本白皮书版权属于北京金融信息化研究所有限责任公司，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。主任：主任：潘润红副主任：副主任：黄程林、庄文君编委会成员编委会成员（排名不分先后，按姓氏拼音排序）（排名不分先后，按姓氏拼音排序）：陈志明、代铁、董佳艺、方科、胡利明、黄炜、李锋、李金龙、李一昂、林冠峰、刘承岩、刘殿兴、刘汉西、刘训艳、陆鑫、潘华、沈剑平、孙莉、汪航、王建军、王玲、王麒、王彦博、吴永飞、肖京、杨波、俞枫、张海燕、张洁、赵海、赵焕芳编写组成员编写组成员（排名不分先后，按姓氏拼音排序）（排名不分先后，按姓氏拼音排序）：曹伯翰、陈超、陈广浩、陈鸿、陈明、陈志豪、迟倩倩、崔雨萍、刁翔宇、段旭欢、范容、苟志龙、何平、何巧媚、何幸杰、胡国强、胡师阳、胡应明、黄彪、黄韦、金睿、金昕、李大伟、李冬妮、李峰、李娟、李梦霄、刘畅、刘威、罗安扬、罗方华、毛奕凯、彭晋、戚翯、邱晓慧、谈健、唐登龙、王莹、王煜惠、王振、温昱晖、文俊杰、吴青松、徐崚峰、鄢胜利、杨洋、于飞、曾培基、占可非、张彬、张绅、张笑冬、赵辉、周思霁、宗宇主要执笔人主要执笔人（排名不分先后，按姓氏拼音排序）：（排名不分先后，按姓氏拼音排序）：鲍思佳、卢金环、屈洋、孙曦、王帅强主编单位：主编单位：北京金融信息化研究所中国农业银行股份有限公司中国邮政储蓄银行有限责任公司上海银行股份有限公司腾讯云计算(北京)有限责任公司蚂蚁科技集团股份有限公司参编单位：参编单位：中国工商银行股份有限公司中国银行股份有限公司交通银行股份有限公司中信银行股份有限公司中国光大银行股份有限公司平安银行股份有限公司招商银行股份有限公司上海浦东发展银行股份有限公司华夏银行股份有限公司中国民生银行股份有限公司兴业银行股份有限公司浙商银行股份有限公司北京银行股份有限公司中信证券股份有限公司国泰君安证券股份有限公司华泰证券股份有限公司国信证券股份有限公司中国平安保险股份有限公司中国银联股份有限公司北京国家金融科技认证中心北京银联金卡科技有限公司海光信息技术股份有限公司北京火山引擎科技有限公司北京瑞莱智慧科技有限公司当前，大模型正掀起新一轮智能化发展热潮，赋能千行百业。大模型具备优秀的理解、学习、生成和推理能力，其工程化应用包含数据构建、模型算法、模型训练、模型压缩与加速、模型评测、模型运营和安全可信多个环节。金融机构和科技企业正积极探索大模型在金融业的合理应用，已试点应用于智能客服、智能办公、智能研发、智能投研等多个业务场景，进一步推动金融服务的智慧再造，加速 AI 技术赋能金融业务提质增效。大模型在金融业应用还处于初期探索和应用试点阶段，仍面临金融应用规范与指南不完善、金融应用场景缺少范式、高质量金融训练数据欠缺、训练算力支撑不充分、算法可信度和安全性不足等诸多挑战。本课题系统梳理了大模型工程化应用的各个技术环节，总结金融机构在大模型技术路线、使用方式和应用场景等方面的实践经验，重点研究金融机构应用大模型时在场景、数据、算力、算法等方面面临的突出问题，并提出相关意见建议，旨在为全行业提供参考和借鉴，促进大模型在金融业快速落地应用。一、概述.1二、大模型技术与产品发展现状.2一、概述.1二、大模型技术与产品发展现状.2（一）工程化应用主要环节与技术.2（二）国内外主要产品情况.9三、大模型在金融业应用与探索实践.10三、大模型在金融业应用与探索实践.10（一）技术路线.10（二）使用方式.14（三）应用场景.17（四）应用趋势.29四、大模型在金融业应用面临的风险与挑战.30四、大模型在金融业应用面临的风险与挑战.30（一）金融应用规范与指南亟需完善.30（二）金融应用场景缺少范式.31（三）高质量金融训练数据欠缺.32（四）训练算力支撑普遍不足.32（五）算法可信度和安全性有待提升.33五、多措并举提升大模型金融业应用水平.34五、多措并举提升大模型金融业应用水平.34（一）加强金融应用的指导与管理.34（二）有序推动金融应用场景落地.34（三）积极构建高质量金融数据集.35（四）产用协同共筑 AI 算力基础设施.35（五）完善算法优化与风险管控体系.36附录.38附录.38案例一：邮储银行基于大模型的智能知识问答.38案例二：某股份制银行基于腾讯云 TI-OCR 大模型单据处理.41案例三：某股份制银行基于腾讯云金融大模型的智能客服.45案例四：某股份制银行基于中科可控的金融大模型服务平台.48案例五：北京银行 AIB 金融智能应用平台.52案例六：上海银行基于开源大模型的智能办公助手.55案例七：国信证券辅助运营人员服务客户场景.57案例八：蚂蚁金融大模型应用-支小宝 2.0.591近年来，以人工智能为代表的新一代信息技术加速应用，特别是基于大模型、大数据、大算力的 ChatGPT 的发布，标志着人工智能技术取得里程碑式突破，推动科技创新进入新阶段。随着大模型技术的迅猛发展和场景价值的不断涌现，该技术或将重塑多个行业的工作方式和格局。为稳步推动生成式人工智能在各行各业的有序应用，我国陆续出台一系列政策法规和管理办法，国务院 2023 年度立法工作计划将人工智能法纳入了国家立法计划，生成式人工智能服务管理暂行办法 提出了促进生成式人工智能技术发展的具体措施，网络安全标准实践指南生成式人工智能服务内容标识方法 指导生成式人工智能服务提供者等有关单位做好内容标识工作，生成式人工智能服务 安全基本要求（征求意见稿）给出了生成式人工智能服务在语料安全、模型安全、安全措施、安全评估等方面的基本要求，全球人工智能治理倡议主张建立人工智能风险等级测试评估体系，不断提升人工智能技术的安全性、可靠性、可控性、公平性。金融业是数字化、智能化的先行者，有望成为大模型技术落地的最佳领域之一。金融科技发展规划（2022-2025 年）明确提出要抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域深化应用，强化科技伦理治理，着力打造场景感2知、人机协同、跨界融合的智慧金融新业态。金融机构正在积极探索大模型在智能客服、智能办公、智能研发等业务场景的应用，提升智能技术的可获得性，助力金融服务降本增效。（一）工程化应用主要环节与技术（一）工程化应用主要环节与技术大模型相较于中小模型，具有更好的表示能力、泛化能力、学习能力和语义表达能力，但其参数量巨大、训练所需数据量和算力资源多、部署运营更为复杂，工程化落地涉及数据构建、模型算法、模型训练、模型压缩与加速、模型评测、模型运营和安全可信等多个复杂环节。1.数据构建1.数据构建训练大模型需要海量数据做支撑，高质量数据集的构建和处理对于大模型的性能表现至关重要。训练数据集一般需要涵盖多种类型、多种领域的数据来源，并配以相应的数据预处理过程。根据数据来源不同，大模型的训练数据主要可分为公开数据、商业数据和私有数据。大模型参数量需要跟训练数据集大小相匹配，简单堆砌参数量并不能无限度地提升其性能。通过提升训练数据集质量和内容丰富度、加入一些特定数据集、合理利用外挂知识库资源、合理配置各种类型数据配比等方式，可以有效提升大模型的整体性能，减少模型幻觉，并加快模型的收敛速度。高质量的数据预处理是提升模型表现和安全可靠性的重要3手段。比如自然语言处理训练数据的预处理手段一般包括：质量过滤，质量过滤，过滤重复数据、低质量数据、虚假内容、不合规内容等；数据去重，数据去重，重复数据可能会降低大模型的多样性，导致训练过程不稳定，从而影响模型性能，一般可在句子级、文档级和数据集级等不同颗粒度上进行数据去重处理；隐私脱敏，隐私脱敏，对于包含个人敏感信息的数据进行脱敏处理，如身份证号码、电话号码等，包括但不限于匿名化、泛化等手段；数据去毒，数据去毒，消除带有种族/性别偏见、社会文化偏见、宗教文化偏见的数据，以及低俗、粗鄙和带有攻击性的数据等；数据降维，数据降维，其目标是在保留基本信息的同时减少数据集的复杂性，从而提高训练效率，一般可通过减少特征维度或样本大小来实现；数据增强，数据增强，通过人工创建对现有数据的变更来增加数据量和多样性，特别是在数据量有限的情况下，通过数据增强可以提高模型的准确性、泛化能力和鲁棒性，也可以应对数据类别不平衡等问题。完成数据预处理后，可以将数据通过分词等手段，转换为适用于大模型训练的表达形式，形成高质量语料。此外，在模型推理过程中，也可以通过整合外部的领域知识库或专业数据库，为模型提供额外的背景知识和参考数据，尤其是快速且不断地更新信息，从而提高模型的准确性和鲁棒性。2.模型算法2.模型算法大模型技术的突破源于自然语言处理领域的 Transformer架构。该架构使得模型参数量突破了 1 个亿，随后一系列大模型被推出。基于 Transformer 架构的模型可以分为编码器、解码器、4编码到解码三大类，其主要特点和代表性模型如表 1 所示。表 1大模型结构主要分类及特点当前，基于 Transformer 解码器结构训练的大模型成为了自然语言处理领域的主流方案。在此影响下，语音、视觉以及跨模态等领域的大模型也尝试应用类似模型架构，并取得了较好效果，比如语音领域的 OpenAI whisper 和 DaLL-E 等，图像生成领域的Stable Diffusion 开源模型等。3.模型训练3.模型训练大模型训练涉及预训练和微调等重要环节。预训练预训练的主要目的是利用大量无标签的数据，训练出一个有能力捕捉到数据中隐藏的底层结构和模式的模型，这一阶段的模型通常被称为“基座模型”。由于大模型的参数量和训练数据量的急剧增长，单个计算设备的算力已经不足以支撑模型训练。当前，一般通过分布式训练来解决预训练过程中的海量计算任务和高内存资源等问题，但也面临着计算墙、内存墙和通信墙等挑战。目前解决分布式训练的关键技术是并行化，将任务分割并分配到多个处理器或设备5上，以便同时完成计算，更有效地利用计算资源，减少训练所需时间。微调微调的主要目的是在预训练模型的基础上，通过有监督微调、强化学习等方式，进一步提升模型在下游任务中的表现，使得模型输出更符合人类期望。有监督微调，又称为指令微调，通过使用有标注的特定任务数据对预训练模型进行微调，从而使得模型具备遵循指令的能力。早期的微调算法会涉及到预训练模型的全量参数更新，计算成本较高，目前已提出了多种参数高效微调任务的方法以节约计算成本，如 LoRA、Adapter、P-tuning 等。强化学习技术是基于人类反馈，进一步调整模型的行为。其数据集一般由经过人工评估的反馈数据构建，这些数据反映了模型的输出与期望输出之间的差异，基于 Q-learning、深度 Q 网络或近端策略优化等强化学习算法进行训练。大模型训练场景对中高端 AI 芯片需求旺盛，需要统筹规划CPU 芯片、GPU 芯片、服务器、网络、存储、冷却、算力运营服务、AI 应用服务平台等多个方面。在金融机构通用服务器集群基础上，构建基于异构芯片体系的 AI 算力资源池，实现对金融机构现有 AI 算力资源的统一调度，保障大模型训练的算力支撑。4.模型压缩与加速模型压缩4.模型压缩与加速模型压缩是指通过各种技术手段来减小机器学习模型的大小、复杂度和计算量，加速推理过程并减少内存使用，以便在资源受限的设备上部署和运行，如移动设备、边缘设备等。目前，模型压缩技术主要包括知识蒸馏、剪枝和量化等解决方案。知识知识6蒸馏蒸馏是一种训练小型模型以模仿大型模型行为的方法，保留了大型模型主要功能的同时降低了计算和存储需求，但通常需要一个预先训练好的大型模型，且性能上会有一定损失。剪枝剪枝是一种去除模型中不重要或冗余参数的方法，一般可以在不显著影响模型性能的情况下减小模型的大小和计算需求，但需要确定哪些参数是不重要或冗余的，以选择合适的剪枝策略。量化量化是一种减少模型参数和运算中数字精度以降低模型的存储需求和计算复杂度的技术，可适用于多种模型和任务，并显著减少存储和计算需求，但可能会造成一定程度的精度损失，且有时需要特定的硬件支持。模型加速模型加速主要研究加速模型的训练和推理过程，伴随模型参数增长，正逐渐成为研究热点。训练环节训练环节，针对计算量、通信、内存可以进行一系列优化，例如使用梯度累积或梯度压缩可以优化通信策略、使用半精度浮点数可以节省内存等。推理环节推理环节，优化手段包括使用 GPU、TPU 和 ASIC 等芯片的专用硬件加速器加速计算过程、使用并行化和分布式推理提高推理吞吐量并减少推理时间、使用缓存和预取策略降低内存访问延迟、在边缘设备上进行推理减少与服务器端的通信延迟、结合模型压缩技术加速推理过程等。现阶段 AI 应用中，大量的算法、模型、开发框架、软件等开发都基于通用加速卡架构，在考虑硬件算力的基础上，要结合加速芯片软件栈及开发工具链等配套的软件生态能力。5.模型评测5.模型评测模型评测在机器学习和自然语言处理领域扮演着至关重要7的角色。大模型具有更强大的泛化能力，可以处理多种任务，但大模型的输出可能存在不真实、不准确、不专业等问题，因此在大模型上线或升级时，有必要对其进行较为全面、充分的评测，帮助模型迭代优化。大模型评测已成为行业发展热点问题，目前国内外相关评测层出不穷。据初步统计，目前行业内关于大模型基准测试或特定任务的测试数据集已多达 200 余项，主要推出机构可以大体分为学术界、产业界、媒体、社区以及智库等。其中一些代表性的评估基准包括 HELM、MMLU、C-EVAL、BigBench、HumanEval、AGIEVal、SuperCLUE、OpenLLM 等。总体来看，大模型评测仍处于早期阶段，如何构建出全面、充分且能伴随大模型能力增长不断迭代的大模型评测基准，仍面临较大挑战。6.模型运营6.模型运营大模型运营包括工程化、部署、管理、调试、维护和监控等多个方面，旨在确保大模型在生产环境中稳定运行，持续适应变化，满足用户需求，保障数据安全。工程化方面工程化方面，模块化和面向对象的编程可以帮助组织代码，使其更具可读性和可重用性，如将数据预处理、模型结构、训练循环和评估功能分为不同的模块或类，同时版本控制系统和自动化测试技术有助于及时跟踪代码的修改历史，确保每个功能模块和整个系统稳定运行。部署方面部署方面，要将模型转化为适用于实际环境的格式，包括序列化、压缩、硬件优化以及容器化工具的使用，以确保模型在不同环境中的一致8性。管理方面管理方面，使用身份和访问管理工具可以控制资源的访问权限，运用数据管理工具跟踪数据集的变化。调试方面，调试方面，使用可视化工具和日志记录有助于监测模型运行时的详细信息，这对于诊断问题和优化性能至关重要。