2024金融街论坛年会｜“AI+金融赋能数字金融新篇章”平行论坛成功举办

2024-10-20 14:54:55 和讯网

　　10月18日至20日，由北京市人民政府与中国人民银行、国家金融监督管理总局、中国证券监督管理委员会、新华通讯社、国家外汇管理局共同主办的2024金融街(000402)论坛年会在北京举行。在此背景下，10月19日，由中国移动通信集团有限公司和北京立言金融与发展研究院共同承办的平行论坛“AI+金融赋能数字金融新篇章（AI+Finance Enables a New Chapter in Digital Finance）”在北京金融街成功召开。

　　在全球化数字化浪潮的引领下，金融行业正站在由人工智能（AI）技术领衔的科技革命潮头。这场革命以其深远的影响力，重塑着金融服务的每一个环节。随着“数字金融”在中央金融工作会议上被提升至国家战略层面，成为“五篇大文章”的核心篇章，这不仅昭示着金融行业数字化转型的全面加速和深化，更标志着金融与科技融合的新纪元已经到来。基于此，本论坛议题围绕“AI+金融赋能数字金融新篇章”开展交流。

　　首先是致辞发言环节，由中国移动通信集团有限公司副总经理张冬作致辞发言。本次论坛由《财经智库》总裁、《财经》杂志执行主编张燕冬主持。

　　主持人：《财经智库》总裁、《财经》杂志执行主编张燕冬

　　中国移动通信集团有限公司副总经理张冬指出，中央金融工作会议提出要做好科技金融、绿色金融、普惠金融、养老金融、数字金融“五篇大文章”，擘画了金融强国建设的宏伟蓝图。

　　张冬表示，中国移动为金融客户提供稳定可靠的基础通信服务的同时，坚持秉承AI的“供给者”“汇聚者”“运营者”的定位，以AI赋能金融行业数智化转型升级。一是夯实AI智能底座。中国移动“4+N+31+X”的算力资源布局覆盖国家算力枢纽节点，打造多个超万卡智算集群，目前智算规模超26EFLOPS。其中，呼和浩特超大规模单体智算中心入选“央企十大超级工程”，哈尔滨智算中心成为业内首个基于全国产设备的超大规模智算集群。中国移动通过优质的智算资源和服务，为金融客户打造AI大模型及行业应用夯实基础底座。二是构建AI核心能力。中国移动自主研发的“九天”系列通用大模型，在央企中率先通过国家“双备案”。近期，中国移动发布了九天善智多模态基座大模型以及30余款行业大模型。面向金融行业，中国移动打造了金融客服大模型、金融投融资大模型和金融安全大模型，为提升金融服务的质量和效率、筑牢金融安全防线贡献更多数智力量。三是打造AI场景应用。中国移动积极推动基于大模型的规模化行业应用蓬勃发展，预计到2024年年底，将面向多个行业推出超60款AI产品应用。在金融领域，中国移动打造了智能投研、资产监管、风险评估和金融反欺诈等一系列高品质AI应用，落地了百余个AI+金融示范案例，为数字金融高质量发展注智赋能。

　　张冬表示，站在数智时代浪潮上，中国移动将继续深入贯彻落实党的二十届三中全会精神，勇做新质生产力的先行者、排头兵，大力实施“AI+”行动计划，与金融机构、产业伙伴深化合作、互鉴互助，加速推动算力网络、人工智能等新一代信息技术与生产经营的融合创新，为数字金融的发展注入澎湃动能。

