“中国的产业体系是完整的，美国的产业是公司化的。如果我们放弃产业本质、产业智能，去和美国的通用智能竞争，就好比用自己的短板去打别人的长板，在战略上不可取。”第四范式联合创始人、总裁胡时伟在新金融联盟近日的参访活动上表示。

3月29日，在中国银行原行长李礼辉、新金融联盟（NFA）秘书长吴雨珊带队下，新金融联盟理事单位代表及特邀嘉宾共四十余人前往人工智能领先企业第四范式，一同探索大模型驱动的零售金融转型实践。

本次活动是新金融联盟“大模型前沿探索与金融行业应用”系列参访第二期，第四范式联合创始人、总裁胡时伟，第四范式金融行业咨询总监李雪接待了参访团，并做主题演讲及交流。

新金融联盟参访团合影

AI赋能新质生产力的三个关键

当下，AI技术正成为驱动新质生产力的关键要素，也为金融业高质量发展注入了强大动力。2024年政府工作报告首次提出开展“人工智能+”行动，座谈会上胡时伟围绕“人工智能+”驱动新质生产力的逻辑、路径做了精彩论述。

第四范式联合创始人、总裁胡时伟

“当前，中国的算力、数据紧缺。我们需要思考，是选择大力出奇迹的算法，还是在垂直行业因地制宜选择更高效的算法，甚至对于中小机构而言是否应该以专家规则为基础去形成垂直智能。”胡时伟说。

他认为，中国的产业体系是完整的，美国的产业是公司化的。如果我们放弃产业本质、产业智能，去和美国的通用智能竞争，就好比用自己的短板去打别人的长板，在战略上不可取。我们发展大模型的逻辑要换道调整，不能跟随一个必然不会胜利的逻辑去走。

用人工智能加快发展新质生产力，胡时伟认为有三个关键：

首先，要明确“人工智能+”驱动新质生产力是以高质量发展为目标，并将目标转化成可量化的指标体系，同时构建与人工智能的高效性适配的管理与评估体系。

第二，坚定地提出愿景，然后向愿景努力。AI新生产力不是沿着现有路径运用当下技术，而是沿着清晰愿景，探索实现目标的新路径、实现技术的新可能，这是行业领导者要回答的问题。

第三，塑造适应新质生产力的生产关系。组织和经营模式与新生产力匹配，才能发挥出新生产要素的价值。

参访团参观第四范式展厅

在最早应用AI技术的零售金融领域，聚焦于数据分析、智能交互、风险控制等业务场景的大模型应用已初显成效。李雪结合第四范式的科技输出案例，介绍了大模型赋能零售银行转型的探索与实践。

她表示，近几年，第四范式聚焦金融行业的科技输出，在模型领域沉淀了100多个场景，涵盖精准营销、风控等众多方面。关于银行应在什么样的场景应用大模型，她表示，短期看，取决于行业创新文化，中期看，取决于行内私有数据，长期看，取决于人才发展。不同银行的科技落地路径可能不同，既可能由业务创新引领科技发展，也可能由科技主导赋能业务。

中信银行信息技术管理部副总经理周鹏东也就大模型应用实践做了分享。中信银行基于开源技术搭建大模型平台，主要应用于客服、风控、研发、营销等场景。这些场景的共性在于模型的复杂程度、对生成内容的质量要求不会非常高。目前更多是“辅助驾驶”，主要应用于规范化、公式化较强、人工密集的领域，通过分担减轻而非替代，达成效益的释放。

规模化赋能是核心竞争力

中国银行原行长李礼辉

李礼辉指出，“规模化赋能”是科技企业的核心竞争力。数字技术的创新和应用，只有达到规模化应用的要求，才能真正为需求侧赋能，进而推进需求侧转型升级，为需求侧创造商业价值，从而真正提升供给侧的市场竞争力，实现供给侧的财务自由和创新自由。

他提示，在加强人工智能基础研究的同时，应高度重视可以创造商业价值的人工智能技术的应用创新。比如，提高工业物流服务流程的自动化程度，以节省边际成本；诊断生产、经营各个环节的运行的短板，以提高生产和管理的效率。

此外，他认为应重视智能金融的安全问题。技术创新与风险如影随形，重在预判和预防。应明确智能金融各参与方的责任与边界，建立穿透式、一体化的智能金融协同监管系统，实现监管信息共享。人工智能模型的趋同容易造成单边交易，监管层面要建设智能金融风险分析和监测系统，及时识别评估、提前预警异常交易和市场操作，主动预防系统性风险。

AI应用的两个待解难题

大模型技术更迭迅速，未来的发展充满想象空间。李礼辉提出两个开放性问题：一是可否实现人机交互拟真人性化，比如智能金融机器人能否正确、实时感知客户状态，给出有人性温度的最优解。二是能否实现图像管理全流程智能化，比如在医疗、财务等方面，基于图片实现“零差错”判断。

针对第一个问题，胡时伟认为，人工智能如何做到润物细无声地与人配合是个难点，对于在线业务而言，消费者对APP没有情绪价值的需求，而对于线下消费者而言，面对面交谈时，如果人工智能不停打乱客户经理的节奏和思路，也会非常尴尬。不过，如果变换场景，假定消费者适应了虚拟环境的情感温度，AI技术的应用就非常自然，对于只有一个线下网点的民营银行而言，线上场景的扩展和应用很有前景。

对于第二个问题，胡时伟表示，从技术角度来讲，但凡采用的是OCR技术，就100%做不到图像识别不出错。人和机器都会犯错，人犯错一般都能有个说得过去的理由，但是机器犯错就说不明白，这是模型缺陷的问题，有了大模型、多模态等新技术后有所改善，但未来还需进一步优化。从非技术的角度找解决方案，可以给OCR应用买保险，因为不是每一个交易的风险都无限大，通过保险可以降低风险带来的损失。

（文| 余春敏）

【关于我们】

新金融联盟（NFA）成立于2016年，致力于打造一个高质量的新金融政策研讨和行业交流平台。成立以来，联盟共组织各类闭门研讨会、优秀企业参访近百场，议题涵盖数字金融、数据治理、资产管理等方向。部分研讨成果形成报告，呈送给相关部门，推动了业界与监管的沟通交流，助力市场机构的合作共赢。