周三下午，一家欧洲一线银行的AI合规会开了三个小时，议题只有一个：为什么去年上线的通用大语言模型，在给客户做投资适宜性评估时，无法复现出当初的推理链条？所有回答都被归结为“模型自己判断的”，而这在MiFID II的留存要求下，等于没有回答。会议结束时，技术负责人打开一份新标书，标题是“金融服务定制小语言模型（SLM）部署项目”。
这不是个例。2023年抢跑部署GPT-4o或Claude API的银行，到了2025年，都在悄悄用定制SLM重建核心流程。原因不是大模型不够聪明，而是它们做不到监管所需的可追责性。眼下摆在每一家受监管金融机构面前的，就是一道自建还是购买的决策题：是用Phi-3、Mistral 7B、Llama 3.1 8B这类精调小模型，通过Azure AI Foundry或AWS Local Zones本地部署，还是继续调用GPT-4o和Claude的API？本周Inception42联合微软推出阿拉伯语企业模型，这只是一个信号，而不是孤例。
金融环境对通用大模型的考验，远不止语言复杂。真正棘手的是，一个乐于助人的模型在任何时候都会给出答案，而一旦这个答案是错的，不是一次不方便，而是一次监管事件——用“自信地犯错”来形容毫不过分。在MiFID II的适宜性评估中，如果一个投资建议没有可追溯的客户画像和产品逻辑链条作支撑，它就是一笔负债，无可辩驳。
现成模型无法默认通过的三道监管闸门，全是结构性的。第一道，MiFID II第25条要求建议必须能回溯到存档的客户资料和产品逻辑。一个随机性驱动、不能复现推理过程的模型，直接通不过记录保存测试。第二道，美国证监会2024年关于预测数据分析的拟议规则，要求机构识别并消除AI输出中嵌入的利益冲突，但无法审查的模型，就谈不上去消除。第三道，数据驻留——阿联酋央行、欧盟GDPR、亚太区的框架大量禁止将客户个人信息发送到部署在美国的推理端点。仅此一点，就足以阻断面向客户的SaaS调用路径。
幻觉在金融推理链中不是四舍五入的误差，它会层层叠加。IBM研究显示，在没有检索依据支撑的条件下，垂直金融问答中大模型的幻觉率仍处于15%到27%之间。把这样的准确率串联到多步推理环节，可靠性迅速坍塌：每一步准确率为92%的六步信用决策链，端到端可靠度只剩大约60%（0.92的6次方）。而多数银行发现这个问题时，模型已经在生产环境跑了一个季度。
热门跟贴