　　第二部分是主旨演讲环节，邀请到十三届全国政协经济委员会主任、原中国银监会主席尚福林，中国社会科学院学部委员、国家金融与发展实验室理事长李扬作主旨演讲。

　　十三届全国政协经济委员会主任、原中国银监会主席尚福林围绕“AI+金融赋能数字金融新篇章”进行分享。

　　第一，金融是人工智能融合发展的重要领域。 2023年，中央金融工作会议提出，要加速建设金融强国，着重做好数字金融等五篇大文章。根据国际数据公司（International Data Corporation）的预测，到2027年，全球金融业在人工智能的支出将达到970亿美元，复合年增长率为29%，是增速最快的行业之一。在此背景下，金融科技领域必将迎来新一轮的技术革命。一方面，人工智能的大模型应用已经能够支持语言、视觉、语音等多模态交互，并展现出更高级别的逻辑推理能力，对赋能金融行业具有重要意义。另一方面，金融业务产生的海量数据(603138)为人工智能提供丰富的应用场景，金融业将成为智能化的先行者。

　　第二，人工智能对金融业经营运行将产生深远影响。人工智能在金融领域的应用有三个核心要素，其中数据是关键、技术是核心、算法是基石。一方面，金融可能是人工智能技术的最大受益者。人工智能在提升金融服务效率、提供个性化服务、以及增强风险管理能力方面赋能。另一方面，人工智能赋能金融也面临着一些挑战。一是在模型不透明风险方面。存在难以解释和追溯输出结果的监管难题，带来金融稳定性风险。同时，广泛使用训练有偏的信贷审批助手，可能导致金融风险评估和信贷决策的同质化，加剧金融的脆弱性。二是在不可预知的风险方面。人工智能根据过往数据训练的结果，可能无法准确反映现实和预测问题。三是在网络安全风险方面。人工智能应用需处理大量敏感的个人和财务数据，增加了网络攻击的风险和数据泄露的可能。

　　第三，人工智能赋能数字金融的几点建议。一是广泛应用，深化融合。一方面，积极探索应用场景，通过实践打磨和完善大模型能力。另一方面，提升场景智能化水平，构建数字化、智能化金融生态体系。二是加强合作，共建生态。包括增强合作联动、支持关键技术研发、降低应用门槛三个方面。三是推进数字资源共享，提高数字化水平。包括充分运用好金融业自身生成和收集的数据；通过合法合规途径共享互联网、物联网以及各类平台的数据信息；共享政府信用信息平台的数据信息。四是守住底线，保障安全。一方面，加强安全标准建设。不断完善金融数据的安全标准体系，加强法律法规体系建设，为金融数据安全与隐私保护提供法律保障。另一方面，提升风险防范能力。通过人工智能技术建立风险监测和预警机制，及时发现和处置潜在风险。

　　中国社会科学院学部委员、国家金融与发展实验室理事长李扬指出，我们应正视AI发展带来的挑战，它不仅是一种工具，还可能成为人类的竞争对手。从2024年的诺贝尔奖来看，人工智能已全面渗透到所有的自然科学乃至人文社会科学的发展之中。今后金融的发展必将被AI全面渗透并被全面改造。面对人工智能的发展，我们需全面审视其社会影响，并提出恰当的社会管理方案。对人工智能——或者说更广义上的技术进步和人类发展的关系理解，成为制度经济学的重要组成部分。

　　2024年诺贝尔经济学奖授予达龙·阿西莫格鲁等三人，表彰其在制度经济学上的贡献。他们认为：国家的成败主要由其政治和经济制度的性质决定。即在经济和政治两个层面上，其制度是攫取型还是包容型。攫取型制度在政治上由少数人掌控决策权，在经济上通过垄断、特许、市场规制等手段掠夺生产者资源，对产权缺乏有效保护，试图控制并限制创新，甚至对自发性创新感到畏惧。而包容型制度鼓励广泛参与，其执政者是多数人的代理人，领导职位向更多人开放，经济上鼓励产权保护与创新，避免绝对垄断。通常，包容型的政治制度与包容型的经济制度相辅相成。当国家内部的权力结构朝着更包容的方向发展时，制度也会支持创新和公平竞争，推动经济增长与社会进步。阿西莫格鲁等认为，技术进步对于大多数人来说，未必是一个更加光明的未来，关键还在制度。社会需重新审视技术进步的目的，将其逐渐地转化为推动公共利益的工具，而不仅是谋取利润的手段。有幸的是，中国的制度是包容型的。

