交通银行副行长钱斌：金融业AI正从试点探索迈向规模化应用

来源：金融一线

　　10月23日金融一线消息，2026外滩年会“科技、地缘与全球经济”于2026年10月19日至22日在上海市黄浦区召开。交通银行副行长钱斌出席并发言。

　　钱斌表示，金融业AI正从试点探索迈向规模化应用，成为整个行业重塑的核心驱动力。从资金投入看，AI已成为金融机构战略投入的“主战场”。AI投入已不再是简单的“工具采购”，而是深层次“能力建设”，围绕算力、模型、数据、平台、智能体和业务系统改造进行系统性地组合投入。

　　从技术底座看，AI已升级为金融机构的核心技术能力。AI已经不是简单的上层应用，而是底层、核心的基础能力平台，正呈现组件化、模块化、公共基础设施化的特征，成为底层的公共基础能力，为各类业务系统提供支撑和服务，它已经全方位地嵌入到整个金融科技管理体系，为经营决策和业务提供价值。

　　从应用规模看，中国金融机构的AI建设已进入“规模化价值兑现”阶段。2026年上半年银行业AI建设呈现三个显著特征，一是国有大行场景数量普遍达到五百个以上。二是词元（Token）消耗从“百万级”进入“百亿级”。三是智能体由试点走向体系化部署，进入全方位的应用。

　　从政策环境看，2026年6月18日，金融监管总局印发《关于银行业保险业人工智能安全开发应用的指导意见》，指导整个金融行业告别自由生长、自由试错，重发展轻安全的初级阶段，逐步从“能用”走向“可管、可控、可追溯”的新里程碑。

　　钱斌表示，当前金融AI在多个领域成效明显。在风险防控与授信审批方面，AI在贷前、贷中、贷后得到全方位应用。以交通银行为例，交行研发的有关贸易背景审查的智能体，实现了整个流程的极简。单笔的福费廷业务所需要的人工环节由9个压降到了4个，交易耗时，由原来的2小时下降到现在的30分钟以内。反洗钱预警率也有了明显改善。在市场交易与运营效率提升方面，AI被广泛用于外汇询价、货币市场询价、债券交易对手推荐、交易报告生成；集约运营方面，AI用于单据智能识别与录入、业务审核、凭证处理；科技研发运维方面，大模型技术使我们的研发能力获得了很好的提升。AI还被更多地应用在营销、客户服务、智能体服务这些领域上。他认为，智能体未来和支付的结合，空间巨大、前景广阔。尤其是在跨境、反洗钱、国际收支申报、汇率、利率等方面应该说未来有非常大的空间。无论如何，AI对金融行业带来的改变是根本性的，带来了巨大的成本压降和效率提升。

　　谈及金融AI推进中的风险，钱斌提出有三大风险需要特别关注。

　　第一，有没有高质量的数据集和专业知识资产的沉淀？如果金融机构缺乏依托于自身业务体系的专业知识积累作为底座，模型输出很容易脱离风险标准、业务规则和经营导向。金融机构谁的AI能力运用得好，关键在于能不能建立高质量的数据集和依托于自身业务体系的专业知识的有效积累。因为算力可以购买，模型可以借鉴，但高质量的数据集没有办法由其他人来提供。

　　第二，AI能不能发挥更好的作用，关键要建立端到端、体系化、工程化的实施能力。因为AI探索试点和规模化应用，是完全不同的两种形态，如果没有统一、完备的工程化的实施能力，很容易带来灾难与风险。比如说智能体，如何管控它能访问的数据、系统、平台和相关的操作权限？能否对权限进行有效的管控和全生命周期的治理，这至关重要。

　　第三，如何建立更加有效的AI治理生态？因为任何技术，都是一把“双刃剑”，它会带来有利的一面，但一定会带来风险的一面。

　　钱斌认为，金融机构要从四方面加强相关工作。第一，要为AI的创新设立合理、清晰的边界。即要给它“方向盘”和“红绿灯”机制，使得AI在规定的跑道上进行探索尝试。第二，在AI安全治理上，要建立双轨思维，既要把AI纳入安全治理的范畴和对象，同时又要借助AI的能力提升安全治理的能力和水平。第三，AI演进速度和应用规模，已达到传统认知难以企及的水平。但在高风险领域，他个人观点，最终的风险判断、责任承担和最后的价值选择，应该由人完成，而不是简单的机器代替人。第四，金融行业必须建立生态共治的体系。因为金融的本质是资金、资源、信息的交换与流通，它天然具有传染性、跨市场跨机构的特征，所以必须建立行业的联防、监管的统筹和全球的协同，来建立这种生态体系，提高应对风险的韧性。

　　他同时提到，AI的应用不能成为“数字鸿沟”的新推手，应该为金融公平和资源平等使用创造条件，成为重要力量。因为金融原本就是一个稀缺资源，所以怎样让金融更加普惠、便利、公平、可得，AI应该在这个领域上发挥更大作用。

　　针对AI带来的系统性风险，钱斌称，AI未来给金融行业可能带来的系统性风险包括网络安全、数据安全。除此之外，随着AI的应用，还可能会带来市场风险和流动性风险，在金融海啸来临时，任何一个单一机构不可能独立支撑、独立面对，所以一定需要全球的协同和联动。他提出，未来必须加强人在AI使用的有效管理，未来人的工作重心必须要增加一些内容，即训练AI、监测AI，同时对AI的异常进行处置、干预，包括最后复核AI的决策，并承担最终的决策责任。