12月13日，由交通銀行主辦的第六屆上海金融科技國際論壇“數智驅動、開放共贏：金融科技賦能金融高品質發展”平行論壇成功舉行。交通銀行黨委委員、副行長錢斌出席論壇並致辭，以下為致辭主要內容：

黨的二十屆三中全會指出，要推動技術革命性突破、生産要素創新性配置；上個月，中國人民銀行等七部委聯合印發了《推動數字金融高品質發展行動方案》，提出以數據要素和數字技術為關鍵驅動，加快推進金融機構數字化轉型，提高金融服務的便利性和競爭力。交通銀行作為金融“國家隊”，正在以數智化建設為契機，主動擁抱數字經濟時代下開放共贏的新趨勢，通過科技創新不斷提升金融服務品質與效率，助力推進中國式現代化建設。此次舉辦“數智驅動、開放共贏：金融科技賦能金融高品質發展”論壇，圍繞人工智慧與數據要素的深度融合，邀請各方共同探討金融科技的發展動態、實踐機遇，旨在促進開放合作，實現産業共贏。

當前，以大模型為代表的人工智慧先進技術為數智融合提供了新手段，也為産業協同開創了新局面。IDC數據顯示，全球人工智慧IT總投資規模有望在2027年增至5,100億美元，其中，生成式AI市場規模將接近1500億美元，年複合增長率達85%以上。在數據和演算法的協同方面，“數”與“智”呈現螺旋上升的協同狀態：大模型縮放定律仍然存在，數據量、數據品質、數據配比已成為影響模型表現的關鍵因素，而優質演算法生成的合成數據，又將成為數據擴充的新來源；在數據和算力的協同方面，時序數據庫、圖像數據庫、向量數據庫等日益完善，分佈式計算組網規模與日俱增，以適配高實時、海量數據運算場景；在演算法同算力的協同方面，新出現、新增長的算力持續被演算法利用，大語言模型在訓練及推理態所需的算力規模成為參數量的主要考慮因素；在跨機構數據協同方面，數據價值流通、多元數據融合範式不斷創新：隱私計算、數據沙箱等技術逐步成熟，可信數據空間已納入頂層規劃。

我們正迎來新一輪科技革命和産業變革所形成的重大機遇，交通銀行積極踐行創新驅動發展戰略，通過科技創新提升金融為民、服務實體的質效，推動數字金融高品質發展。一方面，在發展人工智慧的過程中，高度重視數據要素的價值挖掘。現已完成國家數據管理能力成熟度（DCMM）五級認證，建立了全行統一的數據標準體系以提升數據品質，建設企業級數據中臺、隱私計算平臺以拓展內外部數據資源，搭建數據標注平臺以構建高品質AI訓練數據集，從而夯實人工智慧的用數基礎。另一方面，強化人工智慧技術研究，積極擁抱大模型。與華為、科大訊飛、復旦大學等建立聯合實驗室，開展技術攻關，並已在行內搭建千卡異構算力集群，構建多層次、多能力、多形態的千億級金融大模型。在此基礎上，積極開展人工智慧場景應用，已落地40多個場景。比如，在風險防控領域，基於大模型打造覆蓋一二三道防線的風險防控助手，提供信貸智慧問答、授信報告風險識別、審計數據分析、審計報告輔助生成等能力，正推動零售信貸“貸前、貸中、貸後”全流程智慧支援，以提升風險管理水準；在反洗錢、反欺詐領域，基於人工智慧實現隱案模式智慧挖掘及智慧分析，並搭建端到端智慧篩查模型，支援集團內全渠道多場景智慧預警，大幅提升反欺詐、反洗錢篩查效率及響應速度；在客戶服務領域，基於大模型打造客服坐席智慧助手，將人工智慧嵌入客服坐席“事前、事中、事後”場景，實現話術生成、智慧外呼、智慧質檢、工單小結等全流程輔助；在辦公輔助領域，為全行員工提供全自然交互模式的智慧制度問答、公文事務、員工服務、黨建事務等能力，提升辦公效率與員工體驗；在資訊科技自身能力建設領域，將大小模型融入研發流程，支援技術人員開展代碼補全、代碼解釋、代碼優化、函數註釋、單元測試代碼生成，以及生産運維的可視化、自動化等工作，提升資訊科技基礎能力，實現降本增效。

當然，在新技術帶給我們便利性與時效性提升的同時，我們需要高度關注技術飛速發展所帶來的新變化、新挑戰。比如，在數據方面，數據融合造成的資訊安全、隱私洩露風險頻發，數據可信仍缺乏有效的管理、度量機制；在演算法方面，資訊繭房、大數據殺熟情況時有出現，演算法不可解釋、不可控性仍難以解決，針對複雜模型的測試方法論尚不完備，測試品質有待提升；在算力方面，單卡性能、算力組網存在上限瓶頸，GPU算力在高併發支撐、高可用服務方面仍有不足，生産運維自動化、智慧化尚未完全實現；在全流程效率方面，人工智慧應用的研發效率仍然不足，數據積累、演算法迭代和測試效率難以滿足快速演變的市場需求，模型生産線的轉化效率仍需進一步提升。

順理而舉易為力，背時而動難為功。對於以上問題與新的變化，我提三點建議：

第一，産研融合、創新共贏，建設數智融合金融應用産業生態，提升技術成果轉化效能。《中共中央關於進一步全面深化改革 推進中國式現代化的決定》指出，要加強創新資源統籌和力量組織，推動科技創新和産業創新融合發展。跨界融合、産研協同既是創新趨勢，也是歷史經驗總結。建議進一步加大産學研合作，提升前沿技術轉化效率，擴大先進成果示範效用；在數據、演算法、算力、應用場景方面聯合攻關、協同發展，尋求特定規模下的最優配置，實現優勢互補；加強對人才的聯合培養，依託上海優質的教育科研資源及上海金融科技産業聯盟等産業綜合平臺，做好高校教育資源同産業應用的銜接，開展職業技能規模化培訓，加快培養産業急需的算力組網、超大模型、可信演算法、新型數據庫等方面的工程化實施人才。

第二，夯實底座、創新發展，盤活數據資源，釋放數據要素乘數效應。11月25日，國家數據局印發《可信數據空間發展行動計劃（2024—2028年）》，到2028年將建成100個以上可信數據空間。建議金融機構以此為契機，積極對接國家及省市可信數據空間，利用多種方式用好外部數據；同時，構建企業自身的基礎數據底座，強化數據治理，高效整合內外部數據資源；在此基礎上，發揮先進技術的賦能作用，以業務效果為指引，構建可以快速驗證、靈活迭代的人工智慧基礎環境、應用架構，以及可彈性擴展的算力平臺，支援業務的快速發展。

第三，科技向善、守正創新，關注人工智慧安全倫理，建設可信、公平的人工智慧金融應用。自11月12日起，國家網信辦等四部委聯合開展“清朗·網路平臺演算法典型問題治理”專項行動，深入整治“資訊繭房”，落實演算法安全主體責任，增強演算法向上向善服務。金融機構在人工智慧應用過程中，同樣應高度關注科技倫理和數據倫理治理，強化人工智慧應用的保障機制，築牢底線，保障人民群眾的合法權益；建立模型評估與常態化監測機制，增強模型的安全防護，通過模擬對抗及時發現安全風險漏洞並採取加固措施，提升模型風險防控能力；加強可信人工智慧研究，提升模型可控性、可解釋性、決策透明度，防範AI幻覺等新技術風險，以負責任的金融理念為數字金融高品質發展保駕護航。