習近平總書記強調(diào)，突出應(yīng)用導向，推動我國人工智能朝著有益、安全、公平方向健康有序發(fā)展。“十五五”規(guī)劃建議強調(diào)，全面實施“人工智能+”行動，以人工智能引領(lǐng)科研范式變革，加強人工智能同產(chǎn)業(yè)發(fā)展、文化建設(shè)、民生保障、社會治理相結(jié)合，搶占人工智能產(chǎn)業(yè)應(yīng)用制高點，全方位賦能千行百業(yè)。我們要認真學習、全面貫徹習近平總書記關(guān)于人工智能發(fā)展的重要指示批示精神，深入落實黨中央、國務(wù)院決策部署，積極穩(wěn)妥推進人工智能金融應(yīng)用，持續(xù)加強金融支持人工智能產(chǎn)業(yè)發(fā)展，助推金融強國建設(shè)和科技自立自強。

　　人工智能金融應(yīng)用取得階段性、實質(zhì)性成效

　　隨著以大模型為代表的新一代人工智能技術(shù)蓬勃興起，金融業(yè)立足數(shù)據(jù)資源富集、應(yīng)用場景豐富、市場規(guī)模龐大、信創(chuàng)積淀深厚的行業(yè)優(yōu)勢，堅持走中國特色金融發(fā)展之路，立足需求、基于場景、漸次推進、迭代發(fā)展，扎實推動“人工智能+金融”取得明顯成效。出臺一批指導性政策文件，制定一批代表性標準規(guī)范，涌現(xiàn)一批創(chuàng)新性優(yōu)秀成果，形成一套“先外圍后核心、先輔助后協(xié)同、先對內(nèi)后對外”的應(yīng)用范式，實現(xiàn)人工智能應(yīng)用從外圍場景滲透到核心領(lǐng)域，從輔助工具發(fā)展為“智慧大腦”，從“對內(nèi)運營提效”延伸到“對外服務(wù)提質(zhì)”，全業(yè)務(wù)鏈條、全服務(wù)維度智慧賦能，為金融高質(zhì)量發(fā)展注入強勁動力，也為各行業(yè)各領(lǐng)域深化人工智能應(yīng)用提供了鮮活樣本。

　　應(yīng)用場景從通用簡單邁向?qū)I(yè)復雜。當前，大模型已成為金融創(chuàng)新的新引擎，應(yīng)用場景已從輔助辦公、智能客服等領(lǐng)域的局部探索，加速向信貸風控、合規(guī)審查、智能投顧等核心業(yè)務(wù)領(lǐng)域滲透，呈現(xiàn)出全面開花的良好態(tài)勢。大模型正從完成數(shù)據(jù)錄入、賬單核對、標準化咨詢答復、固定規(guī)則風控篩查等重復性流程化工作的輔助工具，加速升級為具備感知、規(guī)劃、決策、執(zhí)行、反思能力的智能體。它不僅能理解復雜指令，還可智能調(diào)用應(yīng)用程序接口(API)，實現(xiàn)多個子系統(tǒng)協(xié)同，完成跨流程、多步驟的復雜任務(wù)鏈。

　　服務(wù)對象從內(nèi)部員工審慎拓展到外部用戶。在服務(wù)內(nèi)部員工方面，人工智能已廣泛應(yīng)用于為客服、風控、審計、研發(fā)等崗位員工提供知識問答、數(shù)據(jù)分析、報告生成、輔助編程等，成為提升工作效能、降低勞動強度的得力助手。在服務(wù)外部用戶方面，由于大模型存在輸出結(jié)果的不確定性，因而金融機構(gòu)普遍采取審慎策略，相關(guān)應(yīng)用僅在手機銀行智能客服、網(wǎng)點自助終端業(yè)務(wù)辦理等場景開展小范圍試點探索，并配套人工服務(wù)、輿情監(jiān)測、應(yīng)急處置等保障措施。

