“大模型可以出謀劃策，但不能越俎代庖，人始終是責(zé)任主體。推進(jìn)大模型在金融領(lǐng)域的應(yīng)用，需明確大模型的能力邊界，揚(yáng)長(zhǎng)避短。”10月17日，在新金融聯(lián)盟主辦的“‘人工智能+’驅(qū)動(dòng)下金融科技應(yīng)用場(chǎng)景創(chuàng)新”內(nèi)部研討會(huì)上，中國(guó)人民銀行科技司司長(zhǎng)李偉在主題交流中表示。

上海新金融研究院副院長(zhǎng)劉曉春也作了主題交流，工商銀行首席技術(shù)官呂仲濤、中國(guó)郵政儲(chǔ)蓄銀行總工程師徐朝輝、平安銀行行長(zhǎng)助理兼首席信息官孫芳滔、華夏銀行首席信息官人選龔偉華、深信服科技行業(yè)總部首席技術(shù)官楊闖發(fā)表主題演講。26家銀行、50家非銀機(jī)構(gòu)的相關(guān)負(fù)責(zé)人參會(huì)。會(huì)議由新金融聯(lián)盟秘書長(zhǎng)吳雨珊主持，中國(guó)金融四十人論壇提供學(xué)術(shù)支持。

研討會(huì)現(xiàn)場(chǎng)

多場(chǎng)景智能應(yīng)用落地見效

近日國(guó)務(wù)院印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》，明確提出創(chuàng)新發(fā)展新模式，加快從數(shù)字賦能向智能驅(qū)動(dòng)演進(jìn)。會(huì)上，五家機(jī)構(gòu)的資深專家分享了在“人工智能+”領(lǐng)域的前沿探索，展現(xiàn)出多元化的落地成果。

工商銀行打造企業(yè)級(jí)金融大模型技術(shù)體系，構(gòu)建大小模型協(xié)同的算法矩陣，并創(chuàng)新提出基于MOA架構(gòu)的“1+X”大模型應(yīng)用范式。在安全防護(hù)、信貸風(fēng)險(xiǎn)管理、信用風(fēng)險(xiǎn)智能評(píng)估三大典型AI應(yīng)用場(chǎng)景中成效顯著——高危漏洞識(shí)別準(zhǔn)確率超80%、攻防推演攻擊場(chǎng)景覆蓋率超90%；大戶風(fēng)險(xiǎn)報(bào)告與處置建議實(shí)現(xiàn)分鐘級(jí)生成；小微企業(yè)風(fēng)險(xiǎn)評(píng)估準(zhǔn)確率提升一倍以上。

郵儲(chǔ)銀行建立了覆蓋模型注冊(cè)、開發(fā)、驗(yàn)證、部署、監(jiān)控、優(yōu)化的全流程管理制度，通過統(tǒng)一編號(hào)、版本控制和可視化監(jiān)控，實(shí)現(xiàn)了人工智能業(yè)務(wù)賦能的持續(xù)性與精準(zhǔn)性；構(gòu)建了“千卡智算模型”為核心的異構(gòu)算力底座，形成涵蓋230項(xiàng)應(yīng)用場(chǎng)景的大模型落地矩陣。手機(jī)銀行智能助手可通過語音喚起協(xié)助客戶完成簡(jiǎn)單操作；智能外呼營(yíng)銷體系聚焦擬人化交互與精準(zhǔn)話術(shù)開展?fàn)I銷，AI替代率已超83%；智能交易場(chǎng)景從逐筆手工到批量秒級(jí)跨越，詢價(jià)金額已達(dá)1.5萬億元。

