吕家进

兴业银行股份有限公司党委书记、董事长

各位领导和朋友：

大家下午好！去年8月参加在福州举办的中国数字金融合作论坛，受益良多。今年因公务原因不能到鹏城交流学习，深感遗憾。围绕会议主题，我就“人工智能与金融变革”这个话题，谈四点认识，向大家请教。

一、人工智能将引发新一轮金融变革

从图灵测试的提出到ChatGPT的诞生，人类用70多年迎来了人工智能的“iPhone”时刻。从国产大模型“百模大战”到DeepSeek火爆出圈，我们见证了中国人工智能在短时间内从追逐到赶超的动人情景。当前，以“低成本、高性能、开源生态”为重要特征的人工智能大模型，开始飞入寻常百姓家，对政务、生产、生活等社会经济方方面面产生重大影响，成为构建现代化产业体系、推动新质生产力发展的革命性力量。

每一次重大的科技创新都会深刻影响金融业。在信息化阶段，物理世界的金融活动转化为数字记录，显著提升了管理效率。在数字化阶段，海量的数据资源得到整合利用，衍生出诸多金融创新。到智能化阶段，金融运行逻辑进一步改写。以目前盛行的大模型来说：一是大模型拥有惊人的记忆力，显著改善了信息获取的广度和效率，大大缓解了金融机构管理信息不对称这个核心问题的难度；二是大模型比传统AI更懂人类的语言，甚至有了思考规划的能力，金融决策机制有了“人+机器”的新选择；三是大模型不仅长出了“脑袋”，也通过各种智能体应用长出了“手脚”，打开了金融领域人机交互和协同的广阔空间。

金融业是典型的数据和技术密集型行业，信息革命以来一直是拥抱科技创新的排头兵，当前也要在数字化向智能化的跃升中走在各行各业的前列。

二、金融智能化转型需要循序渐进

大模型的火爆点燃了金融智能化转型的激情。金融机构普遍制定人工智能中长期规划，积极探索智能营销、智能服务、智能交易、智能运营、智能风控等各个方面的革新。同时也要看到，尽管大模型在金融领域具有巨大潜力，现在还没出现特别突出的创新成果。根据实践中的观察，我有两点体会。

第一，数字化是智能化的重要前提。在人工智能快速发展背景下，少部分金融领域可能直接跨入智能化阶段，但大部分金融领域仍然要以数字化为必由之路。以模型而言，大模型也好，小模型也好，都要“喂”给它足够多的高质量的专业数据，才能让它理解金融、提供专业方案，否则只会流于一般。而要形成足够多的高质量的专业数据，要经过大量的数据治理、数据贯标、系统建设等数字化转型基础工作。

第二，四处出击不如深耕一域。金融机构集中资源，在自己的特色优势领域把人工智能用足用好，再将经验复制到其他领域，会更容易取得成功，也有助于金融业形成差异竞争的局面。在此过程中，最重要的工作是找到高价值场景并沉淀高质量数据。高价值场景最主要的评估标准，就是业务结果可量化、可比较、可反馈，这一方面能够让业务部门直接感受到人工智能的能力，愿意持续“调教”和“喂养”人工智能，形成一个良性正循环，另一方面能够让人工智能学到对与错、好与坏、美与丑，持续迭代升级。人工智能这种硅基生命，将越来越像碳基生物，只有在真实的环境中不断经受洗礼和检验，才能有更快的进化速度。

三、体制机制是金融智能化成败的关键

金融智能化不仅是技术层面的升级，更需要金融机构体制机制进行系统性改革，确保生产关系适应生产力变化。其中两点尤为迫切而重要。

第一，重塑研发运营体系。多数人工智能产品，不论是经营场景中的投资顾问、投资研究、客户推荐、客户服务，还是中后台场景中的授信管理、风险控制、流程自动化等，都只有在实际业务场景中，基于用户反馈数据快速迭代和优化，才能成功。这就要求研发和运营真正实现一体化。如果金融机构仍然坚持传统的瀑布式研发流程，按照业务部门提需求、科技部门评估实施的方式，对待人工智能产品，流程太长，反应太迟钝，很可能从开始就注定了失败。

第二，优化人才管理机制。DeepSeek的成功，给金融机构带来的，不仅有技术上的震撼，还有管理上的反思：为什么100多名本土培养、从私募基金脱胎而来的年轻人就能取得如此大的成就？拥有成千上万科技人员的、业务规模更大的金融机构应该从中学习什么？我想，金融机构都应该强化注重基础研究和科技创新的政策导向，建立能够调动年轻人好奇心和求胜欲的激励机制，完善激励创新和包容失败的文化氛围，确保科技人才坚持做难而正确的事，在人工智能的创新和应用中贡献更大力量。

四、金融业要共同应对人工智能带来的挑战

科技是把“双刃剑”。人工智能带来的不仅有诸多重大机遇，还有很多新的挑战，需要金融业乃至整个社会同题共答。

第一，从数据层面看。现在金融机构对于内部数据和外部商业数据的应用相对比较充分，但高价值的公共数据仍然供不应求。希望有关部门加快公共数据管理机制改革，推动更多公共数据走向市场，为人工智能的创新和应用注入更多高能级“燃料”。

第二，从技术层面看。人工智能系统的工作原理仍是一种“黑盒”，与生俱来还有模型幻觉等问题，透明性和可解释性不足。更为现实的问题是，大模型为恶意攻击者提供了低成本武器库，不法分子可能使用大模型快速生成对抗样本，以极低的成本，让金融机构传统的风控体系成为“马奇诺防线”。金融业一方面要建立红蓝军对抗机制，加强日常演练，让防御与攻击在对抗中进化，另一方面要加强与相关市场主体的合作，共同提升人工智能风险防范能力，切实守好金融安全防线。

第三，从市场层面看。数据信息的高度聚合和大模型的广泛应用，可能加剧金融决策的同质化和金融行为的一致性，在市场上形成羊群效应，放大金融业的顺周期性和金融市场的波动性。因此，要鼓励金融机构开展大模型的私有化部署，将金融机构的特色场景、私有数据与大模型技术有机结合，推动金融生态百花齐放，防范千篇一律而形成的风险。

第四，从社会层面看。人工智能不仅将取代大量体力劳动，也将大量取代脑力劳动。金融机构的结构性失业问题不容忽视。简单地将这些人推向社会，将引发诸多社会问题。这几年流行的《人类简史》有句话，“我们的大问题并不是人类真的没有工作可做，而是面对不断变化的就业市场，我们该如何进行再培训与调整适应”。金融机构应该从现在开始，对人力资源进行重新规划，通过培训、提升、转化等工作，让员工匹配技术的进化速度。

各位领导和朋友，科技发展的每一个里程碑时刻，提出的问题往往比给出的答案要多。面对人工智能的震撼和冲击，我更多是提出一些问题，答案还需摸索，也希望大家给予指导。谢谢！