“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、、拓客猫软件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。。。。

拓客猫软件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
，，拓客猫软件提出“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。。。。