维护方面，维护方面，要制定明确的更新策略以适应新数据和业务需求，同时要建立回退机制，确保出现问题时能够快速回退到稳定版本。监控方面，监控方面，通常包括性能监控和异常检测，基于实时跟踪和警报设置，确保模型的可靠运行。7.安全可信7.安全可信一般而言，大模型的安全可信会从多个维度进行考量和评估，包括但不限于：可靠性可靠性，即大模型的输出内容是真实的、一致的等；内容安全性内容安全性，即大模型的输出应避免涉黄、涉暴等非法内容，并能遵循当地的道德准则和法律规定等；公平无偏性公平无偏性，即大模型输出应避免偏见、刻板印象、不公平等情况；鲁棒性鲁棒性，即大模型在面对投毒攻击、提示词攻击等恶意行为或者意外情况时，依然能够产生稳定和可靠的输出结果；可解释性可解释性，即大模型能够解释其推理过程并能透明展示其内容生成方式等；数据安全和隐私保护数据安全和隐私保护，即对训练和推理大模型的数据中可能包含的敏感信息进行相应的脱敏和保护处理等。为有效提升大模型的安全可信水平，需要在大模型开发和运营的全流程采取相应的安全措施，包括但不限于：数据处理环节数据处理环节，建立高质量的训练数据集，有效去除有毒或错误信息、注重训练数据的分布比例以避免产生偏见、对训练数据中的敏感数据进行9脱敏等；模型开发阶段模型开发阶段，引入对齐技术等让大模型的输出更符合人类价值观；模型上线前模型上线前，需对大模型的安全可靠水平进行充分评测，如红队对抗测试等；大模型对客提供服务时大模型对客提供服务时，可以引入安全围栏技术，既能帮助大模型拦截外界的恶意提问，又能对生成内容进行风险过滤和拦截；此外，模型运营过程中模型运营过程中，还需要建立持续的监控和定期审核机制，以及时发现异常情况并持续迭代优化模型。（二）国内外主要产品情况（二）国内外主要产品情况自 ChatGPT 引起业界高度关注后，国内外科技巨头纷纷加大了对大模型的研发和投入，以模型为核心，围绕模型全生命周期设计、生产并提供产品、技术和服务，推动“数据、模型、服务、场景”的 AI 生产力闭环连接和迭代优化，为大规模、标准化的人工智能创新提供技术支撑。在此背景下，大模型相关产品和服务迎来了爆发式增长。此外，许多大模型相关的开源项目涌现，为研究和创新提供了便利。这些开源项目主要朝着两个方向发展：一是相对 ChatGPT 更经济的、平民化的替代品，二是围绕着大模型建立的外围应用工具。10数据来源：金融信息化研究所更新1图 1 国内外典型大模型产品发展时间线人工智能技术的应用一直是金融机构数字化转型和智能化升级的核心领域，大模型具备的理解、学习、生成和推理能力，可观的知识容量和卓越的多任务泛化能力，将进一步推动金融服务的智能化升级。（一）技术路线1.技术选型（一）技术路线1.技术选型大模型常见的技术选型路线包括开源大模型应用、产学研联合创新大模型研制和商用大模型采购。大型金融机构一般采用三路并行的模式，中小金融机构普遍尚未采购商用产品，大都停留在调研、汇报和 POC 测试阶段。1https:/ 是目前国内外流行度较高的开源大模型。金融机构选择开源大模型的前提是能够依靠自身或者第三方公司进行大模型应用研发，且具备后期维护、迭代更新的能力。尽管开源大模型已具备较好的实践效果，但仍面临数据安全合规风险、开源协议风险等挑战。总体而言，金融机构对于开源模型的采用普遍持谨慎态度，但在前期探索阶段通常会采用开源大模型进行测试、研究，同时将其与商用大模型的应用效果进行比对。二是产学研联合创新大模型研制。二是产学研联合创新大模型研制。金融机构、科技企业、科研院所、高等院校等通过合作，共享知识、技术或资源，发挥各自优势，推动技术创新和产业发展。产学研联合创新有助于金融机构在大模型创新应用初期推动特定试点场景快速落地。一方面，可以在一定程度上助力金融机构加速科技创新及数字化转型，打造更好的产品和服务，增强行业竞争力。另一方面，可以减少金融业对国外技术和产品的依赖，加快国产化步伐，提升行业安全可控能力。专栏一 产学研联合创新大模型研制工商银行与清华、鹏城实验室、华为等高等院校、科研院所、科技企业开展大模型联合创新。12交通银行与华为、科大讯飞共建了联合创新实验室，推进大模型及算力集群技术、人工智能等先进技术在金融领域的落地应用。北京银行与火山引擎、华为、中科院自动化所、中科闻歌共建联合创新实验室，围绕金融大模型体系构建、前沿金融科技应用等领域开展合作创新，共同探索银行智能化技术的最佳实践。三是商用大模型采购。三是商用大模型采购。众多国内外商用大模型正在逐步推广应用。相较于开源大模型，商用大模型可以为金融机构提供更加工程化、易用性强、服务有保障的解决方案。金融机构在大模型技术选型时需要综合考虑大模型对业务质量和人员效率的提升效果、大模型持续创新能力、大模型运行时的稳定性和安全性等多个方面。同时，金融机构还需结合自身业务特点和实力情况，对资金、人员、配套工具产品完备性等因素进行全面考量，以选择合适的大模型解决方案。此外，要建设并维护内部统一的大模型资源库，并在此基础上建立大模型应用开发平台，更好地充分利用业界多种领先的通用大模型。2.部署方式2.部署方式为制定合适的部署方案，金融机构首先需要确定需求和目标，其次要根据业务场景和技术要求，选择合适的硬件和软件环境，确保能够支持大模型的运行和优化。针对不同应用场景，金融机构探索采用不同部署方式以更合理地应用大模型。根据部署环境的不同，可以将大模型部署方式分为私有化部署、行业云部署和公有云部署等。13一是私有化部署。一是私有化部署。金融机构将大模型部署于自有服务器，由金融机构负责维护和管理。私有化部署可以提供更好的数据安全保障，大大减少信息安全隐患，且一般具有较好的应用效果，尤其是对于需要运用内部语料训练的金融业务场景，可以根据金融机构的需求进行定制和优化模型，并随时增减资源。但是，这种部署方式往往会产生高昂的成本，需要金融机构投入大量的资金、人力来建设和维护。二是行业云部署。二是行业云部署。由行业内起主导作用或掌握关键资源的组织建立和维护，以公开或半公开的方式，在确保数据安全的前提下，向行业内部或相关组织提供云平台服务。将大模型部署在金融云，既能在一定程度上满足数据安全可控的要求，又兼备成本低、扩展性强等优势。中小型金融机构对行业云部署的需求更为迫切。三是公有云部署。三是公有云部署。金融机构通过标准接口调用部署在公有云上的大模型，由云服务提供商负责维护和管理，具备更低的成本、更高的灵活性和可扩展性。然而，由于金融机构无法完全掌控其数据的存储和管理，使用这种部署方式可能面临数据安全风险，因此该部署方式可能更适用于互联网类的金融企业或非敏感类业务场景。鉴于个人隐私保护和数据不出域等相关要求，私有化部署仍是金融机构部署大模型的主要选择方式。私有化部署使得金融机构得以保留对数据和系统的完全控制权，但由于大模型训练和推14理对算力及配套基础设施有较高要求，该部署方式更适用于大中型金融机构，对于中小型金融机构实现难度较大。对于不涉及数据保密性的场景，比如证券公司基于公开数据生成投资策略及研报撰写，行业云或公有云部署具有一定优势。目前，国外已有API 市场化采购服务，且价格低廉。随着私有化部署成本不断提高，中小银行、证券公司、基金等中小金融机构，迫切需要通过行业云或公有云来降低大模型金融应用的门槛。（二）使用方式（二）使用方式大模型具备出色的自然语言理解能力，但因其在金融垂直领域的知识储备不足，回答的专业性难以满足要求。金融机构需要将金融领域已有的数据库、知识图谱等专业知识系统，与大模型的意图理解能力、语言生成能力和场景掌控能力进行对接，实现大模型的行业个性化和机构定制化。然而，大模型技术复杂度高、参数规模大、研发投入高，特别是需要大量的数据标注和人工反馈等工程化投入，从头自研大模型的难度非常大。因此，金融机构目前主要采用 API 调用、提示工程、模型微调和二次训练等应用方式，以降低大模型的应用研发门槛，解决场景数据少、模型精度低等问题，推动大模型快速落地测试。比如，农业银行利用有监督的模型微调和强化学习等技术，融入行内知识库数据，训练、收敛出能理解行内知识的基础模型，目前已具备行业知识问答能力。中信证券将特定问题及与其相关内部文档材料作为问答输入，既可获得较好的应用效果，又避免了二次训练的高昂成本。151.API 调用1.API 调用API 调用是指通过 API 接口调用大模型，实现图像生成、文本生成、语音合成等功能。公有云大模型大多采用以 API 接口的方式提供服务。该方式使得金融机构在大模型探索应用初期能够快速将大模型在项目中进行测试验证，且成本低廉。然而，API调用的方式不仅需要完成一系列的技术整合和接口开发，也面临如何在不降低模型准确性的前提下保障数据安全和隐私性、如何高效处理海量数据、生成内容可控性和鲁棒性较差等问题，适合直接落地的金融业务场景很少。一般来说，金融机构应用 API 调用方式对大模型产品进行测试后，会根据测试结果结合该模型在其他领域的表现进行综合评价，判断是否进一步选择微调或二次训练的方式进行优化。2.提示工程2.提示工程基础预训练大模型内含知识丰富,但很多潜能尚未被激发，如何有效引导大模型来完成特定任务存在挑战。提示工程通过优化提示语句激发大模型所具备的潜在能力，提示语通常是一段文本，用于构建问题或对任务进行恰当表述，以便大模型基于内在知识生成合适答案，可通过少样本、思维链路等方式实现。提示工程并不改变模型参数，对于可指令微调的大模型来说，构造提示语的成本相对较低，大部分成本转嫁为标注成本，通过设计好的提示语来调优任务效果。163.模型微调3.模型微调基础预训练大模型具备较好的通用性知识，但实际应用中，每个具体场景都有其独特的需求和流程，仍需优化模型以提升应用效果和价值。模型微调是优化模型效果和性能并提高准确性的重要手段，也是当前金融机构试用大模型的最常用手段。当大模型缺乏垂直领域知识时，通过模型微调技术，以较低的成本即可明显提升针对特定任务的应用效果。一般来说，当测试结果良好时，会优先选择模型微调技术提升应用效果。4.二次训练4.二次训练二次训练指在已有模型的基础上，使用新的数据集对模型进行重新训练，从而提高模型的性能和应用效果。二次训练通常需要对模型参数进行修改，以适应新数据集的特点。相较于微调，二次训练会产生高昂的数据、算力、人力以及时间成本，但也可以实现更好的效果和更广泛的场景化应用。一般来说，大型金融机构因具备海量垂直领域数据基础，在微调技术难以实现期望达到的应用效果时，可以选择该方式高度定制化模型以提升模型的泛化能力和场景化应用能力。此外，金融机构还采用大模型融合知识库、知识图谱等组件的方式，通过引入领域向量库检索、数据增强等技术，结合大模型关键超参优化，形成不同模型针对不同行业和领域的参数体系，精准匹配业务需求，使得大模型回答结果较为可信。17（三）应用场景（三）应用场景大模型在金融领域的应用前景广阔，趋动 AI 从劳动密集向脑力密集应用，金融机构已经将大模型试点应用于智能客服、智能办公、智能研发、智能投研等多个金融业务场景，但从能用到好用、易用，再到规模化应用还任重道远。基于当前金融机构主要场景探索实践来构建金融行业大模型应用场景全景图。数据来源：金融信息化研究所图 2 金融行业大模型应用场景全景图1.智能客服1.智能客服传统的智能客服的服务方式主要是先识别用户意图，再匹配到特定的对话模板，是一个非常庞杂的配置过程，特别是要确保所有渠道对于相似问题的回答保持一致。这种方式不仅维护成本高，维护难度大，而且难以应对复杂多变的自然语言对话，用户体验较差。金融机构普遍认为大模型虽然仍不具备直接面客的能力，但可以在通用大模型的基础上，叠加金融客服领域的数据和专业经验，经过垂直领域定向训练后，客服机器人可以综合考虑用户提示语和用户习惯，准确识别用户意图，作为客服助手协助18客服人员开展客户的陪伴和关怀，升级真诚话术，提供 24 小时的多语言支持，有效提升用户对话体验，提高服务质量。专栏二 智能客服场景工商银行利用大模型的语义理解、生成能力，结合基于知识库的检索提取能力，精准理解客户意图，生成符合其业务特性的结果，为客户提供更准确、更个性化的服务，提升应答效率和质量，从而提升客户满意度。2023 年 3 月，工商银行进行了大模型智能客服试点测试，一定程度上提升了客户情绪识别效果，缩减了约 50%的人力维护成本。农业银行大模型ChatABC面向行内客服员工提供远程银行 AI辅助客服问答助手服务。此助手基于远程银行问答数据完成训练微调，支持模型在多轮问答中识别客户的主要意图，结合远程银行知识库和知识图谱，生成拟人问答，辅助坐席人员在问答中获取知识，有效提升坐席人员的答复效率。中国银行正探索将大语言模型运用于客服场景，帮助业务人员实现更自然灵活的智能问答功能，有效地应用到坐席问答辅助、员工培训、行内员工办公等多个场景。交通银行正探索使用大模型来准确识别客户意图和坐席人员的知识检索需求，进行相应客服知识的提炼和推荐，并在坐席通话结束后，对服务内容进行自动的标准化分类，生成通话小结，以提升坐席人员整体工作效率。光大银行探索大模型技术与现有智能客服相融合，基于大模型19意图理解能力对客户问题进一步理解，以提升客户问答满意度；基于大模型技术探索坐席工单自动生成可能性，对客户与坐席对话内容快速生成摘要工单，提升客户服务效率。民生银行探索运用大模型技术辅助坐席完成问题回复和工单生成等工作，实现工单流程自动化，提供内容以支持顾问与客户互动，支持高度拟人化的客服机器人，优化客户体验，提升客服质量。兴业银行基于大模型技术实现客服语料智能泛化，对当前语料标注过程中存在的标注工作繁琐、工作量大等痛点，通过大模型生成符合业务需求的语料，以帮助客服运营人员提升标注效率，进而提升智能客服回答准确率，减少客户投诉。上海银行正探索在客户服务领域运用大模型优秀的语言理解能力并结合行内知识库，在充分洞察客户诉求的前提下，对复杂场景进行分解，能够从知识库中自动完成有效知识的提取与采编，解决知识库运维完全依赖人力、多语义理解、语义缠绕等问题，为客户提供优质解答。国信证券探索运用大模型技术自动化生成服务话术和客户指标数据，包括：知识问答、行业分析、行情快报、客户资产配置建议、资讯推送摘要、投诉建议反馈等，提升运营人员的服务质量和效率。平安保险运用大模型技术解决传统知识库梳理成本高、培训成本高、推荐话术僵化等问题，在客服人员与客户通话过程中，实时根据客户需求，生成个性化话术，从而提升客户满意度，大大降低坐席人员学习成本。