【国研平台新闻】国研平台“人工智能与金融未来”主题峰会圆满收官

李剑阁代表主办方发表开幕致辞，分享对“AI+金融”深度融合与未来发展的深入思考。他表示，第一，人工智能在我国已上升为国家战略层面的重点发展方向，要紧紧抓住人工智能发展的重大战略机遇，必须主动谋划、把握方向、抢占先机。第二，人工智能将深刻重塑金融行业生态格局。如何在推动技术创新的同时，确保金融系统的稳定与安全，需要人工智能方面的专家和金融界的专家密切合作，合力攻关。第三，加大金融创新对人工智能产业发展的支持，为人工智能企业提供从初创期到成熟期全生命周期的金融服务，从而推动“科技—产业—金融”高水平循环。

尚福林指出，人工智能技术的快速发展为金融智能化提供了技术支撑，为实体经济的数字化转型奠定了基础，提高服务实体经济质效成为其动力。人工智能对金融行业影响深远：一是增强交互体验，通过自然语言处理技术提升客户服务效率；二是全面分析“画像”，借助数据挖掘和算法优化风险评估与投资决策；三是改变传统服务模式，对中小银行物理网点依赖模式冲击显著。同时，人工智能带来效率提升与风险加剧的双重效应：算力效率提高减轻中小机构投入压力，但数据安全与隐私保护、模型算法透明性和可解释性等挑战突出。为此，他建议，应强化金融领域专业性，提升模型准确性；监管机构应关注应用动态，健全智能算法规则，确保算法公平、透明与安全。

高文回顾了人工智能的发展历史，强调抓住人工智能机遇的重要性，人工智能技术的前沿发展和中国算力网计划是当前核心议题。当前人工智能进入大数据驱动的深度神经网络阶段，生成式人工智能快速迭代，DeepSeek等案例彰显技术创新与金融支持的合力。他呼吁金融界加强与技术界合作，共同推动人工智能发展。中国实施“东数西算”战略，推进中国算力网建设，目标是优化算力资源配置，实现高效利用，面临核心算力供给、低延迟超宽带连接、算力调度及零碳排放算力四大技术挑战，已全面布局技术应对。他强调，人工智能开启新时代，金融支持将助力创业者突破创新瓶颈，增强中国在全球竞争中的实力。                                                                                                                                                   

在主题演讲环节，中国工商银行首席技术官吕仲涛，中国银行首席信息官孟茜，浦发银行副行长丁蔚，招商银行首席信息官周天虹先后发表演讲。

吕仲涛表示，工商银行非常重视AI大模型技术带来的广泛变革，克服了算力设施受国外技术封锁、通用算法在金融场景中使用受限，自有金融数据不能出域等多重挑战，建成同业首个自主可控的千卡规模AI算力云，打造大小模型协同融合的千亿级金融大模型算法矩阵，构建了一套适配大模型的金融知识工程，提炼了规模化应用范式解决方案。DeepSeek模型催生金融行业AI应用爆发式增长，未来大模型应用可能出现以下几个趋势：一是大模型成为基础设施；二是算力需求提升；三是人机协同成为常态；四是人工智能相关法律规范逐渐完善。

孟茜就银行业如何拥抱人工智能，特别是如何应用大模型发表主题演讲。从银行的行业来看，要做好三个“共治”，一是算力基础共治，二是行业模型共治，三是行业数据集共治；从银行机构来看，要做好三个“协同”，一是场景和技术协同，合理应用人工智能技术，二是业务和科技协同，实现应用创新敏捷迭代，三是组织和技术协同，构建人机相适的新型组织模式；此外，要统筹好发展和安全的关系，筑牢安全与风险三道防线，一是要筑牢企业治理防线；二是要筑牢业务安全防线；三是要筑牢技术安全防线。

丁蔚表示，人工智能在图像识别、语义理解以及长文本处理等领域的进步，将金融模式创新推向新的高度，促使金融服务模式随着技术不断迭代升级。在机遇方面，人工智能拓宽了商业银行价值创造的三道大门。一是效率大门，大模型能极大提高金融服务效率和降低运营成本；二是普惠大门，金融产品可服务更多的长尾客户；三是创新大门，“场景+智能体”等将成为下一步金融创新的主要领域。同时，商业银行必须正视并应对的三大壁垒：一是安全壁垒，算法黑箱、隐私保护等风险倒逼银行必须应用更严格的合规工具；二是能力壁垒，银行现有员工面临AI技能重塑的压力；三是信任壁垒，如何让客户像信任银行员工那样认可AI，也是未来必须面对的问题。

