专题：服贸会第七届中国金融科技论坛

　　中国海外就业交易来回会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与应用”。中原银行科技招引与启动中心总司理 兼数字金融照管部总司理寿弘宇出席并演讲。

　　以下为演讲实录：

　　刚才听了陈院长精彩的演讲额外有启发，既有瀽瓴高屋的顶层遐想，又有场景实际的真切探索，好多不雅点跟咱们高度契合，我个东谈主也深受启发，我的发言和陈院长比拟，相对来说比较具体，是咱们我方科技条线在一些点位上的想考，失当之处请列位人人多月旦指正。

　　这两年东谈主工智能，额外是大模子，通盘社会的爱护度齐是到一个前所未有的高度，亦然给科技赋能业务提供了好多的设想空间。咱们科技部门也在想考，金融行业有它的特殊性，除了追求手艺朝上以外，更要兼顾场景应用的安全、合规和本色价值。咱们梳理的时候，嗅觉主要有以下几方面的挑战：

　　最初是大模子的幻觉和金融行业高笃定性性情上的矛盾。咱们搞手艺的共事偶然会追求模子的“大而全”，好像认为参数越多、功能越全就越先进、越好。其实关于业务端来讲，它更但愿有“专而精”的有打算，简略措置本色的业务问题，同期能收尾风险。在这方面来讲，咱们的不雅点是，要拥抱“有不停的创造力”，不追求大而全，更费力于于专而精。一些低风险的场景，比如说像文档生成、会议纪录，基础大模子就不错措置；然则有一些业务决策、风险照管等中枢业务的高风险场景，我和陈院长的不雅点一致，一经需要大小模子协同，以致有一些要领还要加以东谈主工的校验，手艺应用加东谈主工兜底，才简略确保应用的安全。

　　第二，数据。因为大模子需要数据当粮食，也会面对数据的绽放需乞降金融诡秘安全方面的问题，因为有一些金融数据会触及到客户的诡秘和合规条款，莫得主见平直来锻真金不怕火，天然咱们也作念了一些尝试，通过联邦学习，在加密数据空间内部联结建模，收场数据的可用不行见；使用合成数据手艺生成脱敏数据，既知足锻真金不怕火需求，又保险数据安全；另外通过模子微长入蒸馏，把大模子的中枢常识，提取到土产货的小模子里边去，收场轻量化的部署，减少外部数据结合和传输的风险。

　　还有等于金融行业全面拥抱AI期间，需要有持久的布局，同期业务上又但愿能快速看到效益。这就需要提前作念好企业级AI策略的顶层遐想和全局计较，同期咱们科技条线也应该主动拥抱这个期间，去作念必要的改变和适配。比如说在通盘科技的组织架构上，要建树生动应变、真切业务的架构，更靠近业务；加强功绩和会的东谈主才的培养，使得业务和手艺简略理念趋同，谈话共通；在场景的遴荐上强调业务价值导向，确保短期收益的条款简略变现落地，才能获得业务执续的邻接和支执。功绩和会联袂共进，共同促进场景和生态繁茂，收场“短期成效、持久筑基”。

　　从场景上来讲，大模子应用上来讲，咱们认为好多单元齐会堕入到一个试点陷坑，作念了多数的试点，然则它很难复制、执行。是以咱们的不雅点是不追求场景的数目，不要唯数目论。比如说100个10个东谈主的场景，它的价值不如10个1000东谈主的场景，这是一个很浅薄的逻辑。

　　因为这个边界咫尺干与是很大的，银行亦然一个金融机构，它要酌量干与产出比，是以这一块咱们一定要确保场景是可复制、可执行的，让大模子的应用着实的能融入业务，而况执续的创造价值。

　　这张是咱们的一个暗示图，它不是一个手艺架构图，仅仅咱们的一些不雅点的体现，最表层一经企业的发展策略和业务打算，通过策略透视和业务的深层解码，咱们才能更具化、聚焦应用场景。在智力层咱们更爱护的是智能体照管和常识中台的照管，常识中台咱们认为是破解模子幻觉，构建信任机制的一个过失；智能体照管通过感知推理和行径一体化，但愿不错更主动预判和反应业务需求，更灵验提高就业精确性；最底下是平台资源层，从算力、模子为表层应用提供基础保险。