平安銀行規(guī)劃并建設(shè)了“1+1+1+N”的AI能力支撐體系，通過統(tǒng)一的算力基座、算法模型基座、數(shù)據(jù)知識(shí)基座，以及N個(gè)業(yè)務(wù)場(chǎng)景應(yīng)用，構(gòu)建全方位、多層次、一體化的人工智能應(yīng)用生態(tài)，已在各業(yè)務(wù)線落地超過360個(gè)AI應(yīng)用場(chǎng)景，涵蓋辦公效率提升、經(jīng)營(yíng)分析、智能營(yíng)銷、智能風(fēng)控等領(lǐng)域。

華夏銀行根據(jù)場(chǎng)景對(duì)AI應(yīng)用分類布局：速贏區(qū)，聚焦提升效能效率；攻堅(jiān)區(qū)，側(cè)重優(yōu)化客戶交互與服務(wù)質(zhì)量，運(yùn)用RAG、智能體等技術(shù)；深水區(qū)，探索大小模型結(jié)合人工干預(yù)，應(yīng)用于業(yè)務(wù)決策與風(fēng)險(xiǎn)合規(guī)等核心領(lǐng)域。

深信服科技作為產(chǎn)業(yè)側(cè)代表，推出開源AICoding解決方案Costrict，攻克金融級(jí)開發(fā)安全與質(zhì)量難題，實(shí)現(xiàn)代碼開發(fā)效率提升400%、嚴(yán)重BUG檢出率90%。在垂直安全應(yīng)用方面，深信服提出“源數(shù)據(jù)AI檢測(cè)”方案，將多維源數(shù)據(jù)在前端統(tǒng)一進(jìn)行AI檢測(cè)，輸出高檢出、低誤報(bào)、易理解的告警信息，大幅減輕后端運(yùn)營(yíng)壓力。在2025年攻防演練中，通過大模型針對(duì)0day漏洞在無規(guī)則情況檢出率95%，高級(jí)社工釣魚郵件檢出率超90%，誤報(bào)率低于千分之一。為某頭部金融機(jī)構(gòu)處理超100G實(shí)時(shí)流量時(shí)，每日僅生成約1000條高質(zhì)量告警，2人即可完成研判，顯著優(yōu)化運(yùn)營(yíng)效率。

AI應(yīng)用需從工具化轉(zhuǎn)向核心化

在“人工智能+”深度賦能金融行業(yè)的進(jìn)程中，企業(yè)AI落地模式正迎來根本性變革。

呂仲濤指出，在開源基礎(chǔ)大模型驅(qū)動(dòng)下，人工智能應(yīng)用需從工具化轉(zhuǎn)向AI核心化思維：一是建立AI原生應(yīng)用體系，將傳統(tǒng)的“業(yè)務(wù)系統(tǒng)+AI”轉(zhuǎn)變?yōu)橐杂脩魹楹诵牡腁I原生應(yīng)用體系；二是構(gòu)建面向模型的企業(yè)數(shù)據(jù)采、洗、管、用體系，變靜態(tài)數(shù)據(jù)為知識(shí)飛輪；三是結(jié)合知識(shí)數(shù)據(jù)建立大模型分級(jí)應(yīng)用體系，變被動(dòng)適配為主動(dòng)駕馭；四是將硅基員工嵌入數(shù)字化流程，打造人機(jī)協(xié)同的智能組織。

一位大行代表分享了智能體建設(shè)實(shí)踐的三大關(guān)注方向：將智能體組件化，建設(shè)可復(fù)用的基礎(chǔ)能力；建立多智能體協(xié)同的標(biāo)準(zhǔn)化，確定智能體之間的通用語言與協(xié)作規(guī)則；保證智能體應(yīng)用的安全性，實(shí)現(xiàn)智能體操作全程可追蹤、可審計(jì)、可解釋。

龔偉華提出，AI應(yīng)用需把握三大關(guān)鍵：一是領(lǐng)域知識(shí)內(nèi)化，把業(yè)務(wù)邏輯、行業(yè)術(shù)語、專家經(jīng)驗(yàn)等隱性知識(shí)，轉(zhuǎn)化為機(jī)器可理解、可推理的顯性知識(shí)；二是建設(shè)高質(zhì)量數(shù)據(jù)集，這與垂類模型效果密切相關(guān)；三是深度嵌入流程，這樣才能真正發(fā)揮作用。