　　李扬理事长指出，应对AI的挑战，我们需要全面的社会政策。其一，加大对教育和技能培训的投资，培养自主高效的学习者。旨在让更多的人能接触到人工智能，尽可能让他们跟上技术变化的步伐。其二，设计合理的制度，对通过利用新技术获得巨大利润的公司课税，将所获资金用到免费教育等公共服务上。通过合理的社会政策，让技术进步带来的财富，更多地分配给普通的劳动者。其三，对所有的高科技公司进行更严格的监管，特别防止少数公司垄断市场，限制他们过度控制市场和用户的数据。鼓励高科技市场的竞争。确保公众对技术发展的决策拥有发言权，不能让技术决策只掌握在少数精英阶层手中。

　　第三部分是主题演讲环节，邀请到中国工商银行(601398)首席技术官吕仲涛、Optiver（澳帝桦）亚太区首席执行官Wouter Stinis、中国移动上海产业研究院副总经理陈豫蓉、神州信息(000555)联席董事长王永利、忠利保险亚洲区首席保险官Pierre Martelly作主题演讲。

　　中国工商银行首席技术官吕仲涛以“筑牢数字金融创新发展新基建”为题，分享了工商银行人工智能大模型体系建设和应用实践。

　　吕首席指出，人工智能已上升为国家战略。党和国家近年来密集出台多项行动方案与激励政策，营造鼓励包容、审慎监管环境，加快布局发展人工智能产业。国家层面加强顶层设计，要求各行业抓住人工智能大模型发展机遇，加快形成新质生产力。大模型催生了人工智能第三次浪潮，开始向“大数据、多任务”范式的生成式AI迈进。

　　吕首席表示，工商银行体系性地推动大模型企业级技术能力建设，按照“三大支柱、1+X范式、两全平台、全域生态”的建设思路，立足于全栈国产化技术，建成集算力、算法、数据、工具、能力、安全、应用、生态于一体的企业级千亿金融大模型技术体系,内外协同赋能，打造“人工智能+金融”新生态。考虑到不同业务部门创新动力差异，确保大模型应用由简到易、规模化有序推进，工商银行提出两阶六步金融大模型应用创新方法论、“3（标杆案例突破）-1（应用范式提炼）-N（全域场景推广）”基于范式的AI技术规模化转换方法论。目前已实现各个业务领域规模化推广，覆盖20多个业务领域、100多个业务场景。

　　吕首席认为，大模型技术的应用存在双刃剑，大模型技术提升工作效率的同时，生成伪造内容、数据泄露等安全风险日益突出。要加强人工智能潜在风险研判和防范，不断深化运用大小模型协同融合的人工智能技术，推动商业银行在安全可控情况下向着更加智能化、个性化、高效化的方向发展。未来大模型在金融行业的应用，可从如下四个方面开展：一是做深大模型技术支撑能力；二是做大数据资产建设；三是做强大模型人才队伍建设；四是加快跨行业联合创新。

　　Optiver（澳帝桦）亚太区首席执行官Wouter Stinis先生围绕金融市场中人工智能（AI）的应用展开，重点探讨了AI如何赋能市场与投资，推动金融市场进入新篇章。

　　他指出，长期以来科技进步不断助推金融市场发展和创新，提升了定价效率、流动性和价格发现等核心功能。如今，AI的崛起，伴随算力的提升和大数据的广泛应用，正在加速金融市场的智能化转型。这不仅增强了金融机构的运营效率，还推动了更多金融应用场景的开发，为投资者和实体经济带来积极影响。

　　AI带动技术进步进入全新领域。其核心动力在于算力和数据处理的提升，支持更复杂的预测模型和高效分析。CPU、GPU和云计算的发展推动了AI与金融市场的深度融合，实现了市场操作的规模化和精准化。AI已广泛应用于量化分析和企业分析，显著提升运营效率。在日常操作、市场监控和智能投顾方面，AI帮助企业提高竞争力、降低成本，并为投资者提供更优质的建议和风险管理，进一步优化流动性和价格发现，减少市场波动，增加投资回报。