202.智能办公2.智能办公大模型可以作为办公助手，发挥其出色的文本生成能力，辅助完成报告和运营文案生成、邮件起草、公文润色、纪要撰写、内容审核、辅助纠错等工作，为员工提供更加便利、快捷的智能办公工具及个性化的智能办公解决方案，大幅提升工作效率。此外，大模型还可以实现不同语种的实时翻译，提升金融机构跨境业务交流和管理水平。专栏三 智能办公场景工商银行通过搜索技术与大模型结合，将知识库检索到的信息作为大模型的生成依据，实现自然语言的向量搜索，辅助业务人员在业务办理过程中快速查询到客户问题的准确应答，提升应答效率和质量，从而提升客户满意度。农业银行大模型 ChatABC 面向行内员工办公场景推出智能问答应用。此应用着眼于大模型在金融领域的知识理解能力、内容生成能力，并融合知识库，具备研发服务领域级知识理解和问答能力，可完成自由闲聊、行内知识问答、内容摘要等多类型任务，并以行内研发服务平台的问答助手、工单自动化回复助手、行内即时聊天工具等多渠道形式进行试点。交通银行正探索在办公软件中嵌入基于大模型的智能问答助手，为员工提供人资规章、授信、对公、零售业务场景的会话式咨询。同时，交通银行利用大模型搭建会议纪要助手，从口语化的会议记录中提取关键信息，包括讨论主题、观点、结论等，组织成连21贯自然的语言，生成书面化的会议纪要和待办事项。邮储银行运用大模型技术搭建智能知识问答系统“灵犀”，系统采用 Langchain 和向量数据库技术，结合大模型对自然语言的理解与生成能力，发挥了垂直领域内知识理解能力，赋能业务实现专业知识智能解答，提升业务办理效率。同时，邮储银行运用大模型技术搭建“小邮助手”智能机器人，提供在线业务知识问答、热点问题分类展示，实现业务难点、要点即时回复和精准提示，提升柜员操作体验及业务处理效率，释放业务指导员工作。光大银行基于大模型技术构建员工助手，应用于行内通信软件，快速解答内部员工日常办公问题，构建多项智能应用，可帮助行内员工实现消息智能摘要、日程会议智能提醒、邮件自动编写、代码自动生成、系统助手等多项能力，提升办公效率。同时，光大银行探索将现有知识库与大模型相结合，打造企业内搜场景应用，将现有零散知识召回交给大模型，基于大模型理解及生成能力辅助业务办公人员快速定位核心问题并作出合理判断，以提升业务效率。民生银行通过大模型的理解能力建立多场景文档助手，对文档的主要内容进行摘要汇总整理，全面提升员工工作效率，实现针对文档不同场景的个性化需求。兴业银行探索通过大模型嵌入行内 WPS 办公套件，实现包括 PPT大纲生成，文章内容生成，内容扩写与改写，文章风格转变等功能，以减轻总分行一线员工的文字材料撰写润色的负担。北京银行搭建“京智助手”大模型对话机器人，提供行内知识22问答、数据分析、任务执行等功能，应用于协同办公、智能客服、合规管理等场景。目前，“京智助手”已向全行 10000 多名员工开放，并同步建设移动端和 PAD 端，已在合规管理、数据分析和流程自动化场景，取得了一定的应用成效。上海银行利用大模型的理解和生成能力，搭建智能办公助手，一方面接入行内知识库，提升知识检索能力，并由大模型对于长文档自动检索生成知识条目等，另一方面接入行内各类办公系统，提供公文检查、写作、总结润色等功能，在大幅提升办公效率的基础上，极大地提升员工交互体验。中信证券正在积极探索利用大模型建立跨境实时通讯系统，旨在实现境内外员工用母语进行无障碍交流，提高员工工作效率，加强团队协作力度，以及提升对国际化客户的服务质量，加强全球化布局和业务发展。国泰君安将大模型技术与 OCR、语音识别等技术相结合，围绕智慧办公场景开发智能办公助手和基于大模型的知识库问答应用，提供会议纪要生成、邮件撰写等常见办公任务小工具，通过自然语言问答的形式实现文档问答，为员工提供一个智能、高效、便捷的工作伙伴，提升办公效率和工作质量。3.智能研发3.智能研发大模型在智能研发场景展示出很大的潜力。大模型具有处理自然语言和生成多种编程语言高质量代码的能力，在系统设计、代码生成与补全、代码翻译与注释、辅助测试等方面为科技人员23提供帮助和支持，提升开发效率和交付质量。同时，大模型的阅读理解和 SQL 生成能力，可以实现指令文字到 SQL 代码的直接相互转化，业务人员无需了解数据库技术与编程知识也可轻松完成数据查询等工作。此外，通过大模型与 BI 等应用系统结合，可以实现报表自动生成，可视化地展示数据查询分析结果，使得非技术人员更直观且深入地理解、利用数据，降低技术门槛。专栏四 智能研发场景农业银行大模型 ChatABC 推出 AI 辅助编程应用，面向行内研发员工提供辅助编程服务。通过行内多个系统的代码和代码规范进行微调，实现 Java、Python、JavaScript、SQL 等语言的代码生成、代码补全、代码解释等能力，可在前端、后端、单元测试等多类研发编码场景提供辅助，提升研发人员的开发效率。平安银行在 ChatBI 项目中应用了 BankGPT 的金融理解能力，旨在为业务人员和管理层提供即时的数据分析服务，当业务人员面临数据相关的问题时，系统可以迅速给出精确答案，实现提问与回答的无缝对接。民生银行探索运用大模型技术辅助用户完成高质量代码编写，按需完成代码生成、代码补全等功能，促进分析平民化，提升代码效率，实现质量和效率的双提升。兴业银行通过大模型嵌入行内开发 IDE 的方式，探索基于大模型技术实现代码辅助生成，以提升科技研发单位的开发效率和代码质量。24上海银行通过在软件开发过程中引入大模型进行代码补全、注释生成、代码纠错等自动化辅助功能，极大地提升了开发人员的开发效率和代码质量;在代码测试方面，应用大模型生成能力，辅助自动生成测试案例，有效提升测试效率及案例覆盖度；在数据分析方面，上海银行正在探索大模型与行内经营管理工具-“掌上行”的有效结合，通过自然语言交互方式，允许用户就经营指标自由提问，进一步降低数据分析的门槛，提升数据驱动经营管理的有效性。中信证券探索运用大模型实现股价预测等模型构建，根据用户输入的自然语言，生成相应 SQL 语句，准确地完成用户数据查询需求，以期适配不同数据库、完成多表数据查询。国信证券通过大模型的辅助代码生成能力，协助 IT 人员、业务产品经理、运营人员进行代码编写、数据分析、辅助代码生成检查等工作，提升系统开发、数据分析等内部工作效率。4.智能投研4.智能投研大模型技术可以帮助投研人员从海量、分散、庞杂的报告中挖掘关键信息，自动抓取财经、债市、信用等多个市场板块的资讯报告内容，快速获取报告的核心观点、关键数据和市场趋势，分析预测市场交易情况，智能生成资讯报告和投研简报，为投研人员提供投资、风控等决策辅助。专栏五 智能投研场景工商银行综合应用大模型的核心信息提取、智能文本生成等能力，实现金融报告的自动生成，有效将投研简报生成效率从 1 小时25缩短至 5 分钟，提升了投研人员对海量文本数据的整合归纳提炼效率。兴业银行通过大模型技术实现研报摘要的智能生成，构建了一套包括研报文档结构化、信息抽取和大语言模型语义理解摘要生成的一体化解决方案，实现研报核心内容智能提炼，提高了兴银理财子公司投研团队查询、阅读内外部研报的效率，加快了投资决策效率，一定程度节省人力成本，同时提升了客户体验。国泰君安证券利用大模型的自然语言到结构化查询(NL2SQL)等能力，改进传统问答系统的精准性和灵活性，实现对投研领域内包括行情、公司、基金等数据的精确、高效问答。华泰证券正探索运用大模型对文本的学习理解能力，学习历史研报的撰写模式、分析逻辑和行文风格等内容，从而实现研究报告初稿的自动撰写。目前已初步搭建内容召回、内容生成的线上撰写服务框架，打通从财务报告的非结构化文档解析，利用 embedding技术构建财报知识库，根据历史研报进行高相关内容召回，结合内容召回与大模型服务，通过建设 Prompt 工程，打通大模型撰写能力链路。5.智能营销5.智能营销结合金融业语料进行适应性训练后，大模型可辅助生成营销话术和营销文案，帮助客户更快地获取最新资讯和产品的信息。同时，通过对话式营销，大模型可优化客户参与度，提升服务的效率与质量，引导其做出决策。此外，随着投资者数据、产品知26识和营销文案的不断积累，大模型技术可以从海量信息中检索词条，并提炼整合，可针对特定客户实现贴心、高质量、有创意的精准营销，快速生成个性化建议和推荐，并构造相应的图文推广，进一步提升客户转化率和营销效率，为客户提供更加全渠道、个性化、有温度的金融服务。专栏六 智能营销场景平安银行借助 BankGPT 优秀的文案生成能力，针对不同客户，批量生成个性化营销文案，从而更有针对性地提升客户粘性和业务转化率，为营销运营团队提供支持。同时，平安银行利用 BankGPT 的自然语言理解能力，助力多媒体运营团队实现自动化 FAQ 抽取功能。民生银行探索运用大模型技术赋能客户意图理解营销场景，通过搜索知识库、产品库、聊天记录等，洞察客户真实意图，自动提供广告等营销文案、自动生成个性化营销内容、自动提供各类分析报告，提升营销成功率。平安保险通过大模型的自然语言交互、内容生成等能力，智能化分析并提取客户需求，辅助生成保险产品营销素材，并根据客户标签属性提供针对该客群的产品推荐以及推荐理由相关话术，基于个人医疗历史和分线因素，提供个性化保险建议和方案，有助于产品精算人员制定针对性保险方案。6.智能运维6.智能运维金融机构可以利用大模型生成技术，实现智能运维分析、运维知识获取、网络安全分析等，进一步提升运维效率。大模型具27备良好的语义搜索能力，在复杂的数据中准确找到所需结果，助力运维人员快速对接各类型的结构化、非结构化数据，实现流程自动化、智能检索和内部资料的辅助审核。此外，对于大模型还可以辅助运维人员完成代码攻防测试、明文检测等安全检测工作。专栏七 智能运维场景上海银行探索将大模型应用于故障分析及解决等场景，结合历史生产事件解决工单、运维文档或问答对等知识库，当故障发生时，大模型能够自动根据历史解决经验及知识库给出故障分析及解决方案，从而为运维人员提供辅助支持，以提升事件解决效率。7.智能风控7.智能风控风险控制是金融业的核心要务。大语言模型的阅读理解能力可以辅助提示存在的法律风险，降低人为疏漏概率并提升法审人员工作效率。在大模型的通用能力基础上融合金融行业的知识和数据用于真伪核验、舆情分析等环节，结合风控数据模型，进行风险模拟与压力测试，对可能发生的风险事件作出预警，实现贷前智能推荐、贷中全面风控、贷后监测预警全流程风控管理。此外，基于大模型的合规知识问答助手在金融合规场景中也发挥了一定作用。专栏八 智能风控场景光大银行基于大模型理解能力，探索大模型解读法律法规政策的可行性，基于业务问题快速定位政策文件并给出法律法规依据，打造法律法规领域智能专家，辅助各业务场景快速把控政策、法规28风险。华夏银行探索利用大语言模型技术叠加合规图谱，以高质量内外规数据为基础，以结构化合规知识标签为辅助，利用大语言模型语义理解、信息汇总和自然语句生成能力实现智能化合规知识问答功能，降低合规知识查询门槛。平安保险运用大模型技术，基于历史数据和模拟数据进行风险模拟和压力测试，评估产品设计的可靠程度和稳定性，以便产品精算人员更好地了解产品可能面临的风险和挑战，助力产品精算人员制定相应保险策略。8.智能投顾8.智能投顾围绕财富管理专业知识对大模型进行增量训练，构建基于大模型的投资顾问助手，提供围绕个体的全生命周期智能投顾服务，实时监测市场动态，调整投资策略，并根据客户的风险偏好、收益目标和资产状况，为客户提供个性化的投资建议和组合优化，大幅提升服务效率和服务体验。专栏九 智能投顾场景国泰君安证券运用大模型的理解分析能力，进行金融资讯热点话题提取和归纳，对相关信息做正面/负面消息的评分和整理，生成每天/周/月的热点话题榜单，既能实时跟踪行业网站热点，又能回顾过去一段时间的热点话题，基于榜单排名走势预测股市热点信息。大模型在提升金融服务效率和体验、降低金融风险和成本、创新金融产品和模式等方面有着显著作用。大模型在金融领域的29应用场景具有较大空间，随着大模型与各个金融场景的深度融合，将进一步提升我国金融业的智能化水平，进一步深入推动金融机构数字化转型。（四）应用趋势一是金融机构将采用先内后外、从易到难、场景迁移的方式落地大模型金融应用。（四）应用趋势一是金融机构将采用先内后外、从易到难、场景迁移的方式落地大模型金融应用。由于目前大模型直接对客难度较大、可控性不强，金融机构主要对内应用大模型能力，待技术逐渐成熟，可以考虑对外输出。此外，金融机构也将优先选择风险等级低、适配应用难度小、业务提升效果明显的场景进行大模型试点落地，逐步将试点应用场景迁移到真实、复杂的业务场景，实现大模型对金融产品和服务的全面升级。二是大小模型协同进化是大模型发展的一个必然趋势。二是大小模型协同进化是大模型发展的一个必然趋势。大模型对应场景多为开放式和主观型问题，侧重推理和创造，也可被用于作为连接多个具体任务模型的通用接口，而小模型对应场景多为封闭式问题，不涉及过多主观推断，答案的正确性可以被清晰验证，因此在某些特定场景仍具有更好的表现。大模型对于中小模型并非是替代或对立的关系，两者应相互协作、互相搭配，由大模型向边、端的小模型输出模型能力，而小模型负责实际的推理与执行，同时向大模型反馈算法与执行成效，使得大模型的能力持续强化。金融机构将加强研究和推进大小模型协同、生成式技术与传统人工智能技术协同，将大模型连接到传统软件，提升行业整体智能化水平。30三是多模态金融大模型的发展与应用仍有较大潜力。三是多模态金融大模型的发展与应用仍有较大潜力。大模型生成效果的提升依赖于垂直场景系统化程度和高质量数据。金融业具备专业领域知识库，多年来沉淀了大量格式多样的优质业务数据。运用多模态技术实现知识的迁移、表示、对齐和推理，使得大模型能更好地构建金融领域内外部生态系统，助力金融科技创新和金融业务赋能，为金融机构提供更多智能化、个性化的服务和决策支持，同时也为客户和市场参与者带来更好的体验和更稳健的金融环境。四是 AI Agent 未来可能推动人工智能成为金融业信息基础设施。四是 AI Agent 未来可能推动人工智能成为金融业信息基础设施。AI Agent 是有能力主动思考和行动的智能体，以大模型为大脑驱动，能够自主感知环境、形成记忆、规划决策、使用工具并执行复杂任务，甚至与其他 Agent 合作实现任务。