周天虹表示，当前正处在一波人工智能的浪潮当中，而大语言模型是这波人工智能浪潮的主角。对于银行业来说，大语言模型具备非常广阔的应用空间，可以为行业发展带来积极影响。具体可归纳为四种变化：一是服务模式的变化，银行有望真正做到“千人千面”，使个性化服务覆盖至所有客户，实现从“以重点客户为中心”到“以每个客户为中心”的转变；二是工作模式的变化，很多简单重复性的工作都可以由智能体员工为人类员工提供协助，甚至实现一定程度的替代；三是交互模式的变化，从“GUI”演变至“GUI+Chat”，特点是可以基于客户意图动态组织界面；四是数据分析的变化，大模型大幅提升分析效率，降低数据分析门槛。

在主题论坛环节，中科院计算所副所长包云岗，平安集团首席科学家肖京，第四范式创始人戴文渊，摩尔线程副总裁胡晓东发表演讲。

包云岗表示，开源模式已经成为当今软件领域的主流开发模式之一，如今开源模式开始向硬件领域扩展，一条处理器芯片领域新赛道正在形成，全球各国均在积极投入。他在发言中介绍了RISC-V发展态势，以及开源芯片领域所面临的机遇与挑战，并介绍了开源高性能RISC-V处理器核“香山”的具体实践。

肖京指出，人工智能对人类社会产生的影响可以总结为效率和智慧。DeepSeek的出现标志着全球人工智能进入能力升维，进入能学习强思考、触类旁通的第三个发展阶段；其两大特点是信息开源和强化学习尺度法则，使金融行业迎来客户、模式、生态三大变化，行业竞争加剧；以DeepSeek为代表的前沿大模型加速业务“三大颠覆”的到来，分别是流程、模式、生态颠覆。平安集团在营销、服务、运营、风控上面都有具体场景，在风险治理上形成完整的风险治理体系，以期能够有效地支持在应用场景中呈现具体应用价值。

戴文渊分享了不同视角下对AI发展的思考。从产业端看，大语言模型进入推理周期，AI变得可视化，AI人才增多；从企业端看，需重视AI的核心竞争力，让企业在竞争中脱颖而出，因此AI需服务于企业的诉求；从科学端看，AI的发展更注重于智能体，需要根据业务目的做预测，大语言模型无法预测，AGI是通过Agent+世界模型去实现。AGI未来的发展方向是不断地构建各领域的垂直世界模型，通过Agent去理解诉求，精准理解并不断提升能力、挖掘规律，再将其组合协同，最终实现AGI。

胡晓东表示，金融作为真正的“信息化”产业，人工智能应用场景众多而复杂，在金融全业务链条中，人工智能可以发挥巨大的价值，也是未来金融行业变革的核心驱动力。在今年全球大放异彩的Deepseek本质上也是起源于金融应用，它的成功带来三点启示：一是scaling law被重新定义，算力需求的巨大增长；二是开源实现了人工智能的平权，在与闭源大模型的竞争中得到了优势地位；三是挖掘了全功能GPU的巨大潜能，让全行业意识到高质量算力的价值。摩尔线程可以为金融行业提供高质量算力，从云到端，从软件加速到训练推理。此外，他还对高质量算力进行了定义，第一点是必须提供丰富的算力类型以应对金融丰富的应用场景；第二点是必须提供从云到端的完整算力体系支撑金融多层次的应用需求；第三点是必须具备很高的CUDA兼容性，好用易用是硬道理。

下午，中国财富管理50人论坛副理事长、原中国银保监会副主席陈文辉发表了以《积极迎接金融的AI时刻》为主题的会议致辞。他表示，数字化浪潮正在重塑各行各业的发展格局，不仅颠覆了传统企业的核心业务逻辑，还将持续对经济社会产生全方位变革。在这一背景下，金融业已迎来关键的“AI时刻”，AI特别是大模型的应用将成为各类金融机构实现质变提升的重要机会，是决定金融业未来发展的关键。他建议，各金融机构应树立数字化转型战略，加大对AI人才的培养和使用，金融资源也要更多向AI领域倾斜，形成“股、贷、债、保”联动的全方位服务体系。此外，金融机构应高度关注AI运用的潜在风险，监管机构也应对AI运用采取包容审慎的态度。

在“AI 前沿探索：突破与变革”圆桌论坛上，中金公司首席信息官程龙，广发证券副总经理、首席信息官辛治运，恒生电子董事长刘曙峰，中科闻歌创始人王磊，北京超级云计算中心CTO甄亚楠先后作主题发言；腾讯公司副总裁韩开创主持讨论。

