ymy素体和ob11区别

同盾科技认为，在这一背景下，《面向大模型训练与推理数据保护的可信执行环境技术要求》的标准制定，有利于金融行业构建一个安全合理的数据共享机制机制，加速大模型在金融领域应用落地。

针对金融场景中的数据割裂、数据安全等行业痛点，两大平台相辅相成，一方面，通过隐私计算平台为数字时代数据安全流动、应用提供可靠的底层保障；另一方面，依托决策智能平台，通过机器学习、决策分析、知识图谱等技术的组合应用，形成数据分析到模型训练、自动化决策再到模型自动调优综合能力，成为贯穿业务决策全流程的核心。

该标准从数据工程、模型训练、模型推理、硬件加速和安全性等多个维度，对大模型训练和推理场景中的可信执行环境提出明确技术规范，有利于提升大模型在金融领域的可用性、性能提升和安全保障。

《面向大模型训练与推理数据保护的可信执行环境技术要求》由中国信通院牵头，联合来自金融机构及科技企业的50多位专家历经多轮讨论形成草案。

同盾科技深耕人工智能与隐私计算领域，深谙规范标准对于推动行业生态良性发展的重要意义，积极参与制定多项行业标准和规范，截至目前，同盾科技共申请有效发明专利近400件，主导并参与了9项国际标准、近50项国家、行业和团体标准研制和修订工作。

随着金融行业数字化转型的加速，金融机构纷纷布局大模型。IDC的一项调研显示，超半数的金融机构计划在2023年投资生成式人工智能技术，只有10%的金融机构表示没有试验计划。

2022年10月，同盾科技正式获科技部批复建设“智能金融风控国家新一代人工智能开放创新平台”，也是国内金融风控领域唯一一家获此殊荣的高科技企业。

ymy素体和ob11区别作为单位产值下数据产出量最高的行业，金融业为大模型的落地应用提供了丰沃的土壤。2024年，大模型步入规范化、标准化发展，相比其他领域，金融对数据专业性以及在风控、合规、安全层面的要求都更高，金融机构探索金融大模型应用面临诸多挑战。

作为该标准的重要参编者，也是国内最早布局隐私计算领域的科技企业，同盾科技积极分享了其在隐私计算和金融大模型领域的技术理论和业务实践，将自身经验融入标准框架，并与众多行业专家、企业开展多轮讨论，共同探讨在金融场景中应对数据安全、可解释性、时效性等挑战，加速大模型在金融领域的落地应用。

另外，不同机构的数据格式、标注方式等存在差异，单家机构获取的数据规模可能无法满足大模型训练需求。如何实现高质量数据跨机构安全共享，将成为金融大模型发展的关键一环。

目前，同盾科技已累计为400多家银行提供了包含零售信贷风险管理、小微信贷风险管理、交易反欺诈、营销及客户价值管理、数据安全管理、智能运营管理等解决方案，帮助银行优化决策效率，改善用户体验。

同盾科技专注于决策智能先进技术研发和应用，形成了“基于隐私计算的共享智能平台—智邦”和“基于人工智能的决策智能平台—智策”两大平台，在金融风险管理等场景中发挥重要作用。

过去一年，金融大模型已在内容生成、智能营销、获客销售以及风险管理等业务领域开始发挥价值，涉及运营、客服、营销、风控、研究以及贷后等多个场景，金融行业大模型领域呈现出百家争鸣的局面。

中国信通院云计算与大数据研究所牵头制定了《面向大模型训练与推理数据保护的可信执行环境技术要求》标准并在“2023数据资产管理大会”对标准进行解读，在金融风控领域，在保障数据安全与隐私合规的前提下，充分利用数据进行模型训练与应用，提供了技术支持和指导，同盾科技联合工商银行、浦发银行、蚂蚁集团等金融机构和科技公司，深度参与该标准制定。

然而，业内人士指出，金融大模型在快速发展同时，也面临着一些挑战。金融行业本身对数据安全和隐私合规有着严格的要求，注定了金融大模型在采集、传输、加工及处理信息的各个环节，都要比通用大模型乃至其他行业大模型更为谨慎。