　　与此同时，AI的快速发展也伴随着挑战和风险。金融市场的稳定性、监管框架、网络安全以及虚假信息等问题亟待关注。为确保AI的可持续和负责任发展，政府、监管机构和市场参与者需共同努力，制定有效的法规与操作框架，借鉴全球最佳实践，预见风险，通过AI变革促进人类科技和文明的发展。

　　总之，AI正在为金融市场和投资领域开启新的篇章。如果能够合理管理其风险，AI将为企业、投资者和实体经济带来深远而广泛的利益。

　　中国移动上海产业研究院副总经理陈豫蓉表示，中国移动打造“九天”大模型，推动“AI+”设施升级，筑牢数智服务基础底座。围绕“连接+算力+能力”，以算网大脑强化算力网络各类资源的一体化协同调度，提升通算、智算、边缘算力的互联效力，加速智算成网，构建泛在融合的智能化综合性信息基础设施。训练万亿参数AI大模型。积极推进更大参数体量、更强推理能力的模型训练。做强30款自研行业大模型能力，助力各行各业智改数转网联。打造超万卡智算集群。加快“东中西”“云边端”“通智超量”算力基础设施融合，建设多个超万卡智算集群，布局更大规模的智算集群建设，推动边缘节点升级，实现中心大集群、边缘广分布、中训边推、训推一体，为AI创新发展夯实基础底座。沉淀数万亿Tokens行业数据集。丰富行业数据集的数量、质量和结构，强化高质量多模态数据集供给。持续推进数联网优化迭代，加快在更多场景实现规模落地，服务构建国家级、行业级数据基础设施。

　　陈豫蓉表示，中移上研院打造金融投融资大模型，聚焦“AI+”场景应用，提高企业数智服务水平。结合金融行业特点，充分发挥场景创新的牵引作用，让AI不仅会作诗、更要会做事。一是围绕银行、保险、投资等金融机构常见场景，打造AI+智能投研，AI+资产监管，AI+风险评估，AI+合规质检，AI+融资助手5项解决方案。二是借助于零代码的平台搭建方式，面向金融行业应用提供涵盖智能算力、MaaS（模型即服务）平台、行业大模型、产品应用的AI+DICT服务体系。三是全流程适配华为芯片和框架，开发平台纳管多样化国产算力，集成多款国产 AI 算法框架，实现全栈国产自研，满足企业信创需求。

　　神州信息联席董事长王永利指出，银行业的金融科技发展经历了三个重要阶段：第一阶段是金融机构自身运营的IT化。在这一阶段，金融机构通过电子化实现业务处理和数据管理能力的大幅提升。通过各地分支机构间系统的统一联网和数据集中，实现了跨机构的通存通兑和业务的实时处理。第二阶段是金融机构与客户或合作伙伴系统对接实现业务联网处理。在这一阶段，伴随技术的发展，金融机构通过与客户或合作伙伴的系统对接与网络连接，越来越多的业务实现了线上化。开放互联是该阶段的突出特点，金融机构可以充分利用线上化的服务渠道，满足客户的需求，实现以客户为中心的服务目标。同时实现效率的提升和成本的降低。当前，中国的金融科技发展已经迈入第二阶段，并在很多领域取得国际领先地位，但是伴随互联网生态的发展，金融机构会面临更多的互联互通而造成的大量重复性建设问题？如何实现海量分散数据归集的问题？如何构建和形成真正意义上大数据的问题？这就要求金融科技要加速迈向新的发展阶段。第三阶段将是建成全社会集约化专业化接口平台、信息和数据要素集中管理平台支撑的中心化运营阶段，集约共享将成为该阶段的突出特点。同样，这一阶段也充满了很多挑战。