尽管多智能体的发展仍面临较大困境，但随着算力支撑和技术研究的不断演进，AI Agent 将在各行业发挥强劲动力，尤其在与各行业紧密相连的金融业，更全面地实现人机融合，为金融机构提质增效，创造更深度的价值。（一）金融应用规范与指南亟需完善（一）金融应用规范与指南亟需完善金融业作为强监管行业，在政策方面一直遵循着高标准和严要求。我国已相继发布 生成式人工智能服务管理暂行办法 网络安全标准实践指南生成式人工智能服务内容标识方法31生成式人工智能服务 安全基本要求（征求意见稿）等文件，对大模型在通用领域的应用进行了合理的约束和引导，但是针对大模型在金融领域的应用尚且缺少可实施落地的标准规范和指南，对应用过程中的权责界定尚不明晰，缺少对生成内容的问罚机制及大模型广泛应用后可能存在的无序商业行为的监管机制。此外，针对大模型训练和推理的 AI 算力基础设施、行业语料库标准化建设也较为欠缺。（二）金融应用场景缺少范式（二）金融应用场景缺少范式大模型选型、架构调整设计、技术验证等环节过程复杂，金融机构缺乏大模型技术融合场景落地的方法论，对大模型的能力边界认知不足，尚未明确大模型适合哪些业务场景、是否有必要替换传统的 AI 设备、何时适合落地，尚未健全大模型应用创新风控管理机制，尚未有典型的落地案例可以向行业规模化推广。大模型支撑多个场景或服务的行业应用，其测评指标非常复杂，测试数据集设计构建与更新维护难度大、成本高，尚且缺少一个覆盖面广、公允度高、满足不同场景和任务特征的大模型金融应用及其风险治理的评估方法或指标体系，致使金融机构进行大模型选型及评估存在较大困难，阻碍了大模型金融场景应用进程。大模型需要提示工程相关的内置模板，与原有的机器学习、深度学习等模型工作方式有很大差别，也增加了相关人员的工作难度。此外，大模型金融应用需要与现有系统和业务流程进行集成，需要跨组织、跨部门、跨团队协作，组织能力面临挑战。32（三）高质量金融训练数据欠缺（三）高质量金融训练数据欠缺数据是大模型训练的基础，为了切实解决金融业务问题，需要大量高质量、多领域的金融数据基于业务属性对大模型进行增量训练。金融领域知识存储形式繁多，包括影像件、PDF、Excel等多种格式，需要通过分类、清洗、问答数据集梳理等大量前期处理及后期更新维护工作，针对各种业务难点、要点问题的解答还需要搜集大量专家经验，以保持大模型的准确性和有效性，而这会耗费大量人力物力。同时，大模型训练迭代需要一定时间，致使大模型对时事的了解有限。金融数据流通仍在探索阶段，而单一金融机构掌握的数据资源较为有限，一定程度上影响了大模型金融应用效果。金融数据敏感性高，在数据分级分类管理、数据脱敏清洗、防止数据偏见和滥用等环节也存在难题。（四）训练算力支撑普遍不足（四）训练算力支撑普遍不足大模型训练和推理需要足够的算力支撑，在高端 GPU 芯片断供的背景下，金融机构对中高端 AI 算力的需求存在较大缺口。由于金融数据敏感度高，金融机构普遍选择私有化部署大模型，而构建、训练、优化大模型需要高性能的计算资源和大量的存储资源，硬件设备的采购和维护需要高昂的资金投入，给金融机构带来较大的成本压力。大模型的训练与推理对 AI 芯片的要求有所不同，当前我国 AI 芯片能较好地支撑推理，而在训练上仍与国际领先水平有明显差距，存在计算能力不足、芯片制程工艺有限、算力调度不灵活、产业生态不完备、与大模型兼容适配性不33够等问题，且在金融业应用普遍缺乏验证。我国 AI 芯片适配涉及 CPU、操作系统、云平台、AI 框架、加速框架和算法模型等多个层次，适配工作复杂且难度大，牵一发而动全身。（五）算法可信度和安全性有待提升（五）算法可信度和安全性有待提升大模型金融应用在准确性、安全性、稳定性和金融科技伦理等方面面临挑战。准确性方面，大模型存在文本及数据幻觉问题，其训练数据难以溯源、生成内容不可信、计算过程不可解释、推理逻辑不专业，难以直接应用于数据准确性要求高、业务流程复杂度高的金融场景。安全性方面，金融场景涉及大量敏感信息，大模型在输入输出过程中可能造成数据泄露，从而引发重大的安全事件和恶劣影响，同时特殊的提示词构造、逆向工程等手段可能被非法用于攻击大模型，绕过内容过滤模块，使攻击者获取超出权限范围的结果，甚至窃取大模型的所有权和使用权，肆意修改模型代码或参数，使其生成不准确、不公平、不合规的恶意结果。稳定性方面，大模型算法框架不够完善，开发环境不够友好，适配的框架比较少，且当前大模型算法主要基于国外的机器学习平台和技术，在我国设备的操作系统、编程环境、算法库等应用时可能出现各种意想不到的错误和异常，从而影响大模型运行效果和稳定性。此外，大模型可能引发算法歧视、人权、道德、造假等科技伦理风险，影响金融服务的健康发展。34（一）加强金融应用的指导与管理（一）加强金融应用的指导与管理坚持发展和安全并重、促进创新和治理相结合的原则，制定一套完备的适用于金融领域的大模型管理体系，分类分级地制定政策指南，引导大模型在金融业规范应用，持续推动业务创新发展。对大模型的训练数据、算法设计、生成内容、风险治理等方面进行管理，制定从准入阶段的评估和备案，到对外提供金融服务，再到事后反馈的全过程管理机制，确保大模型在金融领域应用的合规性和安全性。明确金融业涉及大模型使用的各类主体的责任和义务，并制定合理的问责机制。积极参与大模型国际标准化工作，推动金融行业的 AI 算力基础设施、行业语料库标准化建设，制定合理的标注规则，加强不同大模型产品之间的互通性和兼容性。（二）有序推动金融应用场景落地（二）有序推动金融应用场景落地金融机构征集并统筹大模型相关需求，梳理现有需求场景及方案，形成跟踪台账，探索大模型与金融业务融合所需的前提条件和能力边界，选取业务价值高、实施完备度成熟、风险可控的业务场景优先落地应用。多技术路线并举，技术点同步验证，探索应用监管沙箱等治理方式，加快大模型的试点应用步伐，打造大模型金融应用最佳案例，并进行规模化推广复用。基于分级分类分域的治理思路，形成多元敏捷协同的治理体系，推动实现大35模型金融应用负责任、可监督、可追溯、可信赖。创新大模型金融应用评估工作机制和理念，加快普适性好、具有底线约束的标准研制和通用测评体系建设，将自动评估和人工评估相结合，提高金融业大模型应用评估工作的质量。第三方评估机构积极协助金融机构，搭建一套适应其业务的模型评价体系，并建立评测指标与评测数据集反馈和更新机制，促进大模型在金融场景应用中的迭代优化。（三）积极构建高质量金融数据集（三）积极构建高质量金融数据集金融机构梳理场景应用数据需求，建立并完善大模型应用数据使用机制，探索一套面向大模型的数据“采集、清洗、管理、应用”方法和体系，提升数据集的规模、质量和多样性，保障模型微调与投入生产后的数据连贯性、稳定性。做好敏感数据拦截的审计检查工作，根据场景特点和风险等级进行数据分级分类。研究建立针对数据偏见、技术滥用、数据滥用等问题的风险管控机制，做好大模型私域管理和权限隔离，保证数据在可控范围内流动，并通过区块链存证技术强化管控，确保各个环节的数据可追查、可溯源且不可篡改。金融业积极推动大模型训练和行业标准测评公共语料库建设，助力行业级金融大模型建设，提升大模型金融应用水平。（四）产用协同共筑 AI 算力基础设施（四）产用协同共筑 AI 算力基础设施产业机构加大我国 AI 芯片的研发与推广应用，保障大模型推理和训练的算力资源供给，提升硬件安全可控水平。加强产学36研用协同创新，共同推动大模型软硬件生态建设，标准化驱动抽象及依赖，提升框架通用性，合力推进 GPU、DCU、NPU 算力集群和智能计算中心等算力基础设施建设，助力大模型全栈兼容性适配，快速推动大模型私有化部署。通过提供算力资源租赁、移动算力资源车等方式为金融机构提供算力解决方案。金融机构结合自身需求，梳理共性硬件资源需求，完善大模型算力中心规划，基于国产和非国产算力建设多源异构算力资源池，建立健全算力资源分配流程、资源使用跟踪与资源回收机制，对国内外芯片进行统一纳管、虚拟化和调度，充分、合理利用算力资源，保障算力平台供给稳定性，提升大模型训练推理效率。根据算力建设情况，形成大模型算力适配的模型微调部署方案，在保证模型效果的前提下，通过模型压缩、小样本训练等方式进一步降低应用成本。同时，推动中高端算力集群配套的网络、存储、冷却等方面的改造工作。（五）完善算法优化与风险管控体系（五）完善算法优化与风险管控体系产业机构与金融机构沟通切实需求，提高大模型算法的透明度、可解释性和可预测性，帮助金融机构更好地理解算法运作方式和决策依据。建立用户参与和反馈机制，纳入模型算法改进和优化等环节之中，提升用户体验和技术的可靠性。积极推进大模型算法、模型和工具等全流程配套体系建设，提供全套的大模型金融应用解决方案，降低大模型金融应用落地的技术门槛和风险。金融机构做好适合自身场景的基础大模型选型，研究建立针对大37模型生成内容、算法安全的风险管控机制，配备专业人员实时监控大模型运行情况。对于涉及敏感数据、直接对客或对输出结果准确性高的场景谨慎使用大模型技术，建立“AI 审核 人工审核”两道关卡，保障大模型输入输出数据的安全可控。加强金融科技伦理治理，负责任、有道德地开展大模型技术创新应用，通过开展专业培训与论坛交流等方式，增强相关人员的安全风险防范意识。在确保用户个人信息安全和隐私不受侵犯的前提下，金融机构与产业机构加强联合研究与攻关，提高大模型算法自研水平，通过共享大模型前沿研究成果、金融业训练与评测数据集等方式，不断提升金融业大模型算法安全性、合规性、专业性和兼容性。38随着数字化时代的到来，数据成为关键生产要素，价值愈发凸显。在企业生产经营过程中，会产生大量的知识信息，传统的知识问答系统是基于语言学意义的专家规则系统，由人工编制的知识库对接自然语言接口构成。其知识领域狭窄，词汇总量有限，人工成本较大，常出现语言歧义问题，较难产生实用价值，复杂甚至冲突的语言规则使得系统的维护成本增加。随着人工智能技术的发展以及大模型的出现，其强大的上下文理解能力、语言生成能力及学习能力，使得它们能够产生更准确、更连贯的回答，基于大模型的知识问答在知识整合和归纳方面提供了非常大的帮助。邮储银行自主打造了基于大模型的智能知识问答系统“灵犀”。“灵犀”是一套完全私有化部署、信息安全可靠的智能问答系统，采用开源、免费、可商用的中文 Llama2 模型，基于社区活跃的 Langchain 框架，结合大模型针对自然语言的理解与生成能力，使用向量数据库存储训练数据。以超亿级开源数据训练参数为基础，发挥了指定领域内大模型强大的生成能力，为邮储银行在金融领域内的人机交互场景提供了自主可控的大模型能力。39“灵犀”采用完全私有化部署模式，无任何信息外泄隐患，同时通过金融银行领域特定语料的微调训练，提供金融知识理解能力，结合大模型生成式与向量化特点，提供面向邮储银行知识领域的智能问答系统。（一）更智能的知识问答。系统基于 Langchain 框架及百亿参数中文 Llama2 模型，通过向量检索的优化、大模型提示词优化、超参调整以及数据清洗和整理，不断提升模型问答结果的准确性及合理性，系统更智能；（二）多元异构硬件支持。系统完全同时适配 CPU 与 GPU 硬件，避免对稀缺资源的过度依赖，通过对模型进行特定格式的转化，以及采用当前十分前沿的模型运行框架，系统能够在无 GPU硬件资源的条件下无缝运行系统；并通过对运行模型框架部分源码的修改、相关软件包的依赖更改，完成了 CPU 下 x86 及 arm64架构的全适配；（三）更少的资源占用。通常大模型至少需要 6G 显存或 32G内存情况下才能加载运行，通过引入特定的模型运行框架以及对模型转化操作，同样体量的模型只需 0 显存 10G 内存，8 核线程情况下即可运行系统；（四）更具扩展性的特定领域知识库。系统基于 Langchain框架，统一前置向量数据库存储并由大模型整合，支持自有知识库灵活训练及检索，提升效率的同时也支持自有知识库无限扩展。40“灵犀”上线以来，通过在向量检索率提升、提示词优化、超参调整等方面进行不断的优化，逐步提升模型问答结果的准确性及合理性。目前已完成信息科技、风险管理、个人金融、公司金融等板块 100 多篇内部政策和制度的素材训练，同时完成信贷、不良、资产保全等业务条线业务制度的学习，为邮储银行业务人员检索、学习相关制度政策提供效率利器，让科技赋能业务发展。41在该行单据处理场景中，此业务涉及到大量银行回单、交易发票、跨境汇款申请书、业务往来邮件、传真等数据，需要整理、录入系统。若纯依赖人工，耗时长、效率低、成本高、易出错，而用传统的 OCR 深度学习模型，需要经过检测、识别、结构化等阶段，多个阶段错误累积，难以突破检测识别难点，模型指标上限低且不具备阅读理解和推理能力，不同场景下模型能力无法复制、定制成本高。因此，需要借助 OCR 大模型的能力解决以上单据处理面临的问题。腾讯云 TI 平台 TI-OCR 是一款专注于 OCR 细分场景建模的训练平台，覆盖了从数据导入、数据生成、数据标注、模型训练、应用编排到应用测试发布的全流程。平台沉淀了腾讯优图强大的 OCR 内置模型和专家丰富的模型优化经验，能助力非 AI专业的客户轻松实现自主构建自定义业务下的 OCR 应用解决方案。（一）支持四种识别模式1.智能结构化从单一版式或混合版式的图片中提取出 Key 字段、Value42字段，以及 Key-Value 的键值对关系。2.固定版式结构化实现对如身份证、火车票、机动车登记证等所有字段位置固定的单一版式类型的数据信息进行提取。3.检测/识别实现各类表单、票据、证件、单据等的包含手写体、印刷体、中英文的字段提取。4.智能分拣即通用目标检测，检测出图片中物体所在的框位置及其所属类别。（二）先进的技术架构整体架构上，TI-OCR 训练平台采用 Master-Worker 的分布式架构。Master 节点负责对外提 HTTP 协议的产品功能接口，Worker 节点负责执行模型训练和推理等计算任务。TI-OCR 训练平台支持最多 100 个 Worker 节点，每个节点可以配置一块或多块 GPU 卡。模型训练可以使用单机多卡以提升训练速度，也可以在多个节点上同时运行多个训练/推理任务，以提升系统吞吐量。数据存储方面，TI-OCR 训练平台使用 MySQL 存储元数据，使用普通硬盘存储图像、模型等数据。部署方面，TI-OCR 训练平台支持单机或者集群模式。