交通银行副行长钱斌：以数智化建设为契机提升金融服务质效 促进产业共赢

　　飞、复旦大学等建立联合实验室，开展技术攻关，并已在行内搭建千卡异构算力集群，构建多层次、多能力、多形态的千亿级金融大模型。在此基础上，积极开展人工智能场景应用，已落地40多个场景。比如，在风险防控领域，基于大模型打造覆盖一二三道防线的风险防控助手，提供信贷智慧问答、授信报告风险识别、审计数据分析、审计报告辅助生成等能力，正推动零售信贷“贷前、贷中、贷后”全流程智能支持，以提升风险管理水平；在反洗钱、反欺诈领域，基于人工智能实现隐案模式智能挖掘及智能分析，并搭建端到端智能筛查模型，支持集团内全渠道多场景智能预警，大幅提升反欺诈、反洗钱筛查效率及响应速度；在客户服务领域，基于大模型打造客服坐席智能助手，将人工智能嵌入客服坐席“事前、事中、事后”场景，实现话术生成、智能外呼、智能质检、工单小结等全流程辅助；在办公辅助领域，为全行员工提供全自然交互模式的智能制度问答、公文事务、员工服务、党建事务等能力，提升办公效率与员工体验；在信息科技自身能力建设领域，将大小模型融入研发流程，支持技术人员开展代码补全、代码解释、代码优化、函数注释、单元测试代码生成，以及生产运维的可视化、自动化等工作，提升信息科技基础能力，实现降本增效。

　　当然，在新技术带给我们便利性与时效性提升的同时，我们需要高度关注技术飞速发展所带来的新变化、新挑战。比如，在数据方面，数据融合造成的信息安全、隐私泄露风险频发，数据可信仍缺乏有效的管理、度量机制；在算法方面，信息茧房、大数据[*]熟情况时有出现，算法不可解释、不可控性仍难以解决，针对复杂模型的测试方法论尚不完备，测试质量有待提升；在算力方面，单卡性能、算力组网存在上限瓶颈，GPU算力在高并发支撑、高可用服务方面仍有不足，生产运维自动化、智能化尚未完全实现；在全流程效率方面，人工智能应用的研发效率仍然不足，数据积累、算法迭代和测试效率难以满足快速演变的市场需求，模型生产线的转化效率仍需进一步提升。

　　顺理而举易为力，背时而动难为功。对于以上问题与新的变化，我提三点建议：

　　第一，产研融合、创新共赢，建设数智融合金融应用产业生态，提升技术成果转化效能。指出，要加强创新资源统筹和力量组织，推动科技创新和产业创新融合发展。跨界融合、产研协同既是创新趋势，也是历史经验总结。建议进一步加大产学研合作，提升前沿技术转化效率，扩大先进成果示范效用；在数据、算法、算力、应用场景方面联合攻关、协同发展，寻求特定规模下的最优配置，实现优势互补；加强对人才的联合培养，依托上海优质的教育科研资源及上海金融科技产业联盟等产业综合，做好高校教育资源同产业应用的衔接，开展职业技能规模化培训，加快培养产业急需的算力组网、超大模型、可信算法、新型数据库等方面的工程化实施人才。

　　第二，夯实底座、创新发展，盘活数据资源，释放数据要素乘数效应。11月25日，国家数据局印发，到2028年将建成100个以上可信数据空间。建议金融机构以此为契机，积极对接国家及省市可信数据空间，利用多种方式用好外部数据；同时，构建企业自身的基础数据底座，强化数据治理，高效整合内外部数据资源；在此基础上，发挥先进技术的赋能作用，以业务效果为指引，构建可以快速验证、灵活迭代的人工智能基础环境、应用架构，以及可弹性扩展的算力，支持业务的快速发展。

　　第三，科技向善、守正创新，关注人工智能安全伦理，建设可信、公平的人工智能金融应用。自11月12日起，国家网信办等四部委联合开展“清朗·网络算法典型问题治理”专项行动，深入整治“信息茧房”，落实算法安全主体责任，增强算法向上向善服务。金融机构在人工智能应用过程中，同样应高度关注科技伦理和数据伦理治理，强化人工智能应用的保障机制，筑牢底线，保障人民群众的合法权益；建立模型评估与常态化监测机制，增强模型的安全防护，通过模拟对抗及时发现安全风险漏洞并采取加固措施，提升模型风险防控能力；加强可信人工智能研究，提升模型可控性、可解释性、决策透明度，防范AI幻觉等新技术风险，以负责任的金融理念为数字金融高质量发展保驾护航。