程龙指出，人工智能是新一轮科技革命的重要驱动力量，证券行业作为信息密集型行业，与新技术的融合一直是行业发展的关键。中金公司积极响应国家加快布局和发展人工智能产业的要求，发挥业务优势，通过投资、投行、投研联动，支持关键核心技术企业，为产业升级提供融资支持、智力支持，服务人工智能全产业链发展。在大模型应用方面，中金公司积极开展大模型研究与实践，目前，中金公司的大模型应用已覆盖投研、投行、智能投顾等多个场景，通过智能技术与业务的快速融合，显著提升了运营效率和用户体验，也实现了业务模式的创新，增强了中金在投研领域的市场竞争力。

辛治运总结了证券行业关于智能化建设的实践，指出行业的智能化发展经历了应用探索、拓展深化、规模化落地、全面赋能四个阶段，AI与业务的结合逐步深入，最终融入业务、管理的各个方面。辛治运也对当前行业的智能化发展做出了五点判断，一是以大模型为核心构建、升级智能化应用已基本成为行业共识，二是AI大模型从对内赋能逐步拓宽到对客智能应用场景，三是行业AI大模型应用落地金融场景实测效果与预期仍有差距，四是多家证券公司酝酿推出下一代智能化APP，AI战略重要性升级，五是证券行业积极与科技平台企业合作、共建生态，以实现优势互补，抢占市场先机。

刘曙峰分享了关于金融行业大模型发展趋势的三个观察，一是基础大模型发展仍在持续，大语言模型不断突破。二是模型的成本降低、使用门槛下降、能力增强，同时开源模型促进了创新普惠，这共同推动了AI平权，促进了全球大模型生态繁荣。三是全球AI Agent市场快速扩张，头部和先锋企业加速布局，产业端AI应用有望全面爆发。刘曙峰指出，当前在金融行业的大模型应用主要分为知识驱动型、流程驱动型、混合型。其中，在知识生产环节实现突破的大模型具有颠覆性意义。刘曙峰还强调，未来金融行业大模型的建设需要重点关注三个方面：大模型的选择与业务适配、资源的全面梳理与重新定义、场景重构和价值挖掘。

王磊认为，大模型的优势在于强大的理解能力和生成能力，但同时也存在知识不新、不精、不准、不安全的问题。在金融领域，大模型应用的关键挑战是静态模型与动态数据的不匹配，要直面金融数据“快、深、活”的需求特征。王磊认为，实现AI+行业落地需做好数据工程、模型工程、领域工程。目前，中科闻歌正在构建政策链、产业链、资金链、人才链、技术链、供应链、信息链七链合一的多投金融创投数据库，并实现了大模型在数据工具、领域模型以及Agent智能体方面的应用。最后，王磊还指出了大模型发展的四大趋势：一是从流程定义软件、数据定义软件到AI定义软件，二是数据+AI将重塑金融决策的范式，三是智能体将向小型化和领域化方向发展，四是未来人工智能将更加通用。

甄亚楠表示，算力是金融产业链上游的关键要素，随着AI领域探索的不断深入，算力资源的投资量也大幅增加。面对金融行业对算力的需求，北京超级云计算中心致力于深度结合不同业务场景，做好算力选型和模型选型工作，为用户提供高质量、高性能、高性价比的算力环境。目前，北京超级云计算中心主要通过云端和私有化部署两种方式来解决用户快速获取算力的需求。以金融行业为例，考虑到金融数据量庞大以及数据敏感性的特点，可以采用云端实现客服服务以及在线问答服务，也可通过线上隔离性资源实现网络、算力和存储的完全隔离；而对于敏感数据集，私有化部署是更安全的选择。

在“AI+金融：战略与实践”圆桌论坛上，火山引擎金融行业总经理刘俊，东方财富人工智能首席科学家刘志毅，华为AI先遣队金融行业总监程威，商汤集团执行总监宫健，中金启元总经理安垣先后作主题发言；中国建设银行研究院副院长宋效军主持讨论。

刘俊表示，“AI+金融”的战略规划和实践，最佳的模式是业务和科技融合发展。这需要双方团队的充分信任、不惧冲突、有效投入、有责无界、重视结果。从业务看，要规划并建设好更有价值、更具特色、更能普惠、更易运营的智能化战略以及组织能力机制；从科技看，要规划并建设好更低成本、更强性能、更易落地、更加安全的企业级AI基础设施、平台和应用。刘俊强调，金融AI战略的落地，是战略，业务，组织，技术，生态竞争能力的重构，需要塑造组织的创意涌现力，敏捷迭代力和孵化支撑力。有能力快速验证一个想法，往往要比想法本身更有价值。

