聚焦｜以负责任AI引领金融大模型创新

我们正驶向一个由连接衍生交互、由计算催生智能的时代。“以负责任AI引领金融大模型创新”成为研究与实践必须思考和回答的问题。近日，2024金融科技青年学者春季研讨会，从首都北京来到古城姑苏，跨越千里，相聚江南，共同开启首期智慧治理“独墅湖”思想沙龙。本次研讨会由中国人民大学智慧治理学院和腾讯研究院联合主办，中国人民大学江南学术交流中心、金融科技50人论坛共同承办。

一

会议第一部分，由中国人民大学苏州校区党委书记伍聪，腾讯研究院副院长、金融科技50人青年论坛首席召集人杜晓宇，苏州独墅湖科教创新区管委会副主任陈淼致开场辞。中国人民大学智慧治理学院副院长宋鹭主持会议。

伍聪在致辞中代表苏州校区对所有到场的专家表示感谢，并强调了本次活动是智慧治理独墅湖沙龙的开端，该沙龙将支持智慧治理学院的建设，为其提供理论和智力支持。

伍聪首先介绍了智慧治理学院的成立背景和目标。中国人民大学在人工智能、大数据和政府决策领域拥有坚实的基础。2023年9月，学院在苏州校区成立智慧治理学院，旨在结合长三角地区的实践，推动基础人才培养、治理技术研发、治理创新设计和智慧治理实施。智慧治理学院是国内首家此类机构，今年9月将迎来首批学生，开设金融科技、人工智能和数字经济三个专业方向。

伍聪表示，在苏州市委市政府的支持以及独墅湖科教创新区管委会的指导下，苏州校区成功申报苏州市人工智能与社会治理技术重点实验室，这将有助于打造人工智能与智慧治理的产业中心和创新高地。

最后，伍聪指出，在人工智能的协助下，我们能够更好地提高工作效率和生活品质，拥抱人机共生带来的新领域和新机遇。期待各位专家在会议中的贡献能促进相关领域的发展，并希望此次活动能为未来的研究和应用提供有价值的见解。

杜晓宇在致辞中探讨了大模型和AI的流派和发展方向。

杜晓宇指出，人工智能发展经历了多个浪潮，目前正处于第四次浪潮。本次浪潮的到来是基于算力和数据指数化的突破性发展，以及随着大模型的出现伴生的涌现能力。大模型和生成式AI是当前人工智能发展的引领者。中国在大模型领域的交流和发展表现积极，但与美国相比仍存在一定差距，最近的一两年是中国的机会窗口。

关于大模型和生成式AI目前存在两种不同的技术流派。第一类是大模型的技术流派，该流派信奉技术创新能力，相信技术的绝对领先性和通用人工智能的可能性。第二类是市场派，认为陡峭的技术发展曲线会变得越来越平缓，要注重应用场景和商业化，认为未来大模型的发展目标在于商业应用。中国市场具有丰富的应用场景和强大的数据支撑，这构成了中国大模型发展的优势，可能成为国内外竞争的壁垒。

尽管大模型的发展路径多样，但最终胜利者必定需要具备变现能力和与场景结合的能力。今年开始，大模型很可能进入行业应用的重要转换点，行业大模型会成为人工智能+战略的最后一公里，尤其是金融行业。未来，要在风险防控的前提下探索大模型如何为金融注入新的能力、新的场景与新的模式，实现更快的技术迭代，重塑金融服务体验。

杜晓宇认为，探讨负责任的AI要理性认识大模型基础，聚焦场景的应用，夯实底层技术保障，并探索未来发展路径。期待本次会议能为金融行业加速大模型应用提供有益的观点和思路。

陈淼介绍了苏州工业园区和独墅湖科教创新区的基本情况。

苏州工业园区是中国和新加坡两国政府间最重要的合作项目，今年是园区开发建设的30周年。在30年的发展中，园区已形成一流的营商环境和创新生态，成为全球发展速度最快，最具有全球竞争力的开发区之一。在国家级经开区考评中，苏州工业园区连续八年位列全国第一，在科技部国家高新区考评中位列全国第四。

