“宽松扶持”“全面拥抱”“审慎应用”，这一论坛再谈金融与AI

金融行业作为数据密集型、效率敏感型行业，具备人工智能（AI）技术应用的丰富场景、广阔空间与巨大效益。4月10日，在国民财富发展研究合作平台2025春季峰会上，国民财富发展研究合作平台理事长、孙冶方基金会理事长李剑阁表示，人工智能为金融行业带来前所未有的机遇。

李剑阁称，一方面，它将有效提升金融从业者的展业效率，助力解决行业信息不对称问题，降低交易成本；另一方面，有助于金融机构更好地服务中小微企业和长尾客户，推动普惠金融发展。此外，通过智能算法和数据挖掘，人工智能还能为绿色金融、科技金融等新兴领域提供创新解决方案，切实提升金融服务实体经济的质效。

当前，人工智能大模型技术在金融领域的应用呈爆发式增长，快速渗透至投资决策、智能投顾、风险评估、客户服务等多个方面，并发挥着重要作用。

中国工程院院士、鹏城实验室主任高文表示，在拥抱人工智能时代的进程中，可规划分阶段逐步推进相关工作。重要的是，要将对人工智能的认知提升到一定高度，这更有利于未来发展。他特别希望金融界同仁能够为人工智能领域的创业者提供持续支持。正如没有梁文锋就难以诞生DeepSeek一样，中国人工智能的发展需要更多金融领域人士给予宽松扶持，如此才能在与美国的竞争中拥有坚实底气。

银柿财经在会上了解到，银行业对大模型采取了全面拥抱、积极探索、审慎应用、先内后外的策略。未来，金融从业者或将转型为AI训练师与策略指挥官，需要掌握数据解读、模型调优以及伦理审查等复合技能；而行业专家则负责处理更加复杂和情感类的任务，实现人与智能的优势互补。

银行业高管分享切身体会：“全面拥抱大模型”

在实践探索过程中，工商银行（601398.SH）建成全栈自主可控的“工银智涌”大模型技术平台体系，具备千卡规模AI算力云，支撑大小模型协同应用。同时，总结提炼适配金融行业的“1+X”工程化解决方案。其中“1”是指金融智能中枢，通过运用大模型分析理解，实现在金融复杂场景下进行任务拆解、规划、分步执行和最终输出反馈的能力范式；“X”包含知识检索、数据分析、文档编写、智能搜索、API调用等基本能力范式。中国工商银行首席技术官吕仲涛表示，金融行业常见业务场景均可利用以上范式解决。目前，工商银行已落地的200余个大模型应用场景均属于该范式。

浦发银行（600000.SH）副行长丁蔚介绍称，在战略布局方面，今年是浦发银行数智化战略的提升之年，围绕“五大赛道”和“五数建设”，全面打造数智化转型新标杆，在智慧营销、智慧风控、智能服务、高效运营、精准管理这五大领域启动了十项应用工程。在技术层面，浦发银行已建成由算力、算法、平台、知识构成的四位一体智能基座。在算力建设上，浦发银行年内将建成全栈国产化千卡算力基座，推进多地多中心算力布局；在平台建设方面，推进大模型训练推理平台、知识工程平台、智能体创设平台的建设；在知识建设方面，构建起知识资产从形成、认定、应用到评价的全生命周期管理体系。最终，由智能中枢负责对AI组件的能力进行动态协调，形成感知、决策、执行和评估的闭环，初步实现大模型在多领域业务场景中的规模化应用。

招商银行（600036.SH）首席信息官周天虹分享指出，从某种程度上来说，银行业可被视为对金融数据和金融信息进行加工处理的信息处理行业。基于自然语言的新型交互模式，能够为银行服务客户带来全新的良好体验；在银行业大量依靠人工处理的低复杂性业务领域，大语言模型的应用可以提高行业劳动生产率；在一些复杂的工作场景中，大语言模型能够为银行员工提供更深入的洞察力，比如能够在短时间内阅读完几十页的商业合同并揭示其中的风险点；此外，银行大量面向客户的营销活动需要数字内容创新，大语言模型在这方面也能发挥重要作用。