在单机模式下，平台只需要一台 GPU 机器即可安装运行，成本低且43几乎不需要运维；在集群模式下，平台只需要 1-2 台低配的 CPU机器，外加可横向扩展的多台 GPU 机器，平台占用资源少，性价比高。容灾方面，TI-OCR 训练平台支持主备部署 MySQL，支持使用磁盘阵列，以提供基本的数据容灾能力。计算任务都采用异步运行模式，Master 节点异常不会影响训练/推理任务的运行。图 1 TI-OCR 训练平台的技术架构（三）主要技术特点腾讯云 TI-OCR 大模型具备三大特点：一是基于原生大模型，不经过训练，直接支持常规下游任务，零样本学习泛化召回率可达 93%；二是通过 prompt 设计，不经过训练，支持复杂下游任务，小样本学习泛化召回率可达 95%；三是通过多模态技术，小样本精调解决传统 OCR 难题，自研端到端技术突破检测识别业界痛点，比传统模型召回率提高 3%-20%。44该行利用腾讯云TI-OCR，对非结构化数据进行自动化分拣、提取并转换为结构化数据，实现对各种格式数据的高精度识别，识别准确率 95%以上。通过应用腾讯云-OCR，该行在单据处理中减少了低价值高耗时手工作业，节省运营人力成本，实现多元业务数据处理的标准化、线上化、自动化。45在银行客服系统场景，传统的智能客服存在三大痛点：一是知识维护量大，冷启动知识配置成本 14 天-1 个月不等，且需要持续投入运营；二是问答覆盖率低、拦截率低，由于知识边界受限，不在知识库的问题无法回复或者几轮下来往往答非所问；三是接待上限低、服务效率低，进线后坐席需要经历知识理解、搜索、组织回复的复杂流程。为了解决以上问题，需要构建金融大模型能力赋能智能客服场景。该行基于腾讯云金融行业大模型能力，结合自身场景数据，通过腾讯云 TI 平台进行精调，构建了专属的金融客服大模型，并进行私有化部署。通过快速接入银行企业知识，直接学习企业文档库、搜索引擎现有资源，同时直接对接银行 API 进行任务式对话问答，打造了银行专属 AI 助手。46图 2 银行客服智能解决方案架构该银行采用语音识别、语音合成、人脸识别等 AI 技术，在进行安全认证的基础上，对自然语言进行深度分析，并进行精准回复，让服务“看得见”、“听得见”，大幅减少人工成本的基础上，极大的提升用户交互体验。一是智能语音导航和智能问答。该银行将 NLP 技术与知识库、知识图谱相结合，开发出智能语音导航和智能问答功能，搭建起智能客服的核心。通过智能语音导航和智能问答，可以实现对客户的合理引导，将复杂的功能菜单扁平化，提升客服服务效率。二是智能外呼和智能质检。一方面，该银行利用 NLP、情绪识别、语音识别等技术，将人工客服的服务的录音进行转写，并在此基础上进行数据分析，形成专题分析。另一方面，将外呼营销、催收等过去由人工开展的业务，交由机器人办理，并实时对数据进行深度分析，朝着定制化的客户处理方案演进。三是打造客服助手。客服助手可以在人工坐席服务时，为员工提供即时的话术支持，也可以根据人工坐席的需求，为人工坐席提供即时的协助，提升工作效率。47腾讯云金融行业大模型在银行投资、财富管理、绿色金融等业务方面，为该行提供智能咨询、辅助分析、决策等服务，助力该行多个核心业务智能化、健康发展。在具体业务方面，该行推出智能客服机器人，可以通过手机银行、微信银行、网上银行等多个渠道，为客户提供问答服务，极大地推动银行客服系统升级。48大模型对金融行业人工智能产业产生了变革式的影响，在金融业态大模型落地应用的过程中有三大痛点：一是 GPU 算力不足。在美国对华高端 GPU 制裁的背景下，H100、A100、L40S 等适用于大模型训练的算力缺失，国产化的算力成为必要选项。构建基于异构芯片体系的国产 GPU 资源池，探索化解人工智能芯片供应“卡脖子”风险的路径，具备对行内现有 AI 框架及算法模型的统一调度能力。二是预训练引擎选择难度高。大模型预训练引擎种类繁多，建设能够支撑多种大模型预训练引擎接入的平台，实现多个大模型按需服务于多个场景的“松耦合”模式，是高性价比、高效率解决企业在大模型“发动机”层面的选择难题。三是落地应用支撑能力。构建基于向量数据库、知识库、舆情监测、微调工具链、推理服务等多个部分的产业化组合。中科可控联合捷通华声、百川智能为金融领域的客户提供“量知大模型平台”，全部国产化，符合信创要求，全方位安全保障；垂直领域训练模型定制，用户全面参与；打通数据接口，结合搜索引擎，做到实时数据呈现与风险及时预警。该平台包含基础的 LLM 服务以及典型大模型应用，不仅包含49大模型基础的文本创作、代码编写、文本翻译以及其他常见自然语言处理能力，还可以为用户提供非结构化文档检索问答、辅助FAQ 知识库加工、票证信息提取等多种功能，并提供 http 接口，方便进行二次开发，更便捷地集成到业务系统。（一）自带应用，效率即刻提升相较于众多基础以及微调模型供应商，量知大模型平台不仅预置微调大模型，还自带了对话、创作、分析等全方位大模型应用，用户无需开发，帮助企业内部即刻提升工作效率。（二）多套底座，择优使用量知大模型平台适配了 Baichuan2、LLAMA2 等众多开源大模型并进行了微调，不同的模型擅长的任务及领域各有不同，针对不同的场景使用不同的微调模型，从而达到最优效果。（三）API 封装，便捷开发为了便于二次开发，量知大模型平台中的功能应用提供了对应的 API 接口，使二次开发以及系统集成变得更加方便。（四）训推一体，及时优化针对非通用的知识以及推理过程中收集到的 Badcase，量知大模型平台提供标注及训练平台，支持大模型的标注、训练及评估，在使用过程中及时优化模型，回答效果越用越好。（五）信创环境，安全可控量知大模型平台使用的服务器为全国产化服务器，使用海光CPU、海光 DCU 芯片，实现“大模型 全国产化 GPU 集群算力”50的应用示范，化解人工智能芯片供应“卡脖子”风险的路径。（六）安全使用，拒绝敏感对于黄赌毒、宗教、政治等众多类型的敏感信息，量知大模型平台提供敏感信息检测功能，模型回答绿色安全，避免触碰法律红线。针对金融行业客服中心，量知大模型平台在客服全流程的话前、话中和话后阶段都可以发挥重要作用。针对话前阶段，量知可以支持问答知识的自动构建，也即可以从一段文字或非结构化文档中抽取问答对，并根据标准问答对给出扩展问。已应用该项技术来完成知识加工和梳理工作，大大节约了人工成本。另外，量知还支持根据一段或多段对话记录生成格式化的对话场景脚本，支持通过自然语言交互方式引导客户导入非结构化文档，逐步完成知识建模、知识抽取、知识融合的任务，实现知识图谱的自动构建。针对话中阶段，量知支持利用大语言模型来进行客服的问答交互。这是使用大模型赋能智能客服自然而然的应用需求，但在落地中需要解决大模型对专业知识回答不准的问题。量知平台中包括了多种方案，比如使用外挂知识库或已有的问答库，采用检索加大模型的方法生成答案，并支持知识溯源；或者使用NL2SQL，将自然语言转换为关系型数据库的查询，包括结合知识图谱和图51数据库来进行问答。针对话后阶段，量知支持对话单数据进行更深入的分析挖掘，例如营销线索、潜在诉求原因等；也支持对海量语音、文字内容进行聚类和分类处理，生成热点和舆情研判结论等。每一通电话都会形成一个工单，由大模型来进行分类、根因分析、总结、给出建议措施等，减少人工处理环节，实现提质增效。52随着信息技术的快速发展，人工智能已经逐渐融入了各行各业。为了进一步提高工作效率，提升“双客”服务质量，北京银行 7 个部门组建数字化转型 12 号敏捷工程敏捷团队，深度应用AIGC 技术，全力打造了金融智能应用平台(AIB，AI Banking)。平台通过大模型、机器学习小模型、语义搜索等前瞻数字化技术，打通行内业务系统、办公系统、数据系统、操作系统，整合全行 80 项大模型服务、7 项 GPT 创作工具，以 GPT 对话方式，面向理财经理岗、大堂经理岗、客户经理岗、综合柜员岗、远程客服岗提供理财投顾策略、业务问题解答、组合金融资讯、客户营销话术、宏观政策研究、行业发展前瞻等实时在线支持。（一）利用知识图谱和搜索增强技术，提升大模型的可解释性为解决大模型生成式内容在银行业务场景应用过程中可解释性问题，依托向量数据库、知识图谱、分布式大数据构筑北京银行金融价值矩阵，逐步形成覆盖业务营销、操作指引、资产配置、合规安全、财务分析全场景的金融知识图谱，通过正排、倒排多种索引融合的知识搜索引擎，为大模型生成内容提供了准确、53可靠、有效的知识来源，并在用户交互过程中给出引述来源，让大模型生成内容“言之有理”。（二）集成行内应用插件，打造大模型对话机器人为推动大模型与银行业务场景的深入融合，利用意图识别、语义检索、提示工程等技术，自主开发大模型插件框架，打通系统间数据、流程、制度壁垒，重塑系统流程和用户体验。以对话交互的方式，提供文案编写、代码生成、知识问答等基础功能，以及 RPA 任务执行、企业信息查询、系统调用等扩展功能。（三）利用国产算力进行模型微调和推理，提升大模型的场景适配能力基于国产算力完成 ChatGLM 模型微调，利用行内知识库，采用 LoRA 方式进行微调训练，冻结预训练模型参数，基于旁路矩阵来替代以完成模型微调，然后将预训练模型参数与旁路矩阵参数叠加，以实现最终结果输出，提升模型对金融场景的泛化能力。目前，AIB 金融智能应用平台已面向全行 10000 多名员工开放，推出北银投顾、财报助手、智能客服、京客图谱、运营助手、数币银行、京行研究首批 7 款智能应用，让员工能随时随地使用智能化工具，快速掌握岗位所需知识和技能，将专家能力赋能至每一位员工，全面提升业务专业化水平。54图 3 北京银行 AIB 金融智能应用平台架构图北银投顾服务理财经理近 1700 人，汇集了丰富的金融市场资讯、产品信息资源以及专业的投顾策略，可以根据客户的投资偏好和目标，量身定制个性化的投资策略。运营助手服务综合柜员近 3000 人，覆盖外部监管政策、行内发文制度以及各类业务操作指南，为柜员提供操作指引。京客图谱和数币机器人服务客户经理 3700 人，借助大模型强大的自然语言理解和内容生成能力，支持客户信息、营销商机灵活查询，助力精准获客。智能客服机器人服务远程客服近 700 人，集成了个人业务、公司业务、国际业务等重点场景知识库，帮助客服专员精准回答客户问题，提升服务满意度。财报助手和京行研究机器人，集成行内外众多权威机构万余篇深度报告，可为全行各业务场景提供研究支持和智慧决策参考。55在现代银行业中，高效办公是保持竞争力的关键，而传统办公场景中重点存在以下两点突出问题：一是办公系统多且复杂，获取知识难度大且耗时长；二是日常办公中员工大量时间消耗在内容总结、公文写作等文档梳理、素材查找等方面，效率低下。为了提升员工的工作效率，基于开源大模型自主研发设计智能办公助手，从而让员工能够更专注于核心业务，提高工作效率。基于私有化部署金融领域大模型，通过思维链、One-shot等一系列 prompt 技术进行提示微调，构建 prompt 指令库。并结合向量知识库，快速接入银行企业自有场景知识，直接学习企业文档库、搜索引擎现有资源，打造银行专属办公助手。基于大模型建设的智能办公助手包含六大核心模块，各模块高度协同。第一模块是硬件和环境资源，它提供模型训练和推理所需的算力支持，尤其是 GPU 运算能力和大容量内存。第二模块是智能交互界面，负责语音或文本的输入输出功能，获得用户提出的问题并展示回复结果。第三模块是金融大模型，利用大模型技术针对金融领域进行预训练和迁移学习，以深刻理解业务语义。第四模块是快捷功能库，通过设计指令模板，引导大模型快56速实现知识检索、润色、推理等能力。第五模块是向量知识库，对文本数据进行向量化编码，以实现语义索引和相似内容检索。第六模块是数据支持管理模块，包含多个外部知识库，定时更新并且部分实时连接外部数据源，为模型提供最新知识。六个模块相互衔接，共同支持智能问答与办公写作。图 4 智能办公助手方案架构图智能办公助手将为银行内部员工提供行内领域知识的精准搜索功能，并且进一步通过简单交互方式，来一键获取想要的问题的答案，实现“所问即所答”。同时智能助手还提供一系列工作辅助功能，包括周报内容总结、宣传稿/营销文案撰写、文章润色扩写、PPT 大纲生成、项目开发文档编写等等场景功能，大幅提升办公效率和员工交互体验。57国信证券股份有限公司(以下简称“国信证券”)综合型证券公司，业务包括证券期货经纪、证券承销、自营交易、资产管理、股权投资等。国信证券财富管理业务，目前是由运营人员人工服务千万量级客户，为客户提供个性化的咨询、运营、投资询问等服务。该业务面临由于客户海量、需求众多导致的运营人员运营服务效率低、客户体验不佳、运营人力消耗大等问题。因此，需要借助人工智能和生成式人工智能能力，提升自动化生成服务话术和客户指标数据，提升运营人员对客户的服务质量和效率。基于人工智能和生成式人工智能底层能力，辅助运营人员自动化生成客户服务话术，创新点如下：（一）知识问答、行业分析、客户资产配置建议：基于大模型 Prompt 工程能力，进行相关财富管理领域的内容生成，可以替代投顾部分工作，进行资料查询和回答整理；（二）资讯摘要：基于大模型 Prompt 工程能力，进行大量投研资讯摘要生成，辅助运营人员推送合适的简短信息给客户；（三）行情快报、客户指标筛选：结合大模型 Prompt 工程和后台数据分析对接，实现以自然语言对话的方式进行信息查询。58项目正在进行中，目前已完成业务需求分析和大模型能力可行性验证，正在技术方案设计阶段。预计上线后，可辅助总部和各分支机构运营人员为客户提供个性化高效的知识问答、行业分析、行情快报、客户资产配置建议、资讯推送摘要、投诉建议反馈等服务。59智能理财助理旨在协助个人更有效地进行资产管理与配置。当前智能理财助理已在智能客服、个性化推荐、风险管理等方面取得显著进展，但要进一步替代人工金融理财专家，仍面临如金融信息过载、复杂金融任务拆解、专业术语晦涩，缺乏个性化投资建议等一系列挑战。ChatGPT的出现引发了社会各界对于大模型技术的广泛关注和资源投入，并由此推动了大模型技术的快速发展和产业应用，其中也包括应用到智能理财助理场景中，通过智能化升级解决前述挑战。然而，由于金融行业的专业性、严谨性、合规性等特点，难以直接将通用大模型直接应用到金融应用场景中，一般需要结合金融领域知识和数据进一步微调形成金融行业大模型，才能让大模型对金融行业的特有的术语和规则有更深刻理解，输出结果满足金融领域极高的准确性和可解释性要求等。