独墅湖科教创新区是苏州工业园区的重要转型发展功能区，始终坚持名城名校融合发展，推动教育链、人才链、产业链、创新链形成闭环，促进高校科研院所和产业实现深度融合。目前，科教创新区已引进33所国内外知名高校和15家国家级科研院所等重大创新平台和载体。

陈淼还介绍了苏州工业园区的产业发展以2+4+1的模式开展。2是信息技术和高端装备制造两个支柱产业；4是人工智能及数字产业、生物医药、纳米技术应用、新能源等4个新兴产业，其中人工智能是重点打造的战略性新兴产业之一。2021年苏州获批建设国家新一代人工智能创新发展试验区，以苏州工业园区为核心区，让产业创新集群保持了良好的发展态势。人民大学作为科教创新区最早入驻的高校之一，在高端人才培养、学术科研、国际交流等方面为地方作出了重要贡献。

陈淼认为，本次研讨会以负责任AI引领人工大模型创新为主题，契合了经济社会高质量发展和打造新质生产力重要引擎的要义，期待本次研讨会召开能为人工智能赋能产业转型升级提供更多建议。

二

会议第二部分，由中国银行业协会相关专家、腾讯云智能商业化中心金融业务负责人周为洲出席并做主题发言。    

腾讯云智能商业化中心金融业务负责人周为洲详细探讨了大模型技术的商业应用及其在各行各业中的实际落地。

人工智能的发展历程。他分享了自己在深度学习和大模型研究方面的早期经历，并讨论了从ChatGPT 3.5起始的大模型时代如何深刻影响了AI产品和解决方案的发展。周为洲指出，人工智能技术大约每十至十五年就会经历一次重大迭代，而我们当前正处于第四次AI智能革命的浪潮中，这一阶段为各行各业带来了前所未有的机遇。

大模型技术在金融、保险和证券等行业中的应用。他阐述了腾讯在其内部研发和生产流程中如何有效实施大模型技术，并逐步将这些技术应用于具体业务实践中。尽管当前国内许多企业宣布拥有十亿级参数的模型，关键挑战仍在于如何实现这些大模型的有效落地和转化为真实的商业价值。他强调，企业客户目前更加关注大模型在其特定业务场景中的实际应用效果，而非仅仅是模型的技术性能。

腾讯在推动大模型实际应用中的策略和方法。他提到，腾讯采用了包括创建行业特定模型和考虑数据合规性在内的多种策略，以确保大模型技术能在商业实践中转化为真正的业务优势。他详细描述了如何通过技术创新降低部署成本，并帮助客户提升运营效率和服务质量。他认为，未来大模型的应用将超越传统领域，如企业级知识库，大模型加持机会进一步助推传统企业级知识库及其它复杂系统的优化和升级。另一方面，包括OCR文字识别、ASR语音识别在内的经典人工智能技术也可以与大模型思路相结合，进一步提升效果精度和抗干扰性，从而在金融等高合规性行业中发挥重要作用。

三

会议的第三部分，由中国人民大学国家发展与战略研究院副教授陈强远做学术成果发布。

陈强远对《智慧治理：全球动态与中国经验》（第1-3期）做了详细的介绍，强调了智慧治理在现代国家治理体系中的重要性。

随着人工智能等科技的进步，传统治理正逐步演变为智慧治理。他以中关村街道上密集的摄像头为例，说明了智慧治理在公共安全领域的具体应用。他强调，这种技术的进步极大地促进了治理效率，但同时也引出了智慧治理的底层逻辑、技术支撑、法律边界等一系列需要进一步探讨的问题。

陈强远随后阐述了创办刊物《智慧治理全球动态与中国经验》的初衷和目标。该刊物旨在收集和讨论智慧治理相关的问题，包括制度、伦理、信息等困境，并通过国内外案例分析，为智慧治理的研究提供决策支持。他介绍了刊物的几期主题，包括智慧治理的技术前沿、立法动态、产业政策等，从而引导智慧治理领域的学术和政策讨论。

刊物的发展目标和未来方向，旨在成为一个响应智慧治理实际需求，深入探讨核心问题的高水平学术和政策参考资源。他邀请与会者提供宝贵意见，共同推动刊物的发展和智慧治理研究的进步。

