（来源：中国银行保险报网）

转自：中国银行保险报网

□本报记者 苏洁

“过去十年，金融行业一直站在数字科技最前沿，既是前沿技术场景应用的试验田，也是新技术产业价值的试炼场。”在近日举办的2025年腾讯云金融数智峰会上，腾讯集团副总裁、云与智慧产业事业群COO兼腾讯云总裁邱跃鹏表示。

与此同时，腾讯云副总裁胡利明坦言：“当前大模型应用整体还处于比较初期的阶段，现在还是马拉松的第一公里，后面提升的潜力还非常大。两年左右会有很多高价值的大的场景出现。”

此次峰会上，金融机构分享了人工智能（AI）大模型在银行、证券、保险等场景的深度应用。

头部机构AI应用更加深入

胡利明表示：“头部或者说技术能力比较强的一些机构，在AI工程上已经开始进入一些深入的阶段。”整体来说，AI应用的整体发展阶段可以概括为从一开始能聊天，到可以干活，再到可以自主规划的真正智能Agent的模式和多Agent协同去完成一个复杂任务的阶段。

作为大型国有银行代表，中国银行在AI应用上已经有成熟的应用体系。中国银行软件中心专家表示，随着人工智能技术的发展，人工智能技术、大数据技术已经融入业务当中。在风控中，大数据、人工智能领域运用越来越广泛。如何利用风控技术在风险和客户便利性上取得平衡，这是在AI使用当中所面临的一个比较适用的场景。

上述专家介绍，中行目前构建一个成熟数据分析师工作台一个体系架构。这个体系架构下，中行构建了“1+N”体系，“1”代表底层公共一致数据应用能力，通过统一标准、模型工具、权限去建立统一稳定规范的支撑，通过“N”来实现不同领域的一些数据应用能力，通过“1+N”支撑，实现稳定的同时，满足企业内部各个不同部门特色的一些数据应用能力的要求。目前支撑越来越全面，越来越自动化。未来也会继续对数据进行深度分析和挖掘，根据不同的业务需求，对数据资产进行组织和封装，对外提供更强大的数据服务能力。

微众银行数字金融发展部副总经理周铭介绍，微众银行在2015年就启动了AI技术研发布局，在2023年进一步构建了AI工程化体系，“我们认为还是应该先培育AI的土壤，能够让员工更容易去获得AI方面的一些能力，让IT同事和业务同事都能够比较便捷地使用AI。微众银行把AI能力分了四层：第一层是算力，第二层是模型管理，第三层是工具构建，第四层是应用”。

在做辅助的场景里面，如客服、电销、催收，做法比较简单。在AI智能广告投放方面，把整个广告投放流程进行梳理，分到特别细的颗粒度，分别用不同的模型和相关算法对它做局部优化，最后产生了整体效果。现在跟人工组相比，在整个获客规模不变情况下，获客成本比人工组下降15%。

另外，在数字员工方面，周铭认为，未来10年之后是AI原生银行，AI原生银行应该就是有一群高度具备AI思维高素质的员工，可能还有一些AI数字员工和人之间一起进行协同，但目前还是比较早期的阶段，最终目标希望AI数字员工完全独立完成某一领域的工作，是完全独立而不是靠人做协同。

细分行业走出差异化路线

实际上，银行、保险、证券等细分行业的痛点和场景各不相同，AI大模型的落地也是百花齐放，走出了差异化路线。

富邦华一银行信息科技部副总经理屈新春表示，富邦华一走的是一条独特的路——把创新实验室作为数字化转型的一个工具，2019年开始，富邦华一与腾讯云建立了战略合作伙伴关系，从2020年开始陆续落地了一些项目，从虚拟营业厅、智能网点、智能风控、营销、TCE等，包括现在新一代系统建设当中都已经在落地了。

“大模型时代时机挺巧，我们正好完成大规模基础建设之后，人工智能大模型如期而来，可以说我们赶上了非常好的时期，接下来要做的事情是大数据+人工智能。”屈新春坦言，过去几年富邦华一完成湖仓一体的数据湖建设，但因为仅仅是数据湖存在一些痛点，数据湖并没有成为真正的知识湖，这是一个痛点。另外数据湖中沉淀很多非结构化数据，比如客服录音，沉淀在那里并没有产生价值，在大模型时代，把数据湖升级到知识湖之后，通过多模态大模型富邦华一把它提炼出来，进行情感分析、情绪分析，把客服录音给客户打上标签，当成结构化数据保存下来。

“数据湖到知识湖升级是我们后面要做的一件非常重要的一些事情。基于数据湖到知识湖，我们要做想象力空间就会非常大。”屈新春说。

保险行业作为知识密集型的行业，“知识管理”便是AI大模型的典型应用场景之一。邱跃鹏在演讲中表示，保险公司在发展过程中积累了大量的历史知识，覆盖保险精算、金融法规等千万级知识单元，员工进行知识使用难度高。同时，保险代理人培训更多是在理论层面，缺乏实践环节的磨炼。

东吴人寿、长生人寿等保险公司通过腾讯乐享打造了智能、安全合规的企业知识库，成功实现企业知识库及课堂、AI陪练等多种智能场景的落地应用。例如保险公司可以利用AI陪练系统，为保险经纪人提供模拟真人的一对一陪练，大幅提升了其专业性和面客能力。

在证券行业，国金证券AI实验室负责人李双宏认为，软件开发、GPT员工助手、大模型挖掘产业链信息等都是非常有价值的落地场景。“用大模型挖产业链，这是金融里非常常见的场景。因为舆情信息里边包含非常多关联信息，大模型可以充分、快速挖掘产业链信息，以前人工整理产业链平均生成时间需要几天到几个月，如今大模型只需要几秒钟。”

不过，在李双宏看来，“不管现在人类技术怎么样发展，我们更多是在通用人工智能或者窄域人工智能，在某个领域内像专家一样给大家赋能，这是我们现在追求的一个目标”。AI现在无法达到人类的思维高度，首先常识直觉决策和知识迁移能力、物理与数字鸿沟可扩展性、对人工智能信任的问题，现有的人工智能技术达到通用人工智能还为时尚早。

用大模型对抗大模型

胡利明在接受媒体专访时表示，这几年大模型蓬勃发展、快速迭代，通用模型的性能得到了非常大的提升，尤其是DeepSeek横空出世以来，大大降低了金融机构创新的门槛，金融行业的AI创新从以往比较宽泛的行业大模型创新转向聚焦于应用层的创新。大家几乎在各个业务环节尝试开发各种Agent，一时间大模型应用百花齐放。

同时，他也指出，要满足在金融行业较高的精准度，还有很大的挑战，需要训练不同场景的领域模型，高质量精准的数据以及训练数据集准备，这些也需要积累。“金融行业对智能应用的专业性和精准性非常高，需要不同环节的Agent包括能力来协同完成这个工作。所以，多Agent协同以及开放的插件生态是金融AI应用发展中的关键能力”。

“金融行业对安全性要求非常高，包括大模型本身安全及内容安全等，大模型要对C端提供服务，包括对内提供服务，这些都要符合法律法规。从运营实践来看，要用大模型来对抗大模型，用魔法来对抗魔法。”胡利明强调，实践中，腾讯在用户输入输出和大模型服务之间嵌入了一个以大模型安全引擎为驱动的安全管控的平台，它可以做到对输入输出内容敏感词以及多模态敏感内容的过滤，可以对抗提示词污染的防护，还包括数据的脱敏、防泄露等非常完善的安全防护能力。