支小宝 2.0 是蚂蚁集团基于自研的金融大模型打造的新一代智能理财助理，它致力于为用户提供透明可信赖的金融服务，提供高度智能化的专业投资建议，实现亲和力十足的陪伴和流畅的交流。支小宝 2.0 强调金融产品的合适性和安全性，旨在解决信息鸿沟，提升用户体验，推动金融领域的不断创新和进步。60蚂蚁金融大模型着重打造了自身在金融领域的“知识力”、“专业力”、“语言力”，以及结合可信围栏技术实现的“安全力”，确保大模型技术可以安全合规地应用到金融场景中，提升蚂蚁金融服务的智能性，打造出智能理财助理新产品支小宝2.0。蚂蚁金融大模型主要技术方案如下图所示。除创新性地提炼和打造出金融大模型的“四力模型”，蚂蚁还构建了金融专属任务评测集“Fin-Eval”，从认知、生成、专业知识、专业逻辑和安全性五大维度设计出 28 类金融专属任务，对金融大模型能力进行全面评估。图 5 蚂蚁金融大模型全栈技术布局图“知识力”方面“知识力”方面，针对通用大模型专业金融知识缺失的问题，蚂蚁金融大模型引入了可信、多元、实时的泛金融内容和知识，61构建起千亿级别 Token 级别的通用 蚂蚁专有金融语料，并结合模型知识注入与信息检索技术，赋予支小宝 2.0 兼具广度和深度的智能理财助理知识力。“语言力”方面“语言力”方面，金融行业的复杂性与用户期望的简明性之间存在着巨大的差距。为了弥合这一鸿沟，支小宝 2.0 采用了多项策略：（1）扩展上下文窗口，将上下文窗口扩大至 32K，以深入理解用户意图，实现更连贯的多轮对话；（2）对话仿真工具，为解决模糊意图和多重问题，支小宝训练了对话仿真工具，模拟专业理财专家与用户的对话，提升其理财领域语言能力；（3）动态风格调整，通过大规模金融指令数据集训练，实现风格切换功能，应用不同的风格算子生成专业，标准和通俗三种用户风格。“专业力”方面“专业力”方面，蚂蚁通过整合业界前沿技术能力，包括多目标运筹优化、动态图计算和异构图表征学习等，沉淀出数百个金融接口工具，解决行情解读、产品评估、行为分析等不同专业任务。作为智能中枢，支小宝 2.0 能够智能地识别用户的模糊需求，调用适当的金融工具，使金融领域的“专业力”无缝融入每一个用户的日常需求中。“安全力”方面“安全力”方面，针对通用大模型在金融领域应用面临的安全性问题，蚂蚁聘请超过 100 名金融专家对生成内容在隐私保护、合规表达、上下文关联等多个维度进行评估，并使用基于人类反馈的强化学习让大模型对齐金融业务的合规需求，并通过后置校验的方式保障安全底线，在数据、模型、输出等不同环节建起了62多重“金融围栏”。近半年，基于金融大模型技术，蚂蚁已对原智能理财助理产品支小宝进行全方面升级，当前的支小宝 2.0 已有了兼具广度和深度的金融知识、专业金融工具的调用能力、个性化的表达能力，以及安全可信的围栏能力。据评测，支小宝 2.0 在金融意图识别上准确率达到 95%，投资情绪识别准确率达到 90%，金融资讯总结和事件推理等达到分析师水平，目前可提供选基、行情、配置等 290 理财服务，选品、规划、核赔等 30 保险顾问服务。

0人已浏览 2023-12-08 69页 5星级

2023年11月蓄势腾飞粤港澳大湾区金融服务业：目录前言前言:大湾区“大湾区“机不可失机不可失”2一、一、概述：蓄势腾飞，重新启航概述：蓄势腾飞，重新启航4二二、打造打造产品服务创新高地产品服务创新高地11三三、建设国际财富管理中心建设国际财富管理中心14四四、加速金融业数字化转型加速金融业数字化转型19五五、探索金融数据跨境流通探索金融数据跨境流通21鸣谢鸣谢27联系我们联系我们281粤港澳大湾区金融服务业：蓄势腾飞前言：大湾区“机不可失”2粤港澳大湾区金融服务业：蓄势腾飞前言本调研报告基于普华永道对粤港澳大湾区（以下简称“大湾区”）内的多位金融高管及学术界代表的深入访谈撰写而成。与上一期报告1类似，调研结果显示，受访者在某领域达成了广泛共识，但在另一些政策法规尚未明朗、仍处于探索阶段的领域，分歧依然存在。令人欣慰的是，自普华永道第一份调研报告发布五年来，市场对大湾区金融业发展的态度已逐渐发生改变。最初，有人抱着观望的心态，也有人认为大湾区蕴含的机遇与其业务发展方向并不一致，还有人担心人才匮乏、监管制约等问题。如今，人们对大湾区金融服务业未来发展明显趋向乐观。多家金融机构的高管均以香港为基地，推进其亚洲及大湾区发展战略2。这种现象在保险和资产财富管理行业尤为明显。用一位资深中资银行家的话来说，大湾区仍是一个“机不可失”的市场。我们在报告第一章概述中提到，大湾区的发展步伐从未停歇，近几年的沉淀，给政府和企业在制定重要政策和部署重大战略上，提供了更充裕的回旋余地。报告的第二至第五章将从打造产品服务创新高地、建设国际财富管理中心、加速金融业数字化转型和探索金融数据跨境流通四个方面，向读者呈现金融业致力于大湾区融合发展所付出的努力。大湾区“机不可失”1.粤港澳大湾区金融服务业：雏形初现：https:/ 资料来源：广东省统计局、香港政府统计处、澳门统计暨普查局2019-2022年大湾区各城市人均本地生产总值（元人民币）年大湾区各城市人均本地生产总值（元人民币）0100,000200,000300,000400,000500,000600,000广州深圳珠海佛山惠州东莞中山江门肇庆香港澳门200223粤港澳大湾区金融服务业：蓄势腾飞一、概述：蓄势腾飞，重新启航4粤港澳大湾区金融服务业：蓄势腾飞粤港澳大湾区发展规划纲要3于2019年2月发布后，引起了业界热议。普华永道在2020年发布的大湾区金融服务业调研报告中指出，面对这一新兴市场及其带来的机遇，金融机构纷纷摩拳擦掌，创新产品和服务，同时评估相关资源需求，从而抓住大湾区的发展机遇4。不久后在全球范围内爆发的新冠肺炎病毒大流行（以下简称“新冠疫情”或“疫情”），严重打乱了许多金融机构的部署。疫情让商业格局以及人们的工作方式发生了翻天覆地的变化。某些趋势加速发展（例如数字化），另一些趋势（例如人才流动）的发展则截然不同。概述3.https:/ Promotion Roadmap）5，便是近期监管政策的一个新进展。该计划涵盖财富科技、保险科技和绿色科技，以及人工智能与分布式账本技术（Distributed Ledger Technology，DLT）等科技类别，将更全面地推动金融科技的发展。自2022年7月习主席视察香港至今，很多促进大湾区金融业发展的具体措施陆续发布。我从未见过在这么短的时间内推出如此多的支持举措，包括“互换5.https:/www.hkma.gov.hk/gb_chi/news-and-media/press-releases/2023/08/20230825-3/7粤港澳大湾区金融服务业：蓄势腾飞付信息的共享。我们可以设想，如果未来有一款大湾区居民卡，它可以通过数据平台链接内地医疗保险账户、银行卡和人力资源记录等信息，这将促进粤港澳大湾区金融服务业的发展。李家聪李家聪大湾区医疗集团联席首席执行官跨境数据流通需要许多政府层面的协调。其中一个比较成功的案例是快速支付系统（FPS）。虽然用时颇长，但最终它通过一个唯一的标识符实现了支许多市场参与者面临的挑战是，在其大湾区发展战略中应优先考虑哪些因素。金融机构应该着力于把握那些能使自身快速增长的发展机遇。本次调研的部分受访者专注发展各自的金融服务或产品，另一些受访者则已迫不及待地希望看到大湾区未来全面发展的愿景。用香港绿色金融协会主席马骏博士的话来说：“大湾区的优势在于监管部门和各机构的合作意愿非常强。内地需要筹集资金，香港则希望为大湾区项目提供贷款和咨询建议。”科技领域的受访者最看好大湾区的协同效应，我们将在随后的章节中具体阐述。这些受访者见证了金融业近年来在科技创新方面取得的进展，特别是在数据流通方面。他们认为，技术进步与政策加持，有望消除大湾区一体化所面临的壁垒。谭文杰谭文杰普华永道中国香港地区银行业和资本市场主管合伙人8粤港澳大湾区金融服务业：蓄势腾飞年份年份港币交易量港币交易量交易额（万元交易额（万元/港币）港币）人民币交易量人民币交易量交易额（万元交易额（万元/人民币）人民币）20185,370,855 12,786,40467,248 277,458201943,678,835 81,771,762304,339 1,492,1912020138,000,982 153,874,308209,387 1,958,3612021263,656,093 223,926,627268,574 5,008,4072022391,372,121 290,138,428345,817 7,570,867资料来源：香港银行同业结算有限公司除了科技带来的新机遇，一些受访者也强调了充分利用既有优势的重要性。例如，亚洲证券业与金 融 市 场 协 会（Asia Securities Industry&Financial Markets Association，ASIFMA）的罗盛梅认为：“香港金融市场运行稳健，拥有强大、可靠的支付和结算系统，金融管理局提供了高效和集中的基础设施，大湾区金融的发展空间远不止跨境理财通（以下简称理财通）。”整体发挥的影响大于各部分之和。香港有一些独特的历史优势，例如普通法。若这些优势有利于民，那为什么要去改变呢？港币联系汇率制度也是香港独特的优势，使资本自由流通。与大湾区其他城市相比，香港的优势非常突出，但如果没有大湾区，这些优势也难以得到充分地发挥。区景麟区景麟香港金融发展局行政总监本报告第三章将对理财通进行详细剖析。相关试点起步缓慢，主要原因之一是监管机构对销售流程和投资者教育程度持谨慎态度。试点初期，香港和内地的监管机构都不希望看到因不当销售或引导，出现消费者购买与其投资能力及需求不匹配的产品的情况。在当前的经济和地缘政治环境下，大湾区仍是创新和增长的重要源泉。几十年来，大湾区一直是中国经济中最开放、与国际联系最紧密的地区之一，也是一些最杰出和最具创新力的中国企业的发源地。大湾区将继续保持这种优势。夏添恩（夏添恩（Tim Summers）香港中文大学中国研究中心助理教授香港“香港“快速支付系统快速支付系统”（”（Faster Payment System）相关业务数据）相关业务数据9粤港澳大湾区金融服务业：蓄势腾飞大湾区的资产和财富管理行业此前不断呼吁，希望在理财通的下一个阶段，提高单个投资的额度及拓宽可销售投资产品的范围。这种声音近期得到了监管部门的反馈，“理财通2.0”已在酝酿中。下一阶段的试点，有望突破现行的零售业务范围的限制，让金融机构销售更复杂的投资产品，以满足更广大投资者的需求。除了资产和财富管理，保险互联互通也是大湾区一体化的重要推动力。保险产品丰富了跨境财富管理的选项，在满足日常需求的同时，也有助于消费者提升对保险公司的忠诚度。在大湾区设立保险服务中心，方便境外保险公司（主要是来自香港的保险公司）为大湾区内地居民提供售后服务，将是大湾区“保险通”发展的一个突破。随着境外保险品牌知名度提高，针对大湾区客群的保险产品市场将持续扩大和深化。随着“一小时生活圈”的理念逐步实现，跨境车险和健康险将从小众市场走向主流。香港退休计划协会（HKRSA）在近期发布的一份报告6中提出了一系列建议，其中有关储蓄产品的流动性和个人税收优惠的建议，有望加速这些市场趋势。6.https:/hkrsa.org.hk/image/catalog/HKRSA_GBA_2022_TC_v5.pdf10粤港澳大湾区金融服务业：蓄势腾飞二、打造产品服务创新高地11粤港澳大湾区金融服务业：蓄势腾飞在数字化的驱动下，大湾区的金融一体化正在快速发展。大湾区正在开发许多与区块链技术有关的基础设施，以支持金融产品的创新，这其中也包括数字资产。卢启豪卢启豪普华永道中国香港地区金融业管理咨询主管合伙人大湾区9 2城市群拥有得天独厚的优势，并可享受因此带来的协同效应。香港与内地利率互换市场互联互通合作7（以下简称“互换通”）和关于金融支持前海深港现代服务业合作区全面深化改革开放的意见8（以下简称“前海金融30条”）等不断出台的新政策和新举措进一步强化了这种优势。监管开放和技术创新双轮驱动，为大湾区的发展提供了有力保障。有受访者认为：“大湾区的主要竞争优势在于监管。香港特区的监管机构非常开放，与日韩及台湾地区等市场相比，我们在这里看到了更多创新举措。”上述创新集中体现在数据跨境流通方面（报告第五章将详细阐述）。蚂蚁集团的陈婉真指出：“如果大湾区范围内实现了跨境数据流通，整个银行金融系统将会被重塑。例如，跨境开户问题将会得到解决。同时，在湾区也将有更丰富的理财活动，这将极大影响人们的日常生活。更重要的是，三地的牌照问题将得到突破，或者在异地申请牌照的步骤会逐步优化，金融机构也可以开放更多的经营活动。”随着应用场景越来越丰富，更大范围的金融和非金融数据将得以跨境流通或验证。香港金管局推出的“商业数据通”（CDI）9显示，经许可的数据共享，提升了香港中小企业获得信贷的机会，该平台如能在整个大湾区推广也将有巨大的潜力。截至2023年6月，该平台已处理超过4,900份贷款申请，批准超过44亿港元的贷款。由国际清算银行（香港）创新中心和四家央行主导的多边央行数字货币桥项目（mBridge Project）已经证明，央行数字货币（CBDC）可提供更快、更低廉的对公银行汇款交易。渣打银行和普华永道最近联合发布的一份报告11，探讨了央行数字货币在在对公和零售银行层面的应用前景，并展望了如何开启数字支付和可编程银行服务的新纪元。这些创新并不局限于香港：澳门特区于2022年10月宣布，拟将数字货币纳入法定货币12。最近，横琴有关部门出台支持赴澳门发行债券的激励政策13。考虑到相关政策可能会加剧人力资源竞争，澳门政府还推出了新措施来吸引海外人才14。7.http:/ Connect）15计划，从而实现香港自愿碳市场与广东碳期货交易所的互联互通。最简单的做法是从大湾区开始，然后在更大的范围内推广。该报告指出，随着全球碳市场的兴起，香港可以再次利用国际金融中心的优势，加快自愿碳市场的发展，并凭借有利的生态系统，扮演连通内地和世界的窗口、跳板和中介者的角色，连接内地及国际碳市场。其中广东碳市场将是一个理想的连接市场，香港应利用广东的庞大排放及成交量，寻求成为大湾区碳市场的一部分。16有了香港这一国际绿色及可持续发展金融中心的加持，大湾区将在扩大这一关键领域的规模和创新方面处于领先地位。未来大湾区的一体化建设，要将“9 2”的思维转变成一个整体。