　　技術(shù)支撐從通算體系加速向智算體系轉(zhuǎn)變。在算力方面，金融業(yè)正加速引進智能算力，積極探索云、管、邊、端協(xié)同及量子大模型等新算力模式。智能算力規(guī)?？焖僭鲩L，與通用算力協(xié)同構(gòu)建支撐業(yè)務(wù)發(fā)展的算力底座。在數(shù)據(jù)方面，針對大模型應(yīng)用的數(shù)據(jù)需求，金融機構(gòu)不斷拓展外部數(shù)據(jù)資源，深挖內(nèi)部數(shù)據(jù)價值，建立全生命周期管理機制，強化多模態(tài)、高質(zhì)量金融數(shù)據(jù)匯聚、治理與共享能力，為模型訓練優(yōu)化及應(yīng)用提供充足高效“數(shù)據(jù)燃料”。在模型方面，金融機構(gòu)采取開源與自研并舉、通用與專用結(jié)合、大模型與小模型協(xié)同的策略，一方面積極穩(wěn)慎選用開源的基礎(chǔ)大模型，另一方面按業(yè)務(wù)場景自主研發(fā)不同垂域大模型。

　　人工智能與金融融合發(fā)展面臨的問題與挑戰(zhàn)

　　人工智能應(yīng)用需要統(tǒng)一認識。當前，金融業(yè)對人工智能應(yīng)用的重要性已形成廣泛共識，但對人工智能的定位和作用還存在認知差異。從發(fā)展規(guī)律看，人工智能的發(fā)展與應(yīng)用并非一蹴而就，而是一個漸進式、需要持續(xù)探索的系統(tǒng)工程。要充分認識應(yīng)用過程中的困難挑戰(zhàn)，做好打攻堅戰(zhàn)和持久戰(zhàn)的準備。從事物本質(zhì)看，人工智能特別是大模型是一種新技術(shù)、新事物，應(yīng)用得當可實現(xiàn)創(chuàng)新發(fā)展，應(yīng)用不當則會引發(fā)未知風險。從目標方向看，要始終堅持走中國特色金融發(fā)展之路，堅持以人民為中心，堅持服務(wù)實體經(jīng)濟，堅持應(yīng)用導向和需求引領(lǐng)，著力解決痛點難點問題，賦能金融“五篇大文章”，讓人工智能金融應(yīng)用成果更多更公平惠及全體人民。從統(tǒng)籌規(guī)劃看，要處理好局部與整體、投入與產(chǎn)出、長期與短期的關(guān)系，以系統(tǒng)思維統(tǒng)籌發(fā)展路徑，以集約理念優(yōu)化資源配置。

