面對生成式人工智慧（Generative AI）對金融產業結構的深遠影響，台灣金融業正迎來一場由AI驅動的轉型契機。金融服務的核心競爭力，已不僅取決於資本與規模，更取決於能否掌握資料、演算法與知識的整合能力。為了避免台灣金融業在AI浪潮中被邊緣化，同時強化自主創新與合規治理能力，金管會自2024年起推動「金融業大語言模型」專案，結合產、官、學、研能量，打造屬於台灣本土的金融AI基礎建設。
此專案的核心目標，在於建立一個「說中文、懂金融」、符合本地知識語境與監管環境的大型語言模型，使金融機構能以可信任的AI系統，支援客服、風控、投資、理賠與合規等多元應用場景。不同於商用模型依賴開放語料與一般性知識，金融業大語言模型將以台灣金融監理規範、專業教材、考題題庫、研究論文與產業案例為核心資料來源，形成具有在地知識結構與專業推理能力的AI基礎模型，成為國內金融業的共用數位資產。
專案的成功推動，關鍵在於三大要素的協同運作。
首先是跨域合作與資源整合。在金管會指導下，金融科技產業聯盟成為本專案的推動平台，由中信金控、玉山金控、凱基金控與國泰金控等主要機構分任工作圈召集人，代表產業主體共同定義需求與驗證場景。這種「團體戰」式的協作模式，讓金融業能以共享知識與共同算力，集中投入基礎建設，避免重複投資，提升技術研發的整體效益。
其次是高品質知識與資料治理機制。模型的專業性與可信度，取決於資料的正確性與合法性。為此，專案由金融研訓院、政大與數位發展部共同建構「在地化知識庫」，涵蓋監理規範、教材題庫、研究文獻與產業語料，並以去識別化與授權治理機制確保資料來源透明、使用安全。這套機制讓模型能在符合法規與倫理的前提下，建立可靠的知識根基，成為未來AI應用的可信來源。
第三項成功要素是可信任的技術與治理體系。模型的開發與應用不僅涉及技術效能，更關乎風險與責任。專案引入聯邦式學習、差分隱私與安全多方計算等技術，使各金融機構能在「資料不出場」的前提下進行聯合訓練，同時導入可稽核的模型治理框架，確保AI的決策邏輯與偏誤風險可追溯。這不僅是技術創新，更是建立產業信任與長期永續發展的基礎。
在整體架構中，政治大學金融AI創新中心扮演了知識核心、標準制定與產學協調的關鍵角色。政大不僅提供全國最完整的金融教育與研究資源，負責教材、論文與測驗題庫的整合，亦主導金融AI知識庫的建構與模型評測標準的制定，確保模型能兼具專業性與可解釋性。政大同時也是產學橋樑，鏈結中信金控、國泰金控等金融機構與國網中心、NVIDIA、APMIC等技術夥伴的合作，促成算力、資料與應用之間的整合與落地。更重要的是，政大在專案中建立了「AI金融評測基準」（Financial LLM Benchmark），為國內金融模型的表現與合規程度提供客觀標準，成為產業共同信賴的衡量依據。
從長期發展的角度來看，金融業大語言模型不僅是一項技術研發計畫，更是台灣金融AI主權的象徵。透過「共研、共治、共益」的合作機制，專案整合了教育、研究與產業能量，形成可持續的AI生態系。政大金融AI創新中心的參與，使專案不僅聚焦於模型效能的提升，更強調AI倫理、透明度與治理標準的建立，讓金融AI的創新能在安全與信任的基礎上落地，最終形塑出一個自主、負責任且具國際競爭力的台灣金融AI新典範。