“大模型可以出谋划策，但不能越俎代庖，人始终是责任主体。推进大模型在金融领域的应用，需明确大模型的能力边界，扬长避短。”10月17日，在新金融联盟主办的“‘人工智能+’驱动下金融科技应用场景创新”内部研讨会上，中国人民银行科技司司长李伟在主题交流中表示。

上海新金融研究院副院长刘晓春也作了主题交流，工商银行首席技术官吕仲涛、中国邮政储蓄银行总工程师徐朝辉、平安银行行长助理兼首席信息官孙芳滔、华夏银行首席信息官人选龚伟华、深信服科技行业总部首席技术官杨闯发表主题演讲。26家银行、50家非银机构的相关负责人参会。会议由新金融联盟秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。

研讨会现场

多场景智能应用落地见效

近日国务院印发《关于深入实施“人工智能+”行动的意见》，明确提出创新发展新模式，加快从数字赋能向智能驱动演进。会上，五家机构的资深专家分享了在“人工智能+”领域的前沿探索，展现出多元化的落地成果。

工商银行打造企业级金融大模型技术体系，构建大小模型协同的算法矩阵，并创新提出基于MOA架构的“1+X”大模型应用范式。在安全防护、信贷风险管理、信用风险智能评估三大典型AI应用场景中成效显著——高危漏洞识别准确率超80%、攻防推演攻击场景覆盖率超90%；大户风险报告与处置建议实现分钟级生成；小微企业风险评估准确率提升一倍以上。

邮储银行建立了覆盖模型注册、开发、验证、部署、监控、优化的全流程管理制度，通过统一编号、版本控制和可视化监控，实现了人工智能业务赋能的持续性与精准性；构建了“千卡智算模型”为核心的异构算力底座，形成涵盖230项应用场景的大模型落地矩阵。手机银行智能助手可通过语音唤起协助客户完成简单操作；智能外呼营销体系聚焦拟人化交互与精准话术开展营销，AI替代率已超83%；智能交易场景从逐笔手工到批量秒级跨越，询价金额已达1.5万亿元。

平安银行规划并建设了“1+1+1+N”的AI能力支撑体系，通过统一的算力基座、算法模型基座、数据知识基座，以及N个业务场景应用，构建全方位、多层次、一体化的人工智能应用生态，已在各业务线落地超过360个AI应用场景，涵盖办公效率提升、经营分析、智能营销、智能风控等领域。

华夏银行根据场景对AI应用分类布局：速赢区，聚焦提升效能效率；攻坚区，侧重优化客户交互与服务质量，运用RAG、智能体等技术；深水区，探索大小模型结合人工干预，应用于业务决策与风险合规等核心领域。

深信服科技作为产业侧代表，推出开源AICoding解决方案Costrict，攻克金融级开发安全与质量难题，实现代码开发效率提升400%、严重BUG检出率90%。在垂直安全应用方面，深信服提出“源数据AI检测”方案，将多维源数据在前端统一进行AI检测，输出高检出、低误报、易理解的告警信息，大幅减轻后端运营压力。在2025年攻防演练中，通过大模型针对0day漏洞在无规则情况检出率95%，高级社工钓鱼邮件检出率超90%，误报率低于千分之一。为某头部金融机构处理超100G实时流量时，每日仅生成约1000条高质量告警，2人即可完成研判，显著优化运营效率。

AI应用需从工具化转向核心化

在“人工智能+”深度赋能金融行业的进程中，企业AI落地模式正迎来根本性变革。

吕仲涛指出，在开源基础大模型驱动下，人工智能应用需从工具化转向AI核心化思维：一是建立AI原生应用体系，将传统的“业务系统+AI”转变为以用户为核心的AI原生应用体系；二是构建面向模型的企业数据采、洗、管、用体系，变静态数据为知识飞轮；三是结合知识数据建立大模型分级应用体系，变被动适配为主动驾驭；四是将硅基员工嵌入数字化流程，打造人机协同的智能组织。

一位大行代表分享了智能体建设实践的三大关注方向：将智能体组件化，建设可复用的基础能力；建立多智能体协同的标准化，确定智能体之间的通用语言与协作规则；保证智能体应用的安全性，实现智能体操作全程可追踪、可审计、可解释。

龚伟华提出，AI应用需把握三大关键：一是领域知识内化，把业务逻辑、行业术语、专家经验等隐性知识，转化为机器可理解、可推理的显性知识；二是建设高质量数据集，这与垂类模型效果密切相关；三是深度嵌入流程，这样才能真正发挥作用。

明确AI的能力边界与风险底线

李伟充分肯定了金融机构AI应用积极、稳健的整体态势。他表示，推进大模型在金融领域的应用，需明确大模型的能力边界——大模型在多模态内容理解与生成、基础逻辑分析推理等方面展现出较强能力，但无法保证输出准确性、无法严谨解释输出结果。因此，应用大模型需扬长避短，核心是做好场景适配。

他指出，不同机构大模型应用要体现差异性，避免用同一个“脑子”指挥行动。即便选用同一开源大模型，不同机构的任务大模型也应有差异，否则会带来风险。他以数据分级分类为例，“每家银行对某字段的重要性判断不同，有的认为是二级，有的认为是三级，这就对了。差异源于机构风险判断不同，通用内容可能逐渐趋同，但关键部分必须体现差异。”

他强调，要严守风险底线，压实人的主体责任。大模型可以出谋划策，但不能越俎代庖，人始终是责任主体。同时，要用魔法打败魔法，用AI技术防范AI带来的风险。

刘晓春指出，人工智能需由人类赋予应用场景，人在“人工智能+”创新中始终处于主导地位，无需动脑的基础操作岗位可能会简化，而具备更强业务能力的人才是驾驭技术的关键。在技术适配方面，适用优于先进，要根据业务特性选择合适的AI。尤其对中小机构而言，一定要区分高频与低频业务、关键风险与偶发风险，集中资源投入于高价值场景。

龚伟华认为，金融机构应用大模型的目标，不应局限于单纯降本增效，更在于增强复杂决策能力、创造战略发展机会、培育新的经济增长极。在生态建设上，也不止于数据共享，而在于智能共生——未来高阶的生态协作，更应聚焦单一机构难以解决、需多方共同解决的难题。

会议形成共识，从“+AI”工具化尝试，到“AI+”体系化重构，金融智能化已迈入落地期。行业需在合规底线之上精准创新，以更务实的智能化实践，赋能金融提质增效与实体经济发展。