　　高質(zhì)量數(shù)據(jù)集建設(shè)面臨挑戰(zhàn)。人工智能應(yīng)用所需數(shù)據(jù)的體量大、來源廣、類型多、價值高，全生命周期管理面臨挑戰(zhàn)。在數(shù)據(jù)采集方面，公開數(shù)據(jù)集已廣泛用于大模型訓練，面臨數(shù)據(jù)枯竭風險，未經(jīng)許可直接使用互聯(lián)網(wǎng)數(shù)據(jù)訓練模型，可能面臨隱私保護、知識產(chǎn)權(quán)問題。金融領(lǐng)域雖積累了海量歷史數(shù)據(jù)，但從“原始數(shù)據(jù)”到“高質(zhì)量數(shù)據(jù)”需經(jīng)過場景錨定、源頭把控、清洗標注、測試審查等工序，真實可用的金融高質(zhì)量數(shù)據(jù)集明顯不足。在數(shù)據(jù)選取清洗方面，數(shù)據(jù)來源和污染問題會影響模型輸出結(jié)果的準確性。若某類數(shù)據(jù)占比過高，則可能引發(fā)模型偏見;若數(shù)據(jù)含有虛假內(nèi)容或被惡意篡改，可能產(chǎn)生決策錯誤;若訓練數(shù)據(jù)存在違法、偏激等有害信息，可能產(chǎn)生扭曲的價值觀;若開源基礎(chǔ)大模型初始訓練數(shù)據(jù)把關(guān)不嚴，金融機構(gòu)將無從得知、難以判斷，只能通過安全圍欄等方式對模型輸出內(nèi)容進行過濾。在數(shù)據(jù)標注加工方面，需要業(yè)務(wù)與技術(shù)部門強化協(xié)同，投入大量人力資源。既要求機構(gòu)自身具備一定數(shù)據(jù)治理能力，體現(xiàn)出差異化;也需要行業(yè)統(tǒng)籌，解決共性問題。在數(shù)據(jù)共享方面，金融機構(gòu)出于商業(yè)競爭、隱私安全、合規(guī)風險等因素考慮，對數(shù)據(jù)的跨機構(gòu)、跨領(lǐng)域共享存在顧慮，不愿主動開放數(shù)據(jù)資源，“數(shù)據(jù)孤島”現(xiàn)象依然存在。在數(shù)據(jù)安全方面，金融數(shù)據(jù)往往涉及用戶個人隱私或金融機構(gòu)商業(yè)秘密，具有高度敏感性。若大模型在訓練中“記憶”了敏感信息，攻擊者可通過構(gòu)造提示詞誘導大模型輸出敏感信息，造成數(shù)據(jù)泄露。此外，高質(zhì)量數(shù)據(jù)集建設(shè)還面臨技術(shù)支撐工具不成熟問題，自動化清洗、智能化標注等工具難以全面取代業(yè)務(wù)人員專業(yè)經(jīng)驗，實際應(yīng)用效果欠佳。

　　智能算力產(chǎn)業(yè)生態(tài)亟待完善。國產(chǎn)智能算力芯片在制程方面存在代差，單張智能芯片卡的算力、能耗比等技術(shù)指標均落后于國際領(lǐng)先水平。同時，國產(chǎn)智能算力正處于快速發(fā)展、競爭選優(yōu)階段，不同廠商采用差異化的技術(shù)棧、編程框架與工具鏈，相互之間缺乏協(xié)同聯(lián)動。金融機構(gòu)需要適配不同廠商的技術(shù)路線，建設(shè)成本高、適配難度大，制約了算力的集約化調(diào)度與應(yīng)用。

　　人工智能問題及風險不容忽視。一是模型幻覺問題。當前，大模型的“智能”源于對海量數(shù)據(jù)的統(tǒng)計性、規(guī)律性學習，缺少對真實世界的了解，這導致大模型幻覺問題較為突出，不能保證輸出結(jié)果的準確性。特別是面對未學習過的知識領(lǐng)域，邏輯謬誤和幻覺出現(xiàn)的可能性更高。二是模型黑箱問題。大模型是“被動無意識”的概率計算，沒有主動思考推理的過程，而是直接輸出結(jié)果，本質(zhì)上仍是對思考過程的概率性預測，可能存在邏輯斷層等問題。三是模型同質(zhì)化風險。若大量金融機構(gòu)選擇同一基礎(chǔ)大模型，且不經(jīng)差異化后訓練和調(diào)優(yōu)，極易導致決策趨同，加劇金融市場的順周期性波動，甚至引發(fā)“雪崩式”反應(yīng)，產(chǎn)生系統(tǒng)性風險。

　　人工智能應(yīng)用保障體系有待健全。制度體系有待完善，相應(yīng)的制度規(guī)劃、監(jiān)管規(guī)則、標準規(guī)范等需進一步健全，配套的檢測認證機制要逐步建立實施。倫理治理亟待加強，算法可能在性別、種族、地域、職業(yè)等方面形成隱性偏見，生成有違倫理道德的歧視性、不公平內(nèi)容，甚至在金融服務(wù)場景中引發(fā)倫理爭議或社會風險。人才供給還需強化，大模型相關(guān)專業(yè)人才十分稀缺，且主要集中在互聯(lián)網(wǎng)及科技領(lǐng)域，金融業(yè)人才缺口較大，兼具金融業(yè)務(wù)與大模型技術(shù)能力的復合型人才更為稀少。

