沈海波
科大讯飞副总裁
尊敬的各位领导、各位专家，大家好！我是科大讯飞沈海波，很荣幸接受数字金融合作论坛和深圳香蜜湖国际金融科技研究院的邀请参加这次闭门会议。
科大讯飞创立于1999年，一直致力于人工智能源头技术的原创性和前瞻性研究，推动行业应用层面的持续突破。在当今大国博弈的背景下，科大讯飞更加坚持在核心技术上走全国产化路线。去年，科大讯飞主导的“多语种技术及产业应用”获得了国家科技进步一等奖，这是截至目前人工智能领域唯一获此殊荣的企业。
在全球关注的大模型技术上，科大讯飞用全国产化算力的突破和算法的创新，研发出了全栈自主可控的全国产化大模型。讯飞星火大模型的每次迭代都是伴随着全国产算力平台的技术进步，从万卡集群到万P集群，从对标GPT-4o到对标最先进的OpenAI-o1和deepseek-R1，一步一个脚印地向前探索国产算力平台训练自主可控大模型的无人区。
我们也清醒地认识到，当前国产算力平台和美国最先进算力平台仍有动态的竞争及相对差距，想要达到同样效率与效果，需要持续探索与坚定投入。
回到今天的主题，经过多年与金融机构合作落地人工智能技术的经验，我们认为当前中小金融机构AI建设，特别是应用大模型技术所面临的挑战主要有以下六个方面：
一是中小金融机构本身的数字化基础相对薄弱；
二是数据治理不完备和数据泄露风险，这些都是人工智能技术应用的前提条件；
三是中小金融的算力储备和模型成本投入约束；
四是中小金融已有的系统适配性，改造的投入成本和周期约束；
五是人工智能的黑盒、幻觉问题带来监管及内控风险；
六是中小金融专业及复合型人才短缺，队伍无法跟上人工智能技术快速发展的要求。
面对以上六个挑战，结合多年的行业实践和近期的中小金融机构调研，我们认为中小金融机构AI建设有三条可能的路径：
一是自主研发，这个难度最大，各类约束导致研发进度缓慢，投入产出不成正比；
二是和大型金融机构合作，这个难度次之，我们也接触过不少中小金融结构，大家对和大型金融机构合作，都提出数据风险与同业竞争风险问题；
三是与科技公司深入合作，难度相对较小，通过实地调研，我们看到过去几年，一些AI初创企业退出市场，导致很多系统没有维护，因此我们认为和科技公司合作，需要建立长期合作保障持续投入与知识转移机制。
针对上述挑战和建设路径，我们总结过去几年的落地经验，并结合当前以大模型为代表的人工智能技术高速发展的现状，我们对中小金融机构建设AI也有以下六点思考与建议：
一是完善数据治理和知识体系建设。中小金融机构要建设好AI、应用好AI，首先需要完善自身数据治理和知识体系建设。5月21日，《人民日报》刊文《建设高质量数据集，让人工智能更聪明》指出，数据集的质量影响人工智能的“智商”。“数据之于大模型，就像石油之于汽车。海量原始数据需要经过‘炼化’形成高质量数据集，才能助力大模型精准学习数据特征与规律，有效提升其对不同场景和任务的适应能力”。以银行为例，现在的交易数据、客户数据、交互数据其实是都已经具备的，需要把这些数据汇聚起来、集中清洗、泛化、安全加固，形成用以训练AI的高质量数据集，从而提升模型的规范性、准确性、一致性、安全性；同样，现在中小金融的知识形式和载体多种多样，这些知识需要经过成体系的梳理，逐步解决模型专业知识注入问题，从而形成企业级的统一知识管理与应用能力。
二是在成本合理可控的前提下推进智能化转型。大型银行在人工智能应用上优势明显，中小银行转型需借鉴经验且立足自身，理性的设计转型步骤。应先做小模型积累经验，复制成熟场景快速应用，坚定走国产自主可控路线。先对内服务再对外，从通用向专业场景过渡。优化算力平台推理效率，按需打通业务接口，引导员工用AI解决问题。依据场景建设算力，收集反馈优化效果。中小银行要找准定位，通过优化资源配置，以合理成本实现高质量智能化转型，为行业发展添加动力。
三是运用成熟AI技术解决刚需场景问题。中小金融当前应优先运用成熟AI技术解决刚需场景问题，我们认为基于决策模型的智能客服、客户画像产品和技术在中小金融的业务场景下并没有过时，这些产品和技术经过了广泛的客户验证，已有明确的业务价值，运营方法也成熟，在生产中应用即可解决实际问题。同时，使用这些成熟的AI技术，也可以降低培养团队AI鉴赏能力和AI素养的门槛，由浅入深，形成中小金融AI应用的良性循环。
四是聚焦挖掘客户价值，提升客户体验。我们认为，当前经济形势下，中小银行主要有两个方面的关注：一是风险识别，二就是营销服务提效。通过数字化转型举措，中小银行可以提升客户感知，提升一线客户经理技能及效能，从而在拓客、活客、黏客方面取得突破，提高手机银行月活、AUM等相关指标，实现可持续发展。如在拓客场景下，我们应借助AI初筛创建营销任务，精准定位目标客户，强化营销跟踪管理，提升效率。在活客场景下，利用AI构建客户画像，助力服务管户客户经理，生成个性化建议，优化业务流程。在粘客场景下，全语音门户能实现7×24小时智能化应答，随时响应客户需求，千人千面个性化交互，增强体验感。让每一份的资源投入，都能够为企业和客户带来价值。
五是加强安全底线与合规管理。中小金融建设AI，仍要加强安全底线与合规管理。首先应该建立全行级数据治理体系，统一数据标准，采用加密、脱敏、权限控制等措施，确保数据安全与客户隐私保护。其次针对人工智能大模型技术的特殊性，中小金融还应建立专门的模型安全管理机制，通过前面所述知识体系和高质量数据构建来解决幻觉问题。第三，根据监管要求和规范，建立清晰可靠的AI应用决策逻辑，通过模型慢思考技术，持续提升模型在应用中的可解释性。最后，建议引入第三方机构定期对AI应用进行评估和模型风险监控，从伦理、法规层面保证模型应用合规安全。
六是培养复合型AI人才。金融机构普遍关心人才培养问题，经过多年与金融机构的合作，我们认为相对能够真正培养出人工智能复合型任人才的方式是通过与科技公司共建联合实验室，双方团队融合，在实验室载体下进行联合的课题研究、场景共创，同步科技公司进行技术转移，通过一系列的课程和实践因材施教，为金融机构培养技术、业务团队的人工智能复合型人才，特别是培养科技领军人物和全行级的“AI+”金融领军人物。
人民银行科技司李伟司长5月6日在《中国金融》杂志上发表的文章指出：金融业一直以来都是技术创新应用的先行者，凭借丰富的应用场景、海量的数据资源和扎实的技术基础，必将成为大模型生根发芽的沃土。
在这个大背景下看未来，我们对中小金融机构AI建设也提出四点展望：
第一，未来低成本、轻量化、场景化AI工具将会普及，带来中小金融AI应用的规模增长。
第二，人机协同模式将进一步深化带来中小金融业务流程重塑进一步深化和变革。
第三，随着中小金融数据治理能力和知识体系构建能力的提升，必将有更多生态参与进来，与中小金融一起在更多应用场景上协同创新。
第四，中小金融AI复合型人才梯队逐渐完备，AI领军人才涌现，形成具备行业竞争力的人才队伍。
以上是我根据会议主题提出一些思考和建议，不一定正确，请各位领导和专家指正！谢谢大家！
