转自：北京日报客户端

习近平总书记强调，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展。“十五五”规划建议强调，全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。我们要认真学习、全面贯彻习近平总书记关于人工智能发展的重要指示批示精神，深入落实党中央、国务院决策部署，积极稳妥推进人工智能金融应用，持续加强金融支持人工智能产业发展，助推金融强国建设和科技自立自强。

人工智能金融应用取得阶段性、实质性成效

随着以大模型为代表的新一代人工智能技术蓬勃兴起，金融业立足数据资源富集、应用场景丰富、市场规模庞大、信创积淀深厚的行业优势，坚持走中国特色金融发展之路，立足需求、基于场景、渐次推进、迭代发展，扎实推动“人工智能+金融”取得明显成效。出台一批指导性政策文件，制定一批代表性标准规范，涌现一批创新性优秀成果，形成一套“先外围后核心、先辅助后协同、先对内后对外”的应用范式，实现人工智能应用从外围场景渗透到核心领域，从辅助工具发展为“智慧大脑”，从“对内运营提效”延伸到“对外服务提质”，全业务链条、全服务维度智慧赋能，为金融高质量发展注入强劲动力，也为各行业各领域深化人工智能应用提供了鲜活样本。

应用场景从通用简单迈向专业复杂。当前，大模型已成为金融创新的新引擎，应用场景已从辅助办公、智能客服等领域的局部探索，加速向信贷风控、合规审查、智能投顾等核心业务领域渗透，呈现出全面开花的良好态势。大模型正从完成数据录入、账单核对、标准化咨询答复、固定规则风控筛查等重复性流程化工作的辅助工具，加速升级为具备感知、规划、决策、执行、反思能力的智能体。它不仅能理解复杂指令，还可智能调用应用程序接口（API），实现多个子系统协同，完成跨流程、多步骤的复杂任务链。

服务对象从内部员工审慎拓展到外部用户。在服务内部员工方面，人工智能已广泛应用于为客服、风控、审计、研发等岗位员工提供知识问答、数据分析、报告生成、辅助编程等，成为提升工作效能、降低劳动强度的得力助手。在服务外部用户方面，由于大模型存在输出结果的不确定性，因而金融机构普遍采取审慎策略，相关应用仅在手机银行智能客服、网点自助终端业务办理等场景开展小范围试点探索，并配套人工服务、舆情监测、应急处置等保障措施。

技术支撑从通算体系加速向智算体系转变。在算力方面，金融业正加速引进智能算力，积极探索云、管、边、端协同及量子大模型等新算力模式。智能算力规模快速增长，与通用算力协同构建支撑业务发展的算力底座。在数据方面，针对大模型应用的数据需求，金融机构不断拓展外部数据资源，深挖内部数据价值，建立全生命周期管理机制，强化多模态、高质量金融数据汇聚、治理与共享能力，为模型训练优化及应用提供充足高效“数据燃料”。在模型方面，金融机构采取开源与自研并举、通用与专用结合、大模型与小模型协同的策略，一方面积极稳慎选用开源的基础大模型，另一方面按业务场景自主研发不同垂域大模型。

人工智能与金融融合发展面临的问题与挑战

人工智能应用需要统一认识。当前，金融业对人工智能应用的重要性已形成广泛共识，但对人工智能的定位和作用还存在认知差异。从发展规律看，人工智能的发展与应用并非一蹴而就，而是一个渐进式、需要持续探索的系统工程。要充分认识应用过程中的困难挑战，做好打攻坚战和持久战的准备。从事物本质看，人工智能特别是大模型是一种新技术、新事物，应用得当可实现创新发展，应用不当则会引发未知风险。从目标方向看，要始终坚持走中国特色金融发展之路，坚持以人民为中心，坚持服务实体经济，坚持应用导向和需求引领，着力解决痛点难点问题，赋能金融“五篇大文章”，让人工智能金融应用成果更多更公平惠及全体人民。从统筹规划看，要处理好局部与整体、投入与产出、长期与短期的关系，以系统思维统筹发展路径，以集约理念优化资源配置。