　　積極穩(wěn)妥推進“十五五”時期“人工智能+金融”發(fā)展

　　以習近平新時代中國特色社會主義思想為指導，深入學習貫徹落實黨的二十屆四中全會精神，完整準確全面貫徹新發(fā)展理念，堅持高水平科技自立自強，突出應(yīng)用導向，加快金融數(shù)字化、智能化轉(zhuǎn)型，積極穩(wěn)妥、安全有序推進人工智能金融應(yīng)用，持續(xù)加大金融支持人工智能產(chǎn)業(yè)發(fā)展力度，加快健全與智能經(jīng)濟、智能社會發(fā)展相適配的現(xiàn)代金融體系。

　　加強頂層設(shè)計。加快出臺“人工智能+金融”實施意見，明確人工智能金融安全應(yīng)用的目標、方向、原則、措施。堅持需求引領(lǐng)，注重應(yīng)用實效，不炒作、不虛化，警惕泡沫化，確?？沙掷m(xù)。研究制定金融領(lǐng)域高質(zhì)量數(shù)據(jù)集建設(shè)指南，探索分業(yè)務(wù)領(lǐng)域、分場景、漸進式推進行業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)。加快建設(shè)金融領(lǐng)域國家人工智能行業(yè)應(yīng)用中試基地，降低行業(yè)模型訓練成本和應(yīng)用創(chuàng)新門檻。開展模型后訓練和微調(diào)，訓練數(shù)據(jù)和優(yōu)化后的模型在基地不落地、不留存，保障數(shù)據(jù)和模型安全，助力中小金融機構(gòu)解決智能算力不足、數(shù)據(jù)質(zhì)量不高等問題。深化人工智能與數(shù)字人民幣融合應(yīng)用，助推人民幣國際化。

　　健全治理體系。堅持發(fā)展和安全并重，健全守正向善、多元協(xié)同的人工智能金融應(yīng)用治理體系?？绮块T協(xié)同方面，研究設(shè)立涵蓋金融、網(wǎng)信、發(fā)改、科技、工信、數(shù)據(jù)等部門的跨部門協(xié)調(diào)機制和技術(shù)委員會，加強“人工智能+金融”相關(guān)前沿問題研究、重要事項會商、重點制度協(xié)同和重大風險聯(lián)防聯(lián)控。金融管理部門要強化對智能化發(fā)展的規(guī)范引導，加強政策支持與生態(tài)培育，營造守正創(chuàng)新的良好環(huán)境;配套“長牙帶刺”的監(jiān)管措施，加快研究出臺監(jiān)管規(guī)則和標準規(guī)范，實現(xiàn)對人工智能應(yīng)用風險的早識別、早預警、早發(fā)現(xiàn)、早處置。金融機構(gòu)要按照“誰提供金融服務(wù)誰負責”“誰應(yīng)用人工智能技術(shù)誰負責”的原則，在選模型、喂數(shù)據(jù)、蒸餾微調(diào)等各環(huán)節(jié)落實主體責任，強化風險分類分級管理和高風險應(yīng)用準入管理，健全以人為本、人機協(xié)同的應(yīng)用范式，確保最終決策由人作出、關(guān)鍵環(huán)節(jié)有人監(jiān)督、緊急時刻有人干預，從源頭避免技術(shù)失控風險。人工智能企業(yè)要筑牢倫理道德、公平競爭、意識形態(tài)安全等合規(guī)底線，在高質(zhì)量數(shù)據(jù)集建設(shè)、基礎(chǔ)大模型訓練過程中，切實做到有技術(shù)不任性、有數(shù)據(jù)不濫用，守好人工智能安全第一道防線。行業(yè)協(xié)會要發(fā)揮自律作用，通過治理倡議、聯(lián)合公約、自律懲戒等方式，助力營造負責任的人工智能創(chuàng)新應(yīng)用氛圍。檢測認證、風險監(jiān)控等專業(yè)機構(gòu)要當好“守門員”，精準識別模型漏洞、算法偏見、數(shù)據(jù)安全、供應(yīng)鏈風險等潛在隱患，幫助金融機構(gòu)阻斷技術(shù)風險向金融領(lǐng)域傳導的路徑。從業(yè)人員要恪守職業(yè)道德底線，堅持守正創(chuàng)新，自覺提升人工智能科技倫理素養(yǎng)。