四

会议第四部分由苏州银行大数据管理部总经理张振兴，睿格钛氪（北京）技术有限公司CEO杜宁，腾讯研究院高级研究员陈楚仪，苏州大学商学院副院长徐涛，西交利物浦大学产业家学院/和谐管理研究中心副主任丁晓明，中国人民大学信息学院教授许伟，中国人民大学国际学院副院长徐星美研讨交流。金融科技50人论坛执行秘书长闵文文主持该环节。

张振兴从大模型对银行业务的影响和银行的实践、中小银行实施大模型应用时面临的风险挑战及应对思路等方面展开介绍。

大模型对银行业业务的影响。AI大模型的特点可以总结为“三大一快”，即大算力、大数据、大算法，且通用能力强，能快速赋能业务应用。大模型对银行业务的影响可分为四个方面：第一，改善客户体验。大模型辅助建立智能客服知识库，提供更加专业准确的解决方案，还能利用大模型分析客户行为，精准推送相关金融产品。第二，提升办公效率。利用大模型实现智慧办公和流程自动化。第三，加速产品创新。利用大模型提升一线开发员工编码效率和质量；基于大模型的数据分析提供个性化的金融服务和产品推荐，并为金融产品创新提供有力支持。第四，加强风险管控。利用大模型技术实现精准识别欺诈行为，信用评估革新，风险管理智能化，并帮助合规性检查。

大模型在银行业的实践。大模型的技术路径可分为预训练加入行业知识、预训练仅用行业数据、仅使用行业数据精调、外挂行业知识库等四条路径。大模型的应用案例方面，一是智能客服知识库，利用大模型完成数据标注和知识维护，实现智能问答；二是智慧办公，利用大模型文本生成和问答能力，全面升级办公模式；三是智能研发工具，基于大模型技术的代码研发辅助产品。此外，还包括欺诈检测、理财销售助手、聊天机器人等众多应用场景。

中小银行实施大模型应用面临的挑战。主要可分为算力、数据、模型、场景、成本、人才等六个方面。具体面临的风险：第一，大模型的伦理及安全风险。社会伦理方面包括模型偏见性、公平性的问题，以及由生成式AI模型制作数字人、复活已故名人等可能产生社会伦理问题。金融安全方面，大模型的可解释性和可控性较为薄弱，且训练数据可能涉及大量用户隐私。第二，数据安全和版权安全。大模型的复杂性和规模增加了攻击者进行攻击的可能性，同时，在金融垂直领域大模型开源的情况下，被恶意窃取并进行微调的现象时有发生。

中小银行实施大模型应用的解决措施与思路。未来，仍需解决数据质量、基础设施、场景应用、人才培养、安全可控、成本保障等关键问题。规划层面，要持续加快千亿级大模型场景建设、完善大模型数据工程建设、提升大模型工程化流水线能力、建立金融行业大模型评测标准体系。实践措施方面，要加强人才培养与引进，优化成本方案，实施数据共享以提升效率，并严格遵守法规，防止因违规操作带来的法律风险。

杜宁从大模型的特点出发对如何负责任的应用大模型提出观点。

要有一个负责任的态度，应了解其特点从而扬长避短。大模型作为非冯结构的信息化系统，其最显著特征在于同一输入并不一定能得到同样的输出，这个过程甚至很难复现。从这个角度来说，结果不精确、过程难审计、因果不具可解释性，是其先天特点。正是由于其具备这个特点，所以才具备创造性，才具备从非结构化数据中总结提炼的能力。对于这个特点，不应戴上“幻觉”的大帽子而进行全盘的否定。大模型就好像好动的少年、锋利的刀，如何扬长避短的对其加以培养和利用，需要从熟知其特点入手，而不要南辕北辙，更不可因噎废食。