高质量数据集建设面临挑战。人工智能应用所需数据的体量大、来源广、类型多、价值高，全生命周期管理面临挑战。在数据采集方面，公开数据集已广泛用于大模型训练，面临数据枯竭风险，未经许可直接使用互联网数据训练模型，可能面临隐私保护、知识产权问题。金融领域虽积累了海量历史数据，但从“原始数据”到“高质量数据”需经过场景锚定、源头把控、清洗标注、测试审查等工序，真实可用的金融高质量数据集明显不足。在数据选取清洗方面，数据来源和污染问题会影响模型输出结果的准确性。若某类数据占比过高，则可能引发模型偏见；若数据含有虚假内容或被恶意篡改，可能产生决策错误；若训练数据存在违法、偏激等有害信息，可能产生扭曲的价值观；若开源基础大模型初始训练数据把关不严，金融机构将无从得知、难以判断，只能通过安全围栏等方式对模型输出内容进行过滤。在数据标注加工方面，需要业务与技术部门强化协同，投入大量人力资源。既要求机构自身具备一定数据治理能力，体现出差异化；也需要行业统筹，解决共性问题。在数据共享方面，金融机构出于商业竞争、隐私安全、合规风险等因素考虑，对数据的跨机构、跨领域共享存在顾虑，不愿主动开放数据资源，“数据孤岛”现象依然存在。在数据安全方面，金融数据往往涉及用户个人隐私或金融机构商业秘密，具有高度敏感性。若大模型在训练中“记忆”了敏感信息，攻击者可通过构造提示词诱导大模型输出敏感信息，造成数据泄露。此外，高质量数据集建设还面临技术支撑工具不成熟问题，自动化清洗、智能化标注等工具难以全面取代业务人员专业经验，实际应用效果欠佳。

智能算力产业生态亟待完善。国产智能算力芯片在制程方面存在代差，单张智能芯片卡的算力、能耗比等技术指标均落后于国际领先水平。同时，国产智能算力正处于快速发展、竞争选优阶段，不同厂商采用差异化的技术栈、编程框架与工具链，相互之间缺乏协同联动。金融机构需要适配不同厂商的技术路线，建设成本高、适配难度大，制约了算力的集约化调度与应用。

人工智能问题及风险不容忽视。一是模型幻觉问题。当前，大模型的“智能”源于对海量数据的统计性、规律性学习，缺少对真实世界的了解，这导致大模型幻觉问题较为突出，不能保证输出结果的准确性。特别是面对未学习过的知识领域，逻辑谬误和幻觉出现的可能性更高。二是模型黑箱问题。大模型是“被动无意识”的概率计算，没有主动思考推理的过程，而是直接输出结果，本质上仍是对思考过程的概率性预测，可能存在逻辑断层等问题。三是模型同质化风险。若大量金融机构选择同一基础大模型，且不经差异化后训练和调优，极易导致决策趋同，加剧金融市场的顺周期性波动，甚至引发“雪崩式”反应，产生系统性风险。

人工智能应用保障体系有待健全。制度体系有待完善，相应的制度规划、监管规则、标准规范等需进一步健全，配套的检测认证机制要逐步建立实施。伦理治理亟待加强，算法可能在性别、种族、地域、职业等方面形成隐性偏见，生成有违伦理道德的歧视性、不公平内容，甚至在金融服务场景中引发伦理争议或社会风险。人才供给还需强化，大模型相关专业人才十分稀缺，且主要集中在互联网及科技领域，金融业人才缺口较大，兼具金融业务与大模型技术能力的复合型人才更为稀少。

积极稳妥推进“十五五”时期“人工智能+金融”发展

以习近平新时代中国特色社会主义思想为指导，深入学习贯彻落实党的二十届四中全会精神，完整准确全面贯彻新发展理念，坚持高水平科技自立自强，突出应用导向，加快金融数字化、智能化转型，积极稳妥、安全有序推进人工智能金融应用，持续加大金融支持人工智能产业发展力度，加快健全与智能经济、智能社会发展相适配的现代金融体系。