刘志毅从三个角度分享了自己在“AI+金融”上的思考。首先，AI的本质是软件工程+Agent创新。整个人工智能的技术思想在2015年左右已经奠定了，此后的大模型都是在工程上的创新。其次，AI在金融场景中的应用和扩散，包括前期的“压缩即智能”和现在的Agent，可以用来解决降本增效和用户场景优化问题最后，要将AI的落地和企业已有的数字化、信息化进程相连接，并且降低AI的使用成本，更便宜的方式将使技术更容易被扩散。

程威强调，AI算力不仅是芯片，需要长期研发投入，打通全栈技术体系断点。目前基于国内AI芯片的全栈生态已经构筑，虽然从成熟度来讲还有一定差距，但都在快速迭代和改进中，未来可期。针对行业技术趋势，AI模型分化发展，DeepSeek的出现改变了单纯堆砌算力的训练模式，使得在工程创新有了新思路。对于金融客户而言，头部机构普遍未达模型厂家的基础算力，更多以后训练为主，通过“二训+微调”提升模型效能。高质量的金融数据将决定行业以及企业模型的应用高度。高质量数据正在成为模型优化的关键要素，其在行业应用中的重要性日益凸显。面对行业变革，AI体系构建需“架构先行”，让底层技术架构的确定性应对上层模型和应用的快速变化和不确定性。算力平台架构一定要统一、要收敛、要简单。金融AI建设的六个核心要素总结为：战略决心、场景选择、模型匹配、架构先行、专班推进、人才培养。程威强调，人才是智能时代的关键支撑。

宫健表示，金融是强依赖于数据去支撑业务决策的一个行业。利用人工智能和数据辅助完成业务的智能决策，可能是AI+金融最核心的应用场景。他进一步指出，人工智能在金融行业落地的两个常见问题，一是如何让金融公司过去积累的大量数据资产更好地去支持业务决策；二是如何实现AI在金融业务中的快速落地，包括跨场景的快速复制。宫健认为，AI+金融的发展趋势，是通过“平台+能力+场景”的三层架构，实现从工具型智能到流程智能的转化，再实现从流程智能到生态智能。商汤基于多模态大模型，正在重塑金融服务的交互方式，助力数据驱动的智能决策中枢，实现业务生态的全面智能化。

安垣从投资人视角总结了AI行业2025年发展特征：一是从“单线程”到“全感官觉醒”，AI多模态处理能力和推理能力获得突破性提升；二是AI智能体逐渐普及，智能体自主决策能力不断增强；三是参数更少但性能更优的小模型兴起并高效部署落地。得益于具身智能的技术突破，AI已成为技术创新和场景应用落地共同驱动的黄金赛道。她强调，对于金融行业，AI也将带来行业范式的重构。AI不是金融从业人员的替代者，而是将从低效劳动中解放、聚焦价值创造的放大器。AI行业当前面临三大关键难点：AI算力难题需继续破解、商业化落地尚处弱人工智能阶段，以及具身智能技术路线尚未完全收敛。她特别提到，当前AI发展类似新能源汽车产业早期，最终谁能率先突破瓶颈并规模化落地，仍需持续观察市场验证结果。

在“AI新势力：机遇与挑战”圆桌论坛上，中国人民大学高瓴人工智能学院教授魏哲巍，澜舟科技联席CEO李京梅，财跃星辰CTO白祚，数势科技CTO韩秀锋，吉贝克董事长刘世平，希姆计算副总裁王得科先后作主题发言；况客科技总经理郑汉涛主持讨论。

魏哲巍认为，人工智能发展的关键在于规模定律（Scaling Law），未来应重点关注四个方面：一是预训练Scaling Law能否持续，尤其是数据来源的挑战；二是推理Scaling Law的发展限度，通过延长思考时间提升模型能力有无上限；三是多模态Scaling Law的架构探索，目前尚未形成统一方案；四是智能体Scaling Law的突破，探索智能体数量或交互复杂度对能力的影响。这些问题的突破将有助于通用人工智能的实现。他表示，行业从业者更可能解决这些问题，而中国在开源道路上的坚持可能使其领先。关于大模型应用形式，他认为2025年将涌现更多Agent形式的应用，且更希望Agent能通过强化学习提升模型能力，推动AGI发展。

