12月13日，由交通银行主办的第六届上海金融科技国际论坛“数智驱动、开放共赢：金融科技赋能金融高质量发展”平行论坛成功举行。交通银行党委委员、副行长钱斌出席论坛并致辞，以下为致辞主要内容：
党的二十届三中全会指出，要推动技术革命性突破、生产要素创新性配置;上个月，中国人民银行等七部委联合印发了《推动数字金融高质量发展行动方案》，提出以数据要素和数字技术为关键驱动，加快推进金融机构数字化转型，提高金融服务的便利性和竞争力。交通银行作为金融“国家队”，正在以数智化建设为契机，主动拥抱数字经济时代下开放共赢的新趋势，通过科技创新不断提升金融服务质量与效率，助力推进中国式现代化建设。此次举办“数智驱动、开放共赢：金融科技赋能金融高质量发展”论坛，围绕人工智能与数据要素的深度融合，邀请各方共同探讨金融科技的发展动态、实践机遇，旨在促进开放合作，实现产业共赢。
当前，以大模型为代表的人工智能先进技术为数智融合提供了新手段，也为产业协同开创了新局面。IDC数据显示，全球人工智能IT总投资规模有望在2027年增至5,100亿美元，其中，生成式AI市场规模将接近1500亿美元，年复合增长率达85%以上。在数据和算法的协同方面，“数”与“智”呈现螺旋上升的协同状态：大模型缩放定律仍然存在，数据量、数据质量、数据配比已成为影响模型表现的关键因素，而优质算法生成的合成数据，又将成为数据扩充的新来源;在数据和算力的协同方面，时序数据库、图像数据库、向量数据库等日益完善，分布式计算组网规模与日俱增，以适配高实时、海量数据运算场景;在算法同算力的协同方面，新出现、新增长的算力持续被算法利用，大语言模型在训练及推理态所需的算力规模成为参数量的主要考虑因素;在跨机构数据协同方面，数据价值流通、多元数据融合范式不断创新：隐私计算、数据沙箱等技术逐步成熟，可信数据空间已纳入顶层规划。
我们正迎来新一轮科技革命和产业变革所形成的重大机遇，交通银行积极践行创新驱动发展战略，通过科技创新提升金融为民、服务实体的质效，推动数字金融高质量发展。一方面，在发展人工智能的过程中，高度重视数据要素的价值挖掘。现已完成国家数据管理能力成熟度(DCMM)五级认证，建立了全行统一的数据标准体系以提升数据质量，建设企业级数据中台、隐私计算平台以拓展内外部数据资源，搭建数据标注平台以构建高质量AI训练数据集，从而夯实人工智能的用数基础。另一方面，强化人工智能技术研究，积极拥抱大模型。与华为、科大讯飞、复旦大学等建立联合实验室，开展技术攻关，并已在行内搭建千卡异构算力集群，构建多层次、多能力、多形态的千亿级金融大模型。在此基础上，积极开展人工智能场景应用，已落地40多个场景。比如，在风险防控领域，基于大模型打造覆盖一二三道防线的风险防控助手，提供信贷智慧问答、授信报告风险识别、审计数据分析、审计报告辅助生成等能力，正推动零售信贷“贷前、贷中、贷后”全流程智能支持，以提升风险管理水平;在反洗钱、反欺诈领域，基于人工智能实现隐案模式智能挖掘及智能分析，并搭建端到端智能筛查模型，支持集团内全渠道多场景智能预警，大幅提升反欺诈、反洗钱筛查效率及响应速度;在客户服务领域，基于大模型打造客服坐席智能助手，将人工智能嵌入客服坐席“事前、事中、事后”场景，实现话术生成、智能外呼、智能质检、工单小结等全流程辅助;在办公辅助领域，为全行员工提供全自然交互模式的智能制度问答、公文事务、员工服务、党建事务等能力，提升办公效率与员工体验;在信息科技自身能力建设领域，将大小模型融入研发流程，支持技术人员开展代码补全、代码解释、代码优化、函数注释、单元测试代码生成，以及生产运维的可视化、自动化等工作，提升信息科技基础能力，实现降本增效。
当然，在新技术带给我们便利性与时效性提升的同时，我们需要高度关注技术飞速发展所带来的新变化、新挑战。比如，在数据方面，数据融合造成的信息安全、隐私泄露风险频发，数据可信仍缺乏有效的管理、度量机制;在算法方面，信息茧房、大数据杀熟情况时有出现，算法不可解释、不可控性仍难以解决，针对复杂模型的测试方法论尚不完备，测试质量有待提升;在算力方面，单卡性能、算力组网存在上限瓶颈，GPU算力在高并发支撑、高可用服务方面仍有不足，生产运维自动化、智能化尚未完全实现;在全流程效率方面，人工智能应用的研发效率仍然不足，数据积累、算法迭代和测试效率难以满足快速演变的市场需求，模型生产线的转化效率仍需进一步提升。
顺理而举易为力，背时而动难为功。对于以上问题与新的变化，我提三点建议：
第一，产研融合、创新共赢，建设数智融合金融应用产业生态，提升技术成果转化效能。《中共中央关于进一步全面深化改革 推进中国式现代化的决定》指出，要加强创新资源统筹和力量组织，推动科技创新和产业创新融合发展。跨界融合、产研协同既是创新趋势，也是历史经验总结。建议进一步加大产学研合作，提升前沿技术转化效率，扩大先进成果示范效用;在数据、算法、算力、应用场景方面联合攻关、协同发展，寻求特定规模下的最优配置，实现优势互补;加强对人才的联合培养，依托上海优质的教育科研资源及上海金融科技产业联盟等产业综合平台，做好高校教育资源同产业应用的衔接，开展职业技能规模化培训，加快培养产业急需的算力组网、超大模型、可信算法、新型数据库等方面的工程化实施人才。
第二，夯实底座、创新发展，盘活数据资源，释放数据要素乘数效应。11月25日，国家数据局印发《可信数据空间发展行动计划(2024—2028年)》，到2028年将建成100个以上可信数据空间。建议金融机构以此为契机，积极对接国家及省市可信数据空间，利用多种方式用好外部数据;同时，构建企业自身的基础数据底座，强化数据治理，高效整合内外部数据资源;在此基础上，发挥先进技术的赋能作用，以业务效果为指引，构建可以快速验证、灵活迭代的人工智能基础环境、应用架构，以及可弹性扩展的算力平台，支持业务的快速发展。
第三，科技向善、守正创新，关注人工智能安全伦理，建设可信、公平的人工智能金融应用。自11月12日起，国家网信办等四部委联合开展“清朗·网络平台算法典型问题治理”专项行动，深入整治“信息茧房”，落实算法安全主体责任，增强算法向上向善服务。金融机构在人工智能应用过程中，同样应高度关注科技伦理和数据伦理治理，强化人工智能应用的保障机制，筑牢底线，保障人民群众的合法权益;建立模型评估与常态化监测机制，增强模型的安全防护，通过模拟对抗及时发现安全风险漏洞并采取加固措施，提升模型风险防控能力;加强可信人工智能研究，提升模型可控性、可解释性、决策透明度，防范AI幻觉等新技术风险，以负责任的金融理念为数字金融高质量发展保驾护航。