明確AI的能力邊界與風(fēng)險(xiǎn)底線

李偉充分肯定了金融機(jī)構(gòu)AI應(yīng)用積極、穩(wěn)健的整體態(tài)勢(shì)。他表示，推進(jìn)大模型在金融領(lǐng)域的應(yīng)用，需明確大模型的能力邊界——大模型在多模態(tài)內(nèi)容理解與生成、基礎(chǔ)邏輯分析推理等方面展現(xiàn)出較強(qiáng)能力，但無法保證輸出準(zhǔn)確性、無法嚴(yán)謹(jǐn)解釋輸出結(jié)果。因此，應(yīng)用大模型需揚(yáng)長(zhǎng)避短，核心是做好場(chǎng)景適配。

他指出，不同機(jī)構(gòu)大模型應(yīng)用要體現(xiàn)差異性，避免用同一個(gè)“腦子”指揮行動(dòng)。即便選用同一開源大模型，不同機(jī)構(gòu)的任務(wù)大模型也應(yīng)有差異，否則會(huì)帶來風(fēng)險(xiǎn)。他以數(shù)據(jù)分級(jí)分類為例，“每家銀行對(duì)某字段的重要性判斷不同，有的認(rèn)為是二級(jí)，有的認(rèn)為是三級(jí)，這就對(duì)了。差異源于機(jī)構(gòu)風(fēng)險(xiǎn)判斷不同，通用內(nèi)容可能逐漸趨同，但關(guān)鍵部分必須體現(xiàn)差異。”

他強(qiáng)調(diào)，要嚴(yán)守風(fēng)險(xiǎn)底線，壓實(shí)人的主體責(zé)任。大模型可以出謀劃策，但不能越俎代庖，人始終是責(zé)任主體。同時(shí)，要用魔法打敗魔法，用AI技術(shù)防范AI帶來的風(fēng)險(xiǎn)。

劉曉春指出，人工智能需由人類賦予應(yīng)用場(chǎng)景，人在“人工智能+”創(chuàng)新中始終處于主導(dǎo)地位，無需動(dòng)腦的基礎(chǔ)操作崗位可能會(huì)簡(jiǎn)化，而具備更強(qiáng)業(yè)務(wù)能力的人才是駕馭技術(shù)的關(guān)鍵。在技術(shù)適配方面，適用優(yōu)于先進(jìn)，要根據(jù)業(yè)務(wù)特性選擇合適的AI。尤其對(duì)中小機(jī)構(gòu)而言，一定要區(qū)分高頻與低頻業(yè)務(wù)、關(guān)鍵風(fēng)險(xiǎn)與偶發(fā)風(fēng)險(xiǎn)，集中資源投入于高價(jià)值場(chǎng)景。

龔偉華認(rèn)為，金融機(jī)構(gòu)應(yīng)用大模型的目標(biāo)，不應(yīng)局限于單純降本增效，更在于增強(qiáng)復(fù)雜決策能力、創(chuàng)造戰(zhàn)略發(fā)展機(jī)會(huì)、培育新的經(jīng)濟(jì)增長(zhǎng)極。在生態(tài)建設(shè)上，也不止于數(shù)據(jù)共享，而在于智能共生——未來高階的生態(tài)協(xié)作，更應(yīng)聚焦單一機(jī)構(gòu)難以解決、需多方共同解決的難題。

會(huì)議形成共識(shí)，從“+AI”工具化嘗試，到“AI+”體系化重構(gòu)，金融智能化已邁入落地期。行業(yè)需在合規(guī)底線之上精準(zhǔn)創(chuàng)新，以更務(wù)實(shí)的智能化實(shí)踐，賦能金融提質(zhì)增效與實(shí)體經(jīng)濟(jì)發(fā)展。