李京梅分享了大模型在企业应用中的趋势与挑战。她指出，大模型已从预训练时代进入推理时代，强化学习的引入使得数据质量比数量更重要。大模型应用落地依然在复杂问题求解、数据实时性、专业领域知识、外部系统交互等方面面对挑战。澜舟科技采用“一横N纵”策略，结合自研“孟子大模型”和第三方模型，为金融等行业提供定制化解决方案，包括知识中台、搜索问答、写作辅助和Agent智搭平台等。面对DeepSeek开源模型的冲击，李京梅表示澜舟科技已逐步减少预训练投入，转向轻量化模型和应用开发，选择大模型中立的战略，聚焦企业Agent需求。她认为Agent是企业应用的重要范式，但并非唯一形式，Agent未来占比将逐步提升。

白祚表示，2025年是Agent元年，AI将出现破圈、提效和面客等变化。阶跃星辰围绕从模仿学习到强化学习再到自主学习的路线图开展工作，发布多款模型，榜单成绩优异。其与界面财联社合资成立的财跃星辰，专注于金融垂类大模型，坚持可信信源和可控输出，确保面客产品的合规性，依托国资云实现金融云服务，满足客户隐私和数据安全要求。关于大模型应用形式，白祚认为不应局限于当前认知，未来AI可能会超越工具属性，具备创新能力，成为创造者。

韩秀锋认为，企业数字化进程中存在数据痛点，如“数据烟囱”“数据沼泽”等问题，数据价值释放受限。DeepSeek的出现加速了企业数字化、智能化进程，其代码生成能力可替代部分人工工作，数据生产链路可由智能体参与。数势科技聚焦于构建数据分析智能体SwiftAgent，将数据消费门槛大幅降低，让决策者直接与数据交互，帮助快速实现指标归因和决策辅助；通过业务数据资产模型和预计算技术解决准确性、实时性和权限管理难题，避免传统商业智能的信息茧房。韩秀锋认为，当前Agent已形成产业和生态共识，未来将迎来爆发式发展。

刘世平表示，大模型在金融领域还面临专业知识不足、情景理解能力不够等问题。吉贝克专注于金融领域垂直大模型的研发与应用，吉贝克研发的“小吉财金智能体”包含八大模块，如智数精灵、上市公司全景图等，解决金融机构的实际问题，提升数据挖掘与决策支持能力。对于AI to SQL环节中复杂查询和计算场景，大语言模型的逻辑串联能力发挥重要作用，需要通过数据标准化、增加约束条件和输入行业知识等方式保障准确率。刘世平认为，需区分大语言模型与Agent的概念，后者是解决行业问题的核心形式。

王得科介绍，希姆计算聚焦基于RISC-V指令架构设计高性能芯片，构建了软硬件一体化解决方案。公司与广州政府采购中心合作，研发综合智能化系统，通过确定智能体数量、设计行业知识库等方式，解决公共采购行业的复杂问题。王得科认为国内芯片产业会出现不同发展模式，RISC-V+AI则可繁荣生态，共享开源，促进更多本土芯片公司的成长。

此外，在三场圆桌论坛上，与会嘉宾还就AI如何在金融业落地、AI+金融未来趋势、大模型应用的未来方向等话题展开了讨论。

在国家推进“人工智能+”战略的政策背景下，为推动AI在金融领域应用，由中国财富管理50人论坛学术指导，国民财富发展研究合作平台现正式发起成立“AI+金融实验室”（简称AI-FI实验室），旨在集聚“AI+金融”领域的金融机构、科技公司、科研院所等相关组织和业界专家，共同打造协同创新生态，促进金融高质量发展。

实验室将致力于推动AI技术在金融领域的深化应用与创新发展，组织相关机构与专家团队针对“AI+金融”领域的热点、难点和关键问题开展深入研究，促进金融与科技的跨界协作。

未来，在业界各方的共同参与和支持协作下，“AI-FI”实验室将为推动中国金融行业转型升级，为服务实体经济发展与国民财富增长做出积极贡献。

财政部金融司原司长孙晓霞和中国财富管理50人论坛秘书长刘喜元共同主持了本届峰会。

本届峰会由中国财富管理50人论坛学术指导，国研平台主办。国研平台是在中央提出推进金融高质量发展、加快建设金融强国的大背景下，于2024年5月25日正式成立。平台以助力金融行业转型与高质量发展、更好服务和融入新发展格局为目标，重点推动人工智能等重大创新和前沿技术在金融行业乃至国民经济领域的广泛应用。自成立以来，平台集聚“AI+金融”领域的金融机构、科技公司、科创企业、高校院所等相关组织和专家，搭建“产学研用投管”协同创新与合作生态，促进行业高质量发展。