调，轩辕4.0的核心价值体现在“成本优化”与“场景适配”两大突破上。

成本控制方面，轩辕4.0实现了显著突破，可在保持金融核心能力的前提下，有望以较低成本达到闭源模型的最强金融服务水平。谢剑解释，在金融场景中，大模型无需具备医疗、教育等非相关领域能力，通过精准聚焦金融需求，大幅降低了冗余算力消耗，为金融机构尤其是中小机构降低了技术应用门槛。

场景适配层面，轩辕4.0针对性解决了通用模型在核心金融场景的能力短板。以信贷风控这一金融核心业务为例，模型通过融入度小满积累的海量风控样本进行专项增强训练，突破了通用模型仅能输出“通过/不通过”确定性结果的局限。谢剑透露，度小满正联合哈尔滨工业大学、香港科技大学围绕模型开展“可校准的强化学习”研究，使其能输出金融场景必需的“可校准风险概率”，这一突破直击风控量化决策的核心痛点。

为最大化轩辕4.0的落地价值，度小满还构建了配套的大模型与智能体平台。该平台接入包括轩辕系列在内的全球顶尖模型，强化安全合规设施，实现多智能体协同服务，同时优化金融数据与内部企业数据插件的集成能力。目前，依托这一平台与轩辕模型的技术支撑，度小满已在威胁检测、客户服务、VOC分析等场景实现效率提升，其中客户满意度与产品销售额在测试中显著增长。