要有负责任的能力，应该在实际应用中不断推广大模型。负责任不是管死，不做事自然就不出事，这不是目标。今天智慧治理学院组织这个沙龙就特好好，因为智慧治理和其所从事的监管科技一样，都是为了统筹好发展与安全。负责任是为了管好，为了发展好。安全与发展要根据具体情况不断做动态调整。当前的阶段，大模型应用形成闭环、创造价值才是硬道理。当前睿格钛氪已经开始与部分金融机构合作，根据监管的要求和金融业务发展的需要，从具体的应用环节推动大模型的落地。在落地的过程中，有些问题才会暴露，暴露之后才会解决，解决之后才能进步。

要有负责任的甄别，重视大模型与传统人工智能的区别。大模型和大模型之前的人工智能相比，有点儿像现代人与尼安德特人的区别。虽然通过类神经元处理器的堆积，神经网络和机器学习可以解决处理器数量上的问题。但是尼安德特人实际上脑容量是比现代人脑容量更大的。所以数量解决之后，就是主线带宽和并发量的问题。这是人之所以为人的关键，也是大模型独树一帜的关键，也是区分当前市面上鱼龙混杂的大模型中谁能够真正代表未来发展的关键。

陈楚仪从国际、国内在大模型与金融结合的角度展开研讨。

金融业和其他行业需要垂直大模型的根本原因。她认为通用大模型在金融领域存在局限性，尤其在金融常识和问答生成方面的准确性和可控性无法满足行业需求。金融作为综合学科具有复杂性，目前的指令微调无法涵盖金融领域的全部知识。垂直领域的金融大模型更适合成为专用行业引擎，通过高质量金融语料的训练和搜索增强等技术，提供精确的金融信息分析和输出。

金融大模型在行业中的应用场景。金融行业在大模型应用方面处于领先地位，各大银行和证券机构已陆续将大模型引入客服、投研和代码生成等领域，并取得了一定效果。如彭博社利用垂直大模型辅助生成内部金融资讯和金融信息；高盛也利用AI大模型来辅助软件开发。国内的银行、投资、保险等机构也非常期待利用大模型的能力来提升服务个性化和效率，基于对客户画像的认知快速输出匹配需求的方案，提升办公协同的效率。达到该效果的前提是具有高质量的金融训练数据集。

国内外对大模型在金融方面的应用较为乐观的原因。第一，金融领域是所有行业中沉淀高质量数据最多的行业。第二，金融行业具有高度专业化和产品复杂化的特点，大模型可以对客户需求进行快速回答。第三，目前大模型的能力在持续突破和进化，在理解和推理能力方面会持续提升，有利于加速AI、金融及各行各业的深度融合。基于多模态大模型的Agent是未来值得关注的方向。

金融领域广泛使用AI等先进技术之前需要提前研究和治理的风险。第一，数据隐私。在对数据进行训练时需要通过各种技术来确保隐私安全。第二，社会偏见。目前预训练的数据可能潜在的偏见数据，导致训练后容易放大这些偏见。第三，AI幻觉。生成式AI不够充分的解释性给合规带来了挑战。以传统的决策型AI为主，生成式AI为辅可以作为切入口。第四，网络安全。第五，金融的系统风险。过度的使用AI生成的报告或投资策略，让不准确的内容集中，快速的生成并且传播时，可能会引发部分风险。

徐涛从传统金融学的视角对大模型的出现和应用展开研讨。

从传统金融学和商学院的视角看待金融科技创新的发展历程。过去几十年中，每次科技革命都极大地推动了金融学的发展。从马科维茨的有效边界理论到如今的文本分析应用，科技的发展不断提高了金融理论和模型的水平。近十年来，文本分析的应用为金融投资带来了全新的变化，突破了过去对历史数据的依赖，从而使金融投资更具前瞻性和准确性。

大模型的出现是一次重大飞跃和创新。第一，从信息角度缓解了金融投资中的信息不对称和信息缺乏问题。第二，解决了信息处理问题。大模型实际上在模拟人的感知或者思考，改变了投资过程中的决策路径。大模型的多样化和丰富化为金融决策提供了更多选择。

金融决策不再只追求利润最大化，而越来越注重社会责任和可持续发展。而考虑到道德伦理、绿色、责任、风险等内容会让选择面受限，大模型在一定程度上可以缓解负责任投资所面临的限制。大模型能够提供更多信息和优化信息处理方式，从而拓展投资者的选择空间，增加负责任投资的活力。