我们在畅想大湾区“一小时生活圈”时，要从根本出发，将其看作是一个超级大都市。在这颜贵欣颜贵欣普华永道中国香港地区气候变化与可持续发展合伙人15.https:/www.fsdc.org.hk/media/luifvnx0/20230202-fsdc-carbon-paper-ch.pdf16.https:/www.fsdc.org.hk/media/luifvnx0/20230202-fsdc-carbon-paper-ch.pdf13粤港澳大湾区金融服务业：蓄势腾飞三、建设国际财富管理中心14粤港澳大湾区金融服务业：蓄势腾飞我们非常欢迎近期公布的对跨境理财通试点方案的优化，这一举措将促使更多大湾区的居民参与其中，并进一步促进跨境投资和香港财富管理行业的发展。叶志豪叶志豪花旗私人银行香港及大湾区业务主管沪沪港通及港通及深港通每日成交量深港通每日成交量买进和卖出（亿元人民币）买进和卖出（亿元人民币）理财通和仍在酝酿中的保险通是大湾区国际财富管理中心建设、服务广大居民的两大重要抓手。其中，已于2021年10月落地的理财通第一阶段试点，作为促进大湾区居民个人跨境投资便利化的举措，在“南向通”（即：内地投资香港）中首次明确了大湾区内地居民投资者的资格17。相关资格标准引发了广泛讨论，因为这对大湾区金融及其他领域未来的改革举措有重要借鉴意义。理财通推出的时点并不理想，新冠疫情以及随之而来的“封关”措施，在初期极大地影响了额度使用率。2023年以来，理财通中南向通的额度使用量已开始回升。与此同时，沪港通和深港通的成交量保持平稳（见上图）。市场普遍认为，影响理财通第一阶段试点“热度”的主要障碍，包括对跨境销售的限制、为数不多的投资产品类别和单个投资者100万元人民币额度的限制。17.https:/www.hkma.gov.hk/gb_chi/key-functions/international-financial-centre/wealth-management-connect/southbound-scheme/#eligible-investor-product 第三章521.1174.0605.8199.9523.6148.9624.6135.900500600700Shanghai-Hong KongNorthbound tradeShanghai-Hong KongSouthbound tradeShenzhen-Hong KongNorthbound tradeShenzhen-Hong KongSouthbound trade2022年6月2023年6月沪港通北向交易沪港通南向交易深港通北向交易深港通南向交易建设国际财富管理中心资料来源：香港交易所15粤港澳大湾区金融服务业：蓄势腾飞跨境理财通与为高净值人士提供的投资渠道不同，它面向大众，并且具备与养老金相似的可转移性，是大湾区一体化的重要组成部分。区景麟区景麟香港金融发展局行政总监令人振奋的是，理财通在近期终于有所突破。2023年9月28日，人民银行、金融监管总局、中国证监会、国家外汇局、香港金管局、香港证监会、澳门金管局联合公告，将进一步优化理财通试点18。第二阶段将从调整投资者准入、扩大参与机构范围、放宽合格投资产品范围、提高个人投资者额度、改善宣传销售等五个维度进行优化。预计上述优化措施，将大大提高理财通作为零售渠道投资工具的吸引力。然而，正如香港金融发展局的区景麟指出：“理财通的远程开户和投资产品类别仍然存在问题。内地与香港投资者对两地市场和产品的理解非常不同，专业资格互认将有助于缩小知识差距。”要求内地投资者来香港花费几个小时进行投资并不可行。即使设置了不当销售或不当购买的冷静期，人们也没有足够的时间进行投资决策。我们需要打破思维定势，倡导大湾区独特的“便利”优势。随着对技术支持解决方案的需求不断增加，我们应当开辟新的渠道，在大湾区内为客户提供更好的服务体验。大湾区可以成为中国的一个典范：这里坐拥世界级国际金融中心的香港，以及具有庞大企业家群体和财富总量的广东。其他区域哪里还能找到这样的组合呢？罗盛梅罗盛梅亚洲证券业与金融市场协会首席执行官资料来源：人民银行广州分行理财通“南向通”额度理财通“南向通”额度使用情况使用情况2023年年7月月16日日2023年年8月月16日日2023年年9月月17日日2023年年10月月17日日已用额度（亿元）已用额度（亿元）11.5114.4116.9020.97使用率使用率0.77%0.96%1.13%1.40.http:/ 过去十年间，中国内地的金融科技公司在数字金融、支付创新、生态系统创建等方面走在世界前列，成为全球金融机构努力追赶和效仿的对象。在金融科技领域，香港也在不断地向内地借鉴及靠拢。与此同时，内地的头部金融科技公司也一直在寻求海外扩张，跨境交流更加频繁。这使大湾区成为金融业数字化的新起点。正如报告第二章提到的，普华永道和渣打银行在近期发布的一份研究成果中，呈现了可编程的央行数字货币更广泛的应用。鉴于央行数字货币在大规模交易银行业务中的价值已通过多边央行数字货币桥项目（mBridge Project）得到证明，上述研究着眼于零售端及贸易和供应链金融等场景。香港货币及金融研究中心于2022年底进行的一项调查20发现，90%的香港金融机构认为跨境支付和结算系统对其大湾区业务拓展至关重要。打通这些系统的先决条件包括：改善支付和结算基础设施的功能、推广新兴技术及监管与市场更融洽的沟通。央行数字货币、稳定币和银行存款代币等数字资产，可以与大湾区各城市的电子钱包和支付网络一起，在当前的金融基础设施内共存。对那些有跨境支付需求的用户来说，电子钱包非常便利。用户不仅可以选择不同的货币，而且可以直接用现有的电子钱包来进行支付。这对于用户、金融科技公司和商户，都是共赢互利的。陈婉真陈婉真蚂蚁集团粤港澳大湾区战略发展及政府事务执行副总裁有序的数据跨境流通，有助于促进大湾区融合和金融互联互通。金融科技公司和银行已经展开技术和制度层面的探索，以不同方式实现数据跨境流通合规与效率的平衡。第四章加速金融业数字化转型20粤港澳大湾区金融服务业：蓄势腾飞五、探索金融数据跨境流通21粤港澳大湾区金融服务业：蓄势腾飞据估计，大湾区的内地九个城市共有近300万家中小微企业，占2021年广东省GDP的55!。金融数据跨境有序流通，有望让这些企业从更便利的跨境贷款和投融资活动中受益。正如报告第二章所述，香港金管局的商业数据通计划已处理了4,900多份贷款申请，该机制若可以与内地实现对接，应用场景将更广泛。除了公司金融，零售金融层面的数据跨境流通，也会让就业、医疗、教育和其他领域的服务进一步得到拓展和延伸。探索金融数据跨境流通“最少必要信息”是基本原则。例如，银行需要做信用风险模型的时候，仅需要商业和交易方面的信息，而不会需要用到个人数据，这是因为需要计算的只是行业的信用风险。陈婉真陈婉真蚂蚁集团粤港澳大湾区战略发展及政府事务执行副总裁数据跨境流通领域的一个重大进展，是国家互联网信息办公室（以下简称“网信办”）与香港特区创新科技及工业局（以下简称“创科及工业局”）于2023年6月29日签署的关于促进粤港澳大湾区数据跨境流动的合作备忘录（以下简称“合作备忘录”）22。根据该备忘录，香港特区创科及工业局和政府资讯科技总监办公室将与国家网信办密切合作，在国家数据跨境安全管理制度框架下，建立大湾区数据跨境流动安全规则。预计这将有助于大湾区的金融机构降低跨境数据共享操作中的合规成本，并鼓励更大程度的融合和创新。21.https:/ http:/ 校验可信校验可信比对一致，内容可信1.1.用户申请凭证用户申请凭证粤澳跨境数据验证平台粤澳跨境数据验证平台资料来源：由微众银行提供区块链24粤港澳大湾区金融服务业：蓄势腾飞金融数据跨境流通领域涉及的效率与风险权衡既复杂又重要。基于访谈及普华永道的观察，我们将大湾区当前金融数据跨境流通的探索与实践，总结为四种模式与路径：1)1)金融机构金融机构单独报批单独报批。各金融机构根据业务场景需要，自行向客户获取数据跨境授权，并报送相关部门审批。这种相对传统的做法，也是目前大部分金融机构遵循的方式，其痛点在于沟通协调涉及的方面多，合规成本高，需要明确且完善的法律法规基础。2)2)由官方机构或专门机构集中处理数据传输由官方机构或专门机构集中处理数据传输。由粤港澳三地金融监管部门（如人民银行、香港金管局、澳门金管局）在各自法域内牵头设立相关机制或平台，进行数据出境及接收安全合规审查，然后在监管层面将信息打通。该模式最大的好处是有望降低金融机构的合规成本，提高数据跨境流动效率；难点是牵涉到到三地监管协调及法律法规的完善。3)3)数据所有者通过数据所有者通过去中心化验证传输数据去中心化验证传输数据。将数据跨境的行为返还给数据所有人。在现有法律法规及监管体系下，个人或企业作为数据拥有人，自行将其发送出境无需报批。通过技术手段（如区块链），用户将信息发送到去中心化的跨境平台上，境外机构通过该平台不获取信息即可完成用户验证。这是目前来说最简单高效方法，已应用到实践中。4)4)行业协作行业协作，无需传输个人信息或敏感数据无需传输个人信息或敏感数据。信息是由不同法域的金融机构使用先进的隐私保护技术（如联邦学习）协作处理数据而生成。金融机构可跨境使用输出的数据对其向客户提供的金融产品进行模型分析（例如信用建模），无需访问个人信息或敏感数据。25粤港澳大湾区金融服务业：蓄势腾飞在技术发展上，粤港有各自的优势，整体看来，香港在新技术的风险治理方面做得比较谨慎；而内地的金融科技的应用则非常迅速。因此，粤港双方应该继续加强在大湾区技术创新上的合作交流。普华永道期待大湾区早日实现高效的跨境数据流通，这不仅有助于促进金融机构、业务、市场及人员的互联互通，更将为大湾区打造国际化营商环境、一小时生活圈带来更多机遇。香港金管局的“商业数据通”项目使企业能够授权数据提供商在客户同意的情况下与银行共享其信息。这使得银行能够访问这些企业的交易信息、付款记录和其他交易历史记录，从而帮助银行作出更好的信贷决策。在政府和监管机构的支持下，若能将这类数据共享机制扩展到大湾区的三个司法管辖区，可以极大地促进金融数据的跨境流动和大湾区所有金融子行业创新服务的发展。吴冠豪吴冠豪普华永道中国香港地区风险及控制服务合伙人郑松岩郑松岩中国银行（香港）有限公司首席信息官26粤港澳大湾区金融服务业：蓄势腾飞普华永道由衷感谢所有受访者拨冗，不吝分享对大湾区发展的真知灼见。特别感谢以下人士对本报告的贡献：鸣谢普华永道香港数据研究团队：伍彩玲、何俊杰普华永道中国大湾区金融服务团队：邓亮、彭佳逸陈婉真陈婉真蚂蚁集团大湾区战略发展及政府事务部执行副总裁黎晨黎晨香港中文大学中国研究中心副教授李家聪李家聪大湾区医疗集团联席行政总裁柳志坚柳志坚富卫大中华区常务董事兼香港行政总裁罗盛梅罗盛梅亚洲证券业与金融市场协会首席执行官马骏马骏中国金融学会绿色金融专业委员会主任、北京绿色金融与可持续发展研究院院长、中英绿色金融工作组联席主席、香港绿色金融协会会长区景麟区景麟香港金融发展局行政总监王腾王腾深圳数据交易所有限公司副总经理夏天恩夏天恩香港中文大学中国研究中心助理教授姚辉亚姚辉亚微众银行科技创新产品部负责人叶志豪叶志豪花旗私人银行香港及大湾区业务主管郑松岩郑松岩中国银行（香港）有限公司首席信息官郑万昌郑万昌中银国际亚洲有限公司全球客户中心董事总经理27粤港澳大湾区金融服务业：蓄势腾飞联系我们梁伟坚梁伟坚普华永道中国内地及香港市场主管合伙人 86(10)6533 张立钧张立钧普华永道中国区域经济及内地金融业主管合伙人 86(755)8261 陈宣统陈宣统普华永道中国大湾区服务金融业市场主管合伙人 852 2289 8388 86(755)8261 审计服务审计服务江秀云江秀云 香港香港资产和财富管理行业主管合伙人 852 2289 2707marie-谭文杰谭文杰 香港香港银行业和资本市场主管合伙人 852 2289 黄健立黄健立 香港香港保险业主管合伙人 852 2289 杨尚圆杨尚圆 深圳深圳金融业合伙人 86(755)8261 关维端关维端 香港香港资产及财富管理合伙人 852 2289 刘恺刘恺 香港香港精算服务合伙人 852 2289 6280 86(755)8261 李政立李政立 澳门澳门金融服务审计合伙人及澳门主管合伙人 853 8799 王娟王娟 深圳深圳资产及财富管理合伙人 86(755)8261 28粤港澳大湾区金融服务业：蓄势腾飞咨询服务咨询服务吴冠豪吴冠豪 香港香港风险及控制服务合伙人 852 2289 霍建华霍建华 香港香港金融服务风险及监管主管合伙人 852 2289 卢启豪卢启豪 香港香港金融业管理咨询主管合伙人 852 2289 莫文彪莫文彪 深圳深圳金融业管理咨询合伙人 86(755)8261 林祖辉林祖辉 广州广州风险及控制服务合伙人 86(20)3819 颜贵欣颜贵欣 香港香港气候变化与可持续发展合伙人 852 2289 税务服务税务服务陈鼎平陈鼎平 香港香港税务合伙人 852 2289 熊小年熊小年 深圳深圳税务及商务咨询合伙人 86(755)8261 29粤港澳大湾区金融服务业：蓄势腾飞普华永道大湾区办事处广广州州中国广州市天河区珠江新城珠江西路10号普华永道中心18楼邮编：510623电话： 86(20)3819 2000传真： 86(20)3819 2100香港特别行政香港特别行政区区中国香港特别行政区香港中环遮打道10号太子大厦22楼电话： 8522289 8888传真： 8522810 9888澳门特别行政澳门特别行政区区中国澳门特别行政区澳门苏亚利斯博士大马路320号澳门财富中心14楼G电话： 8538799 5111传真： 8538799 5222珠珠海海中国珠海市香江区银湾路1663号珠海中心大厦2303室邮编：519030电话： 86(756)2721 588传真： 86(756)2721 500深圳深圳中国深圳市罗湖区深南东路5016号京基100-A座34楼邮编：518001电话： 86(755)8261 8888传真： 86(755)8261 880030粤港澳大湾区金融服务业：蓄势腾飞

0人已浏览 2023-11-23 31页 5星级

月20日自南财智库下载问21财经App智库频道统 筹：韩瑞芸策 划：周鹏峰、贺霞执笔人：唐婧编 辑：马春园校 对：黄志明数据分析师：SFC 数据中心01开篇语.02报告说明.03报告要点.04摘 要.