　　这张图前边也讲过了，包括科技条线需要作念的几个回荡，重迭的我就不再赘述了。另外等于关于场景的邻接上，因为金融机构面对场景的需求，其实是很焕发的，全行搜集需求大几百个，然则面对越来越精益化的科技干与产出照管的条款，面对多样资源包括复合型东谈主才资源的穷乏，咱们何如科学、灵验而况敏捷的调配资源，以产生最大的业务效率，对咱们是一个很中枢的挑战。是以咱们也把场景作念了分析，分了速赢区、攻坚区、深水区几个类别。

　　速赢区，主要一经以基础大模子为主，咱们也搭建了相应的环境，通过大模子智力和智能体平台，主若是擢升职工的分娩力为主。这方面主若是一些代码自动生成，会议纪要生成，普遍办公助手等等。这些咱们认为它的手艺熟识度比较高，落地周期短，也简略快速地目田东谈主力。

　　攻坚区，主若是在优化客户的交互和就业质地，需要驾驭RAG手艺、边界大模子和智能体的打算调用，完成比如智能客服精确的征询、个性化的营销话术生成、金钱照管的居品匹配等责任，通过擢升客户体验来增强业务的竞争力。

　　深水区，则面向复杂业务决策与风险合规场景，手艺难度高、业务复杂度大，决策还需要特地审慎，单靠单一模子根柢知足不了需求，必须经受“大模子+小模子”的组合，搭配多智能体协同，比如企业信用风险评级、供应链金融风险监控这些场景，需要整合行业数据、政策条款等多维度信息，单靠一家机构很难完成，也需要协同生态力量共同鼓动。

　　接下来我给人人共享几个典型的落地案例：

　　在智能营销边界，咱们的“授信尽调论说提拔生成器用”依托“任务编排大脑”Agent，能收场授信造访论说分钟级生成；通过大、小模子和会保险论说的广度、深度与精度，把蓝本3-5天的论说撰写时刻镌汰到30分钟，效果擢升95%以上。

　　客户就业边界的“超等客户司理参谋人”，搭建了含多路羼杂检索、重排序与凹凸文压缩功能的智能体，通过领导词工程框架等收尾生成内容、扼制幻觉，咫尺能减少50%的东谈主工征询量，对话惬意度杰出70%。

　　业务更正边界的“智能数据分析师”收场了NL2Semantics2SQL手艺升级，打造出智能ChatBI与智能数据分析论说生成智力，完善了数据应用链条，非圭臬数据查询从蓝本的3天镌汰到秒级，准确率杰出90%。

　　办公运营边界，也使用了行业内一些很优秀的手艺，语音催收质检经受mossformer2模子收场对话别离，基于FunASR开源框架完谚语音识别，再搭配DeepSeek-R1-32B收场变装识别，咫尺粉饰率达到100%，非法识别准确率超90%，东谈主工责任量减少了90%。

　　提拔研发边界，大模子通过领导词匹配复古需求测试点、测试案例与测试数据生成，提拔软件测试生成了10万+测试点，每年能简略东谈主力资本1000万以上。

　　这些案例固然粉饰了不同边界，但中枢逻辑是一致的，齐是“场景驱动、手艺适配”，这也一定经由印证了咱们咫尺落地旅途的可行性。

　　终末想跟人人讲演的是，中原银行科技条线在这一轮AI手艺变革海潮中，会持久秉执着这么的理念：“以敬畏之心，独霸AI之力；以业务之尺，估计更正之效。”夙昔，咱们也生机能和行业同仁们联袂，沿路共同探索金融大模子的更多可能。

　　谢谢人人！

　　新浪声明：整个会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之打算，并不虞味着赞同其不雅点或证据其形容。

海量资讯、精确解读，尽在新浪财经APP

职守剪辑：王翔 开云kaiyun.com