加强顶层设计。加快出台“人工智能+金融”实施意见，明确人工智能金融安全应用的目标、方向、原则、措施。坚持需求引领，注重应用实效，不炒作、不虚化，警惕泡沫化，确保可持续。研究制定金融领域高质量数据集建设指南，探索分业务领域、分场景、渐进式推进行业高质量数据集建设。加快建设金融领域国家人工智能行业应用中试基地，降低行业模型训练成本和应用创新门槛。开展模型后训练和微调，训练数据和优化后的模型在基地不落地、不留存，保障数据和模型安全，助力中小金融机构解决智能算力不足、数据质量不高等问题。深化人工智能与数字人民币融合应用，助推人民币国际化。

健全治理体系。坚持发展和安全并重，健全守正向善、多元协同的人工智能金融应用治理体系。跨部门协同方面，研究设立涵盖金融、网信、发改、科技、工信、数据等部门的跨部门协调机制和技术委员会，加强“人工智能+金融”相关前沿问题研究、重要事项会商、重点制度协同和重大风险联防联控。金融管理部门要强化对智能化发展的规范引导，加强政策支持与生态培育，营造守正创新的良好环境；配套“长牙带刺”的监管措施，加快研究出台监管规则和标准规范，实现对人工智能应用风险的早识别、早预警、早发现、早处置。金融机构要按照“谁提供金融服务谁负责”“谁应用人工智能技术谁负责”的原则，在选模型、喂数据、蒸馏微调等各环节落实主体责任，强化风险分类分级管理和高风险应用准入管理，健全以人为本、人机协同的应用范式，确保最终决策由人作出、关键环节有人监督、紧急时刻有人干预，从源头避免技术失控风险。人工智能企业要筑牢伦理道德、公平竞争、意识形态安全等合规底线，在高质量数据集建设、基础大模型训练过程中，切实做到有技术不任性、有数据不滥用，守好人工智能安全第一道防线。行业协会要发挥自律作用，通过治理倡议、联合公约、自律惩戒等方式，助力营造负责任的人工智能创新应用氛围。检测认证、风险监控等专业机构要当好“守门员”，精准识别模型漏洞、算法偏见、数据安全、供应链风险等潜在隐患，帮助金融机构阻断技术风险向金融领域传导的路径。从业人员要恪守职业道德底线，坚持守正创新，自觉提升人工智能科技伦理素养。

强化产金协作。一方面，加强工信、科技、金融等部门协同，深化人工智能企业与金融机构合作。既要以金融应用促进产业创新发展，提升开源基础大模型、智能算力等软硬件产品的技术先进性、场景适配性和运行稳定性；也要以产业发展促进金融应用提质增效，发挥产业技术优势增强金融数据治理、智能模型研发、业务场景挖掘等能力，推动金融服务向精细化、智能化、普惠化、高效化升级；更要产用协同共筑安全底线，支持金融机构提前介入产业创新链条，了解掌握基础大模型的训练数据及潜在风险隐患，提升大模型金融应用安全性和可靠性。另一方面，加强人工智能全链条金融服务，发挥科技创新和技术改造再贷款作用，用好债券市场“科技板”和科技创新债券风险分担工具，鼓励创新“算力贷”等产品服务模式，支持探索数据资产增信、数据知识产权质押融资产品，为人工智能产业发展提供更加精准有力的金融支持。

完善人才保障。建立金融、教育、人社、工信等跨部门人才协同培育机制，聚焦人工智能金融应用实战需求，推动金融机构与高等院校、科研院所、人工智能领军企业深度合作。在高等教育方面，增设“人工智能+金融”交叉学科专业，共建校企实训基地，开设金融AI算法、智能风控实务、数据安全合规等核心课程，通过“订单式培养”向金融机构定向输送紧缺人才。在人才引进方面，健全海内外高端人才“绿色通道”，在国家和地方高层次人才引进计划中单设“金融科技”类别，重点引进大模型算法研发、高质量数据集建设等紧缺领域人才，并配套落户安居、有竞争力的薪酬等政策。在人才培养方面，健全复合型人才培育路径，优化职业晋升通道，通过校企联合培养、专业技能培训、跨条线轮岗学习、跨机构联合实践等方式，提升员工智能素养。

来源：学习时报

作者: 曾一春