　　王永利董事长重点分享了第三阶段需要关注的四个突破重点：第一是打造国家或区域的系统集中对接平台，借鉴SWIFT模式，实现金融机构间的标准化中心互联。第二是推出和运行央行统一APP的数字货币（CBDC）体系，实现账户和用户基础信息的集中管理和运营，提高交易数据的集中度，为数据统一运维和运营创造条件；第三是推出统一运维、集中管理的数字化智能身份信息系统，以解决数据确权的问题，同时实现对数据权益的更好保护。第四是按照法人与个人全面归集其交易信息与数据并有效利用，借助国家实现完整数据的共享，帮助金融机构实现围绕法人或个人的全面的信用评估，解决数据的缺失性和时效性等问题。

　　忠利保险亚洲区首席保险官Pierre Martelly以“奇怪的搭档？193年历史的意大利保险公司与生成式人工智能”为题进行分享。

　　生成式人工智能在近年来广受欢迎。这一方面得益于ChatGPT具备的极强的易获取性，以及十分亲民的使用体验。另一方面，生成式人工智能能够实现工作效率的大幅提升。

　　然而，当前我们尚未完全理解生成式人工智能的全部潜力，以及这些潜力面临的挑战。生成式人工智能具有巨大的发展潜力。麦肯锡对AI式人工智能的未来发展给出预测，认为到2028年将会达到170亿美元之多。然而支撑生成式AI发展的并不是那些风险投资者，而是包括亚马逊、微软、苹果等在内的传统企业。今年10月，我们听到来自谷歌、OpenAI和亚马逊的一些声明，他们在小型模组化核反应堆的企业上投入了超过一千亿美元的规模，这既可以推动核反应、核动力行业的发展，又能够进一步去推动绿色能源转型。

　　当前，存在着对人工智能的三大误解。一是生成式AI不等同于“传统”人工智能，生成式AI能够创造各种形式的新内容。二是生成式AI不等同于简单的文本生成，同时也在数据分析、视频和图像生成、代码生成等领域擅长。三是生成式AI不等同于ChatGPT。以忠利集团的应用案例为例，在不同职能部门内，设立通用型人工智能聊天机器人(300024)作为对话代理，能够直接面向客户群体，帮助员工提高效率和生产力。

　　最后，对生成式人工智能的未来进行展望。一是生成式AI将是多模态的。未来可能使用更多引擎集合完成更复杂的任务。例如中国的Deep CARs模型，运用自动的智能体解决ChatBot相关的问题，满足场景化需求。二是拥有增强的推理能力，例如，随着核电的发展，AI的能源成本将会更低。三是生成式人工智能将无处不在。四是生成式AI将成为机器人的一个部分，与现实世界进行更深度融合。未来，我们需要超越ChatGPT，以更开放的态度面对人工智能的发展，让领导者积极参与的同时，赋予员工更多权利。

　　第四部分是成果发布环节，本环节由中国移动政企事业部赵畅主持。

　　主持人：中国移动政企事业部赵畅

　　中国移动通信集团有限公司发布了《中国移动“AI+金融”应用与创新成果》。主要包括：AI+金融投研、AI+量子金融、AI+企业支付、AI+知识服务等。发挥中国移动作为“央企AI国家队”的重要作用，赋能数字金融发展。

　　工商银行联合北京金融科技产业联盟等机构发布了《金融业AIGC建设指引》课题成果，该课题由中国工商银行牵头，联合北京金融科技产业联盟、邮储银行、兴业银行(601166)、蚂蚁集团等多家单位编制，旨在为金融行业AIGC建设思路和落地应用指出方向。

　　邮储银行发布了《面向用户体验的全场景AI测试引擎 --“星辰平台”》。作为邮储银行在AI领域的最新研究成果，“星辰平台”将全面面向极致的用户体验，积极推动科技赋能向科技创造价值转变，重塑软件测试工作在金融科技领域的布局定位，通过测试驱动需求整合和研发能力的快速提升，打造金融科技第二增长曲线。