　　強化產(chǎn)金協(xié)作。一方面，加強工信、科技、金融等部門協(xié)同，深化人工智能企業(yè)與金融機構(gòu)合作。既要以金融應(yīng)用促進產(chǎn)業(yè)創(chuàng)新發(fā)展，提升開源基礎(chǔ)大模型、智能算力等軟硬件產(chǎn)品的技術(shù)先進性、場景適配性和運行穩(wěn)定性;也要以產(chǎn)業(yè)發(fā)展促進金融應(yīng)用提質(zhì)增效，發(fā)揮產(chǎn)業(yè)技術(shù)優(yōu)勢增強金融數(shù)據(jù)治理、智能模型研發(fā)、業(yè)務(wù)場景挖掘等能力，推動金融服務(wù)向精細化、智能化、普惠化、高效化升級;更要產(chǎn)用協(xié)同共筑安全底線，支持金融機構(gòu)提前介入產(chǎn)業(yè)創(chuàng)新鏈條，了解掌握基礎(chǔ)大模型的訓練數(shù)據(jù)及潛在風險隱患，提升大模型金融應(yīng)用安全性和可靠性。另一方面，加強人工智能全鏈條金融服務(wù)，發(fā)揮科技創(chuàng)新和技術(shù)改造再貸款作用，用好債券市場“科技板”和科技創(chuàng)新債券風險分擔工具，鼓勵創(chuàng)新“算力貸”等產(chǎn)品服務(wù)模式，支持探索數(shù)據(jù)資產(chǎn)增信、數(shù)據(jù)知識產(chǎn)權(quán)質(zhì)押融資產(chǎn)品，為人工智能產(chǎn)業(yè)發(fā)展提供更加精準有力的金融支持。

　　完善人才保障。建立金融、教育、人社、工信等跨部門人才協(xié)同培育機制，聚焦人工智能金融應(yīng)用實戰(zhàn)需求，推動金融機構(gòu)與高等院校、科研院所、人工智能領(lǐng)軍企業(yè)深度合作。在高等教育方面，增設(shè)“人工智能+金融”交叉學科專業(yè)，共建校企實訓基地，開設(shè)金融AI算法、智能風控實務(wù)、數(shù)據(jù)安全合規(guī)等核心課程，通過“訂單式培養(yǎng)”向金融機構(gòu)定向輸送緊缺人才。在人才引進方面，健全海內(nèi)外高端人才“綠色通道”，在國家和地方高層次人才引進計劃中單設(shè)“金融科技”類別，重點引進大模型算法研發(fā)、高質(zhì)量數(shù)據(jù)集建設(shè)等緊缺領(lǐng)域人才，并配套落戶安居、有競爭力的薪酬等政策。在人才培養(yǎng)方面，健全復合型人才培育路徑，優(yōu)化職業(yè)晉升通道，通過校企聯(lián)合培養(yǎng)、專業(yè)技能培訓、跨條線輪崗學習、跨機構(gòu)聯(lián)合實踐等方式，提升員工智能素養(yǎng)。