负责任的AI对大模型的创新和运用带来的挑战。第一，如何使用大模型。如果强调负责任的AI对大模型创新的运用，那在使用过程中需要添加约束条件，如道德伦理、信息安全、隐私保护、金融风险、社会责任等，以保证运用金融大模型来解决现实中的问题。第二，确定大模型的应用领域。大模型可以用在绿色金融、低碳、社会平等、小微企业融资等诸多领域，在实际运用时需要更多的细化并进行深入思考。

丁晓明深入讨论了AI和大模型在金融和管理教育中的应用及其对学科发展的影响。

西交利物浦大学的发展历程。从2006年开始招收本科生至今不到二十年，学校已迅速发展至近3万名在校生和超过80个本科及硕士专业。他强调了学校快速的成长和广泛的学科覆盖。

AI大模型对金融学未来方向的影响。他提到，在商学院的教育过程中，尽管教职工在学术研究能力上不断提升，但这种能力并未有效转化为对金融实务的深刻理解。因此，他参与创立了产业家学院，目标是更紧密地结合学术研究与行业需求。

在产业家学院负责的两个重点项目。他正在建立一个金融数据库，旨在为金融学科及其他领域，如企业治理和战略人力资源管理，提供一个多功能的数据支持平台。他表示，该平台将提供的多模态数据智能接口、数字化解决方案、基于智能分析的管理与治理方案，以及科研数据培训平台。此外，他认为跨学科合作至关重要，并欢迎更多同行和行业专家与产业家学院合作共同探索AI和大模型的应用前景。

许伟详细介绍了智慧治理学院和苏州市人工智能与社会治理技术重点实验室的相关工作。

智慧治理学院自成立以来开展智慧治理人才培养和科研平台建设的进展。智慧治理学院以智慧治理理论为牵引，以“国际人才培养、实践人才培训”“理论战略研究、体系规划设计”“治理技术研发、经验模式推广”为使命，以“四个面向”为愿景，打造具有全球影响力的智慧治理平台。

苏州市重点实验室的建设情况及研究方向。他提到实验室的三个主要研究领域为大数据、大模型和大应用，其中金融科技与金融治理是一个典型的应用方向。他表示，以后得人才培养模式不再是传统的课堂学习，而是通过解决实际问题来培养学生的技术和工程能力，进而推动产品开发和创新。

期待思想碰撞能够激发出真正的实际需求。他提到，学院即将迎来新一届的专业博士和专业硕士，他们将专注于人工智能与智慧治理、数字经济与智慧治理和金融科技与智慧治理，将与当地政府、企业形成协同并积极提供人才支持。

徐星美强调了人工智能时代教育的重要性，并具体阐述了面向未来的人才培养和学术探索的多维策略。

学术界在不断与业界互动的过程中，对于如何培养符合人工智能时代需求的人才所感受到的日益增加的焦虑和挑战。她认为，这是所有高等学校特别是相关领域的教育工作者面前的一个重大问题。为了应对这种挑战，人民大学苏州校区特别是国际学院和智慧治理学院已经开始从业务逻辑和技术实现两个方面进行课程改革和尝试，以帮助学生更好地适应技术发展趋势。

希望与在座的学术界和业界专家合作，共同推进符合市场需求的人才培养计划。她期望业界专家提供方向性指导，帮助学院精确制定培养方案。通过组建合作项目组，促进教师和学生与业界专家之间的实际合作与交流，从而推动智慧治理领域的前沿探索。

学院的目标是将智慧治理作为一个交叉学科来建设，并进行深入的学术探索。她期待借助各位的力量和合作，共同推动智慧治理学科的发展，以更好地满足人工智能时代教育和实践的需求。

五

会议第五部分，与会专家就如何推动“政产学研用”进一步合作，以及人才培养方面的供需问题等内容进行了深入探讨，并提出了具有建设性的意见和建议。未来，与会各方将围绕智慧治理、AI、金融大模型、产学研互动等话题开展进一步的对话与交流。

文字：孔夏、林靖澄、胡云清

编辑：任伟明、董振岩、王华贝

图片：孙佳欣

排版：杜婉仪