　　第五部分是圆桌交流环节，邀请到中国银行(601988)业协会首席信息官高峰，中国保险资产管理业协会党委委员、副会长贺竹君，中信证券(600030)首席信息官方兴，京东集团副总裁、首席经济学家沈建光，蚂蚁集团研究院院长李振华进行圆桌讨论。本环节由国家金融与发展实验室副主任杨涛主持。

　　主持人：国家金融与发展实验室副主任杨涛

　　中国银行业协会首席信息官高峰指出，通常情况下，新技术投入金融领域应用，应满足以下三个条件：一是能够优化流程、提高效率，二是给客户带来更好的体验，三是监管合规，三点缺一不可。目前，大模型技术应用还处于探索阶段，大型银行与中小银行基于自身的资源禀赋差异，在大模型的应用上出现了“马太效应”。事实上，在数字化转型乃至数智化转型的过程中，作为新质生产力的代表，大模型技术的渗透是无法避开的，生成式AI正在逐渐地改变着商业银行的运营模式，大模型可以有效地解决一些痛点和堵点。AI+金融已经成为数字化转型的新特色，使得银行的数字化转型更加智能和人类化。因此，大模型技术在银行应用已经进入全面拥抱、审慎使用的初级阶段，重点应用定位于“员工助手”，而面客环节则慎之又慎。当然，大模型应用在金融领域也面临着严峻的挑战，其一，大模型最大的问题就是认知偏差，存在潜在的风险，人类目前还未探究到从判断式到生成式AI的理论根基和准确规律。其二，基于大模型训练语料、数据合规等问题，通用大模型的应用能力尚不能完全展现，而垂直领域大模型是落地可执行的方式。其三，AI的治理问题涉及到“百模千业”，包括数据伦理、模型算法等问题，甚至AI安全问题会产生国际影响，因此大模型应用需要国际合作，建立大模型应用国际化生态。至于大模型发展的未来趋势，则需要关注智能向善、算力的集约化、合成数据使用等方向。

　　中国保险资产管理业协会党委委员、副会长贺竹君指出，大资管行业中，保险资管和银行理财行业的AI技术应用目前处于早期探索阶段，主要用于投资研究、市场营销和风险监控等业务场景的智能提示；公募基金和券商资管行业的AI技术应用相对成熟，主要应用于研报解读、行业研究、风险控制、投资组合优化、量化交易以及项目编程等业务场景的智能管控和进一步优化。AI技术主要通过知识图谱、智能语音、NLP、RPA和大模型等5条技术发展路径，加强风险管控、提高工作效率、高效提取关键信息、降低运营成本和风险、辅助投资决策。一些行业机构通过外部采购的方式应用AI技术，包括采用监督学习AI产品（大模型），助力智能化营销和风控；采用生成式AI产品（智能助手），提高工作效率和辅助创新。

　　面对数据孤岛导致的准确性问题，贺竹君建议加强数据治理、数据标准建设和行业共建共享，为AI技术应用提供全面、高质量的数据资源。针对AI黑箱特性导致的决策透明性问题，建议构建白盒模型，制定AI信息披露标准，增强决策透明度和可追溯性。对于AI本地部署带来的成本问题，建议中小金融企业通过合作研发、云服务订阅等方式降低初期投入。

　　展望未来，贺竹君预见“AI+金融”将与区块链、云计算等前沿技术深度融合，形成全新的金融基础设施，重塑金融生态格局。AI驱动的个性化金融服务将进一步普及，满足消费者多元化、定制化的需求。AI赋能的普惠金融将突破地域、信用等壁垒，让更多群体享受到便捷、低成本的金融服务，这将是金融行业包容性发展的重要一步。

　　中信证券首席信息官方兴表示，在金融业数字化转型中，大模型在实际场景中有4块基础能力比较实用，分别是查（知识检索），抽（知识抽取），写（材料撰写），核（材料审核）。基于这些基础能力组合，可以赋能具体的业务场景，提升效率，创造价值。如智能投行应用为债券发行、股权激励、定增等业务，提供数据可视化、分析智能化、问答自动化、服务场景化的一站式智能助理服务；智能风控基于大模型和隐私计算平台，提升了公司国际化、一体化风险管理能力。