周天虹还分享道，招商银行超过95%的业务量通过手机银行完成。此前，手机银行主要以图形交互界面为主，功能超过1200个，低频功能较多，通过菜单查找操作较为复杂，虽然具备搜索功能但用户体验不佳。在大语言模型的助力下，交互模式转变为“图形+chat”，带来了更好的用户体验，如查询银行卡号、信用卡调额、转账等操作更加便捷，与传统图形界面相比，用户感受有了显著提升。此外，在银行业数字化转型过程中，业务人员需要从各类报表中获取并使用数据。在大语言模型的帮助下，招商银行研发的数据AgentAI能够理解员工的数据需求，并利用大模型的编程能力，实时编写SQL脚本或Python代码，从银行数据仓库或大数据平台中获取数据，满足业务人员的数据分析需求，目前这一功能已在内部落地应用。

大模型存在幻觉等问题 行业大咖下场支招

AI未来可期，但也并非万能。尽管大模型在金融行业应用潜力巨大，但也面临现实挑战，在拥抱机遇的同时，金融行业必须积极应对AI技术带来的新挑战。

吕仲涛表示，尽管大模型在金融行业应用潜力巨大，但也面临安全风险日益突出、算力需求不断增大等诸多现实挑战。在拥抱机遇的同时，金融行业也必须积极应对AI技术带来的新挑战。

周天虹总结，大语言模型存在的局限性主要体现在以下六个方面：一是幻觉问题，即编造不存在的内容，例如在撰写学术论文时，大语言模型可能会列出并不存在的引用文献，DeepSeek就曾出现此类错误；二是解决问题的精准度有待提升；三是对齐能力有限，银行业务和客户服务存在诸多特定要求，如某些表达只能使用特定词汇，而大语言模型在满足这类要求时存在不足；四是价值观偏差，大语言模型生成的内容可能出现价值观偏离主流认知的情况；五是伦理偏见，使用大语言模型需格外注意避免侵犯用户隐私等伦理问题；六是性能成本问题，在性能表现和成本投入方面，大语言模型面临一定挑战。

“在挑战方面，我们会面临着三道壁垒。”丁蔚亦表示，第一道壁垒是安全壁垒，算法黑箱、隐私保护等风险，倒逼着商业银行必须应用严格的合规工具；第二道壁垒是能力壁垒，银行现有的员工面临着AI技能重塑的压力，如何实现员工使用AI，以及AI成为员工，都是新时代的重要命题；第三道壁垒是信任壁垒，AI技术的密集使用，在一定程度上会削弱人性关怀以及情感价值，如何让客户像信任银行员工那样信任AI助手，也是未来必须面对的问题。

吕仲涛称，金融行业要用好DeepSeek等大模型，关键是要构建高效能组织、高水平技术和数据、高价值场景、高适配人才。

中国银行（601988.SH）首席信息官孟茜建议，银行应用人工智能需筑牢三道防线：一是筑牢企业治理防线，建立健全企业级人工智能治理机制，将其纳入全面风险管理框架，强化审核，完善全生命周期管理，掌控人工智能应用；二是筑牢业务安全防线，明确人工智能为辅助工具，关键环节强制人工审核，高风险业务审慎选择精确度高、可解释性强的方案，落实业务流程最终责任；三是筑牢技术安全防线，针对AI大模型应用的新问题，坚持模型不联外网等原则，利用技术手段保证内容和交互安全，防止信息泄露，抵御网络攻击。

周天虹建议，要明确何种模型能够进入银行生产环境，为业务和员工提供服务，必须建立规范的后训练流程，并配备相应的系统和平台进行管理。在模型完成训练、正式投入生产前，仍需对训练后的大语言模型进行评测。可采用算法监督和人工监督相结合的方式，首先要扎实做好算法监督工作，同时在关键业务环节，人工监督不可或缺。此外，金融行业要注重责任落实，今年金融监管总局特别强调在关键领域和关键环节要明确人的责任。