　　然而，AI在金融领域的应用也面临以下挑战。一是算力短缺。模型训练和推理需要大量算力资源，当前高端GPU卡供不应求，国产算力资源需提升，计算能力提升是一方面，更重要的是建立应用开发环境和生态。二是模型幻觉。模型无法确保100%准确，需要优化算法和应用限制。三是数据安全。金融数据高敏感度，需加强数据保护，实现数据处理匿名化和本地化。四是业技融合。模型的成功应用需大量业务经验输入，技术与业务的深度融合至关重要，需采取试点策略逐步推广。

　　展望未来，AI+金融不是简单的技术累加，而是一种深度融合和创新的应用过程。我们需要以智能化的视角出发，以优化业务流程、提升客户体验、强化风险管理、增强价值创造为目标，去重塑金融产品和服务的新业态、新模式。大模型等AI应用从可演示，到可实用，再变得好用，需要一个过程。我们相信随着底层技术的越来越智能，场景中积累的数据和能力越来越多，应用的价值也会越来越大，“AI+金融”应用这块未来国内会有很多发展。

　　京东集团副总裁、首席经济学家沈建光就人工智能在金融领域的应用，以及金融在支持人工智能发展中的挑战进行分享。

　　首先，人工智能在金融垂直领域的应用是一个从量变走向质变的过程，从边际上影响各类产品、业务和场景。以京东金融为例，一是通过数据场景可以快速评估个人的贷款能力，个人能在无需抵押品的情况下能够实现贷款申请。二是以京东机器人直播为代表的各种人工智能，能够在提高企业内部效率的同时，降低金融服务中的成本。人工智能技术的应用不是凭空出现的，需要包括技术、场景、客户等在内的整个体系作为支撑。大平台企业应积极发挥平台优势，在提高平台效率的同时，帮助生态系统的中小微企业实现数字化转型。

　　其次，应重视金融在支持人工智能发展中的可能风险。人工智能技术的崛起需要大量资本支撑，因此资本市场发挥着巨大的作用。然而，当前国内资本市场存在一些限制。人工智能作为软科技的代表，由资本市场决定是否支持以及如何支持。资本市场应对包括区块链技术在内的技术发展予以支持，尤其在企业海外上市方面，帮助发展人工智能的企业在国际竞争中立于不败之地。

　　最后，人工智能结合以供应链为基础的科技企业，将更好地服务金融行业，做好普惠和科技金融两篇文章。

　　蚂蚁集团研究院院长李振华指出，关于AI在金融领域的应用与未来发展方向，目前大模型或生成式AI为金融行业带来的价值处于初步阶段，当前在金融行业主要是以对B端的工具型赋能为主，局限在边缘应用，但未来3~5年将会向C端的核心决策业务场景挺进。当前金融AI以私有化的本地部署为主，未来会向云化生态和平台化生态的AI应用过渡。

　　李院长强调，生成式AI与移动互联时代不同，它从B端开始，更多成为提升效率的工具，目前在严谨行业尚未进入实质决策领域运用，其智能化水平仍需提高。

　　李院长表示，对于AI在金融行业应用面临的诸如可解释性、准确性、数据等方面的挑战，蚂蚁集团等机构正在积极探索解决方案，可通过知识图谱、增强技术、大小模型融合等方式解决。同时，李院长认为算力方面对金融机构挑战不大，他认为当前存在“算力泡沫”，国内GPU也没有想象的那么紧张，而且海外比如美国当前算力和基础模型基本收敛到几家大厂商，云+AI是包括金融和其他产业大模型部署的主要方式，相信未来在国内对大多数金融机构来说，不用自购GPU本地部署训练和推理，可以租用算力加AI应用即可。

　　李院长展望，从边缘应用到金融核心场景应用，从B端应用到C端应用，未来可期。