0人已浏览 2023-11-21 111页 5星级

伦敦经济月刊（2013 年 1月）2013 年 1 月 18 日 中银研究产品系列 经济金融展望季报 中银调研 宏观观察 银行业观察 国际金融评论 国别/地区观察 作 者：赵廷辰 中国银行研究院 梁 斯 中国银行研究院 吴 丹 中国银行研究院 电 话：010 6659 3776 签发人：陈卫东 审 稿：周景彤 李佩珈 联系人：王 静 刘佩忠 电 话：010 6659 6623 对外公开 全辖传阅 内参材料 2023 年 11 月 6 日 2023 年第 47 期（总第 502 期）2023 年中央金融工作会议主要看点及解读（一）：年中央金融工作会议主要看点及解读（一）：提高金融服务质效，布局绿色发展与金融高水平开放 当前，我国金融发展面临的内外部形势发生了重大变化。2023 年中央金融工作会议（下文简称“会议”）是中央金融委、中央金融工作委组建后召开的首次全国性的金融工作会议。这次会议为新时代新征程推动金融高质量发展指明了方向。会议既有针对中国金融高质量发展的长期制度设计，提出了“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”等，又有紧扣当前形势，聚焦“地方政府债务、房地产风险和金融市场波动”等隐患所做的及时政策安排，是未来金融工作的根本遵循和行动指南。本报告从货币、绿色、开放三方面视角，重点解读了 2023 年中央金融工作会议对于我国货币政策取向、绿色金融发展、金融高水平对外开放等方面的相关要求与影响，并就下一步如何落实中央金融工作会议提出了相关建议。研究院 宏观观察 2023 年第 47 期（总第 502 期）1 提高金融服务质效，布局绿色发展与金融高水平开放 当前，我国金融发展面临的内外部形势发生了重大变化。2023 年中央金融工作会议（下文简称“会议”）是中央金融委、中央金融工作委组建后召开的首次全国性的金融工作会议。这次会议为新时代新征程推动金融高质量发展指明了方向。会议既有针对中国金融高质量发展的长期制度设计，提出了“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”等，又有紧扣当前形势，聚焦“地方政府债务、房地产风险和金融市场波动”等隐患所做的及时政策安排，是未来金融工作的根本遵循和行动指南。本报告从货币、绿色、开放三方面视角，重点解读了2023年中央金融工作会议对于我国货币政策取向、绿色金融发展、金融高水平对外开放等方面的相关要求与影响，并就下一步如何落实中央金融工作会议提出了相关建议。一、提高金融服务质效，做好“稳总量”“优结构”“降成本”三重均衡 近年来，受中美经贸摩擦、疫情冲击、全球货币政策转向、乌克兰危机等多种因素影响下，我国经济下行压力加大。面临复杂严峻的经济环境，金融业持续加大对实体经济支持力度，有力推动经济运行整体回升向好。从总量看，人民银行运用公开市场操作、降准等方式维持流动性合理充裕，鼓励金融机构加大信贷投放力度，带动资金供给规模保持稳定增长。截至 2023 年 9 月末，我国社会融资规模存量达 372.5 万亿元，是 2017 年末的 1.81 倍。其中，向实体经济发放的人民币贷款存量为 232.78 万亿元，是 2017 年末的 1.96 倍（图 1）。从结构看，充分发挥结构性货币政策工具带动作用，通过政策引导、先贷后借等方式支持经济重点领域和薄弱环节发展。普惠、绿色、科创领域信贷增速连续多年维持在 20%以上（图 2）。从价格看，多次调降 MLF、LPR 等，带动信贷利率稳步下行，降低实体经济融资成本。金融机构人民币贷款加权利率降至 2023 年二季度末的 4.19%，比 2017 年末下降了 152 个 BPs。2 2023 年第 47 期（总第 502 期）图 1：社融及人民币贷款存量变化 图 2：主要领域信贷增速变化 资料来源：国家金融监督管理总局，中国银行研究院 但必须认识到，当前金融服务实体经济仍然存在不足。会议提出，“金融服务实体经济的质效不高”“金融要为经济社会发展提供高质量服务”。因此，金融要围绕实体经济需求持续发力，为实体经济提供更加优质、高效的服务，助力经济高质量发展。第一，维持资金总量合理增长，切实满足实体经济融资需求。当前经济整体呈复苏态势，但基础仍不稳固，叠加四季度地方债、国债加速发行，市场主体资金需求上升。要确保良好的融资环境，这既是支持实体经济发展的根本，也是稳定市场主体预期的关键。为此，会议指出“要着力营造良好的货币金融环境”“始终保持货币政策的稳健性，更加注重做好跨周期和逆周期调节，充实货币政策工具箱”。一方面，货币政策要维持流动性合理充裕，保障合意的资金供给规模，为实体经济稳健发展提供充足的资金支持。另一方面，政策调控要始终坚守稳健基调，兼顾长期和短期，在强化逆周期调节应对经济下行压力的同时，根据经济形势变化灵活调整政策力度，稳定资金供给节奏，做好跨周期调节，坚持不搞“大水漫灌”，在避免宏观杠杆率过快上升的同时为经济的长期发展留下足够的政策空间。此外，要根据需要创新政策工具箱，特别是针对流动性来源短缺、经营压力较大的中小银行，可在流动性补充方面给予更多支持。例如，推出符合不同层次金融机构需要的流动性投放工具、合理拓宽合格抵01002003004-------05社会融资规模存量人民币贷款万亿元010203040-------05普惠绿色高技术制造业%宏观观察 2023 年第 47 期（总第 502 期）3 押品范围等，不断提升金融机构信贷投放能力。第二，持续优化资金供给结构，助力经济结构持续优化升级。近年来，我国科技创新、绿色产业等发展势头迅猛，在新能源、量子计算、人工智能、航空航天等领域取得明显成绩，经济增长新动能在加速形成，这要求金融继续加大对相关行业的支持力度。为此，会议提出“把更多金融资源用于促进科技创新、先进制造、绿色发展和中小微企业”。金融要提高资金供给的针对性，引导资金持续流向科创、绿色、普惠等关系国家重大战略发展的领域，加大对新能源、人工智能、生物制造等战略性新兴产业的资金支持；积极创新或完善更具针对性的结构性货币政策工具，不断优化激励约束机制，强化资金引流作用，确保资金精准流入重点发展领域，避免资金空转；引导金融机构综合运用大数据、人工智能等金融科技手段强化业务创新，打造高质量、可持续的业务发展模式，确保对相关行业服务的可持续性。第三，多措并举降低融资成本，更好为实体经济减负。近年来实体经济融资成本整体下行，但不少企业特别是民营、中小企业等资金成本下行速度相对偏慢，资金成本仍然较高。为此，会议强调，要保持“融资成本持续下降”。但考虑到商业银行净息差已达到历史新低（二季度为 1.74%），经营压力较大。一方面，可综合运用定向降准、拓宽中小银行市场化融资渠道、发挥自律机制作用引导存款利率下行等方式降低商业银行负债成本，缓解银行负债管理压力。根据经济形势变化合理调降政策利率，引导社会综合融资成本下行。另一方面，引导金融机构在支付结算效率、资金周转速度等方面给予企业和居民更多支持，减少非必要收费项目，切实改善企业及居民融资体验，提升其主动融资意愿。商业银行应认真领会会议精神，积极践行会议提出的各项要求，在充分发挥金融体系压舱石作用、推动经济持续向好的同时，也要主动抢抓业务机遇、完善服务模式，实现自身可持续发展。一是推动信贷投放规模稳步扩张。在经济仍面临一定下行压力背景下，商业银行应结合经济形势变化、实体经济资金需求及项目储备情况等，合理安排信贷投放节奏，确保信贷投放速度保持在合理水平，确保与经济增速基本同步，同时避免杠杆过度扩 4 2023 年第 47 期（总第 502 期）张，为后续发展埋下隐患。二是结合重点行业发展谋篇布局，积极抢抓业务机遇。除资金供给外，预计监管部门后续会在产业政策等方面对重点行业给予更多配套支持，相关行业有望持续迎来政策利好。商业银行应提前谋划，除继续加大对已有成熟行业的支持外，在项目储备、资金投向上也要更多向具有较大发展潜力的新兴领域及行业倾斜。另外，结合科技创新、绿色行业企业需要及可能出现的多样化需求，综合设计涵盖资金、咨询、保险等多样化、全流程的金融服务模式。三是发挥综合化优势，持续拓宽利润来源。在利率环境整体宽松影响下，商业银行净息差大概率将继续下降，银行利息收入承压，这需要持续拓展非息收入来源。具有综合化经营优势的商业银行，可积极推动行司联动，抢抓更多业务机遇。例如，资管部门、理财子公司、基金等可联合布局资本市场，合理增配科技创新、先进制造等领域资产。另外，可结合后续国债发行等情况变化，适度增配长期限国债，拉长资产久期，提前锁定利息收益。二、绿色金融由“谋篇”进入“布局”新阶段，助力经济绿色转型发展 会议强调，“把更多金融资源用于促进科技创新、先进制造、绿色发展和中小微企业”“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”，对未来一段时期我国绿色金融发展寄予更高期待。第一，与2017年全国金融工作会议表述相比，会议进一步提升了绿色金融的政策地位，表示着我国绿色金融由“谋篇”进入“布局”新阶段。2016 年七部委发布通知，首次正式提出“绿色金融”概念。当时绿色金融尚处发展初期，2017 年会议便已提及绿色金融，体现了国家对其的重视。由于绿色金融制度架构等尚在搭建，2017 年会议表述相对稳健，在提出建设普惠金融体系、加强金融精准扶贫等要求之后，提出“鼓励发展绿色金融”。2017 年以来，我国陆续出台一系列措施（表 1），政策框架不断完善，绿色贷款、绿色债券余额快速增长，目前均已居全球前列。特别是绿色贷款到宏观观察 2023 年第 47 期（总第 502 期）5 2023年9月已达28.58万亿元，近两年来增速明显高于全部贷款增速（图3）。当前，发展绿色金融的条件更加充分，而且为实现2030年碳达峰目标，加快发展绿色金融必要性更加迫切。因此，会议要求要将更多资源用于绿色发展等重点领域，首次将绿色金融做为“五篇大文章”中的第二篇，体现了对绿色金融的重视程度进一步提高。表 1：2017 以来中国绿色金融领域主要政策 时间 发布部门 政策名称 主要内容 2017 年 3 月 证监会 中国证监会关于支持绿色债券发展的指导意见 对绿色公司债券、绿色产业等作出界定，规定了绿色债券募集资金的投向 2017 年 6 月 环境保护部、证监会 关于共同开展上市公司环境信息披露工作的合作协议 旨在共同推动建立和完善上市公司强制性环境信息披露制度，督促上市公司履行环境保护社会责任 2018 年 7 月 中国人民银行 关于开展银行业存款类金融机构绿色信贷业绩评价的通知 开展银行业存款类金融机构绿色信贷业绩评价，定量指标包括绿色贷款相关的余额占比、份额占比、绿增量占比、同比增速、不良率 5 项，其评价结果纳入银行业存款类金融机构宏观审慎考核 2020 年 12 月 生态环境部 碳排放权交易管理办法（试行）对碳市场建设的责任部门、气体覆盖范围、碳交易主体等做出规定，标志着我国全国性碳交易市场建设的开启。2021 年生态环境部发布碳排放权登记管理规则（试行）碳排放权交易管理规则（试行）和碳排放权结算管理规则（试行）三项文件，进一步完善了碳市场运行规则 2021 年 4 月 中国人民银行等部门 绿色债券支持项目目录（2021 年版）绿色债券分类标准统一的重要文件，在统一国内绿色债券项目标准、提升可操作性以及与国际标准接轨等方面均体现了积极意义 2021 年 5 月 中国人民银行 银行业金融机构绿色金融评价方案 对银行业金融机构绿色金融业务开展情况进行综合评价，设立定型和定量指标及其权重,并根据评价结果实行激励 2021 年 8 月 中国人民银行 金融机构环境信息披露指南环境权益融资工具 拉开了中国绿色金融标准编制序幕，填补绿色金融行业标准空白。金融机构环境信息披露指南旨在规范金融机构环境信息披露工作，助力识别、量化、管理相关金融风险等。环境权益融资工具明确了环境权益融资工具的分类、实施主体、融资标的、价值评估等 2021 年 11 月 中国人民银行 推出碳减排支持工具 人民银行通过碳减排支持工具向金融机构提供低成本资金，引导金融机构在自主决策、自担风险的前提下，向碳减排重点领域内的各类企业一视同仁提供碳减排贷款 2022 年 6 月 银保监会 银行业保险业绿色金融指引 指引进一步强化了信息披露和利益相关者的交流互动：一是公开绿色金融战略和政策，充分披露绿色金融发展情况；二是借鉴国际惯例、准则或良好实践，提升信息披露水平；三是应当建立申诉回应机制；四是建议聘请第三方进行独立鉴证、评估或审计 2023 年 3 月 国家发改委 绿色产业指导目录（2023 年版）（征求意见稿）确定七大产业类别：节能降碳产业、环境保护产业、资源循环利用产业、清洁能源产业、生态保护修复和利用、基础设施绿色升级及绿色服务 2023 年 4 月 国家发改委等部门 碳达峰碳中和标准体系建设指南 提出碳达峰碳中和标准体系包含基础通用标准、碳减排标准、碳清除标准和市场化机制标准 资料来源：Wind，中国银行研究院 6 2023 年第 47 期（总第 502 期）图 3：绿色贷款增速远超全部贷款增速（%）资料来源：中国人民银行，中国银行研究院 第二，协同发展绿色金融和转型金融，统筹实现2030年碳达峰和保障能源安全两大任务。未来五年是兑现2030年碳达峰承诺的关键时期，能源领域排放占我国总排放量近 80%，需进一步加快能源清洁低碳转型步伐。同时在风高浪急的国际环境下，会议再次强调要确保能源安全。为统筹完成这两大任务，绿色金融重任在肩。一方面，绿色金融要继续大力支持新能源发展。继陆上风光电之后，在绿氢、海上风电、储能等领域也应加力采取支持措施，推动新能源装机在全国能源版图中占比继续提升。另一方面，要在转型金融领域加速布局。尽快出台转型金融领域的标准、激励约束政策等，推动煤电、油气等传统能源加速开展清洁高效灵活性改造，为风光电等新能源调峰提供保障，并夯实油气煤炭等在保障能源安全大局中的压舱石作用。第三，“五篇大文章”不是相互独立的，绿色金融要与科技金融、普惠金融、养老金融、数字金融等融合发展。一是绿色是高新科技的重要组成部分，绿色金融需与科技金融相互助推。氢能、海上风电、大规模储能、可控核聚变、特高压输电等是绿色低碳发展的重要技术支撑，也是全球科技竞争的新高地。未来五年，围绕清洁能源领域的前沿科技创新，是绿色金融、科技金融应共同聚焦的重点。二是绿色金融要向普惠领域延伸。当前绿色贷款、绿色债券等服务对象主要集中于大企业，有力带动了绿色金融量的快速增长。下一步绿色金融要更多布局普惠小微、乡村振兴等领域，通过开展绿色普惠贷款、绿色票据、绿色涉农贷款、绿色农业保险等，提升绿色金融的%宏观观察 2023 年第 47 期（总第 502 期）7 颗粒度和普及面。三是绿色金融要为养老金融提供高质量配置资产，养老金融要为绿色金融提供长周期资本。近年来高收益优质资产“资产荒”现象突出。绿色低碳是具有良好前景的新赛道，促进绿色债券、ESG 基金、绿色理财等健康有序发展，可为养老金融提供丰富的优质投资标的。同时作为“大长金（大规模长周期资金）”，养老金可为长周期的绿色低碳转型提供耐心资本，成为绿色金融重要的长期资金来源。四是绿色金融要与数字金融互融互促。确保融资项目的绿色低碳属性、提高甄别“漂绿”的能力，是绿色金融高质量发展的必修课。其中，将涉及大量的企业环境信息采集、建模、分析、监控等环节，亟待金融科技手段提供底层支撑，这也将为数字金融发展提供丰富的应用场景。本次会议为未来一段时期银行业开展绿色金融业务指明了方向。一是要进一步提高政治站位，提高重视程度。在内部绩效考核权重、人事费用配置、机构和人员设置、经济资本核算、授信流程、内部转移补贴等方面对绿色金融业务适度采取更大倾斜。二是拓展新能源支持领域。多年来银行业在陆上风光电等方面发挥了巨大金融支持作用，下一步在绿氢、海上风电、生态碳汇、大规模储能等方面，应积极研发出台适配金融产品、拓展客户群体，开辟新能源金融服务新局面。三是为开展转型金融早作准备。预计国家将在未来几年推出转型金融标准及相关激励约束政策。银行业应提前着手摸排高排放企业情况、及早建立银企对接渠道，为未来业务展开奠定基础。四是绿金考核应更多覆盖普惠金融领域。目前从国家到各金融机构，绿色金融考核机制主要关注量的增长，金融业对中小微企业关注度相对不足。未来应对考核机制适度调整，推动银行业在中小微企业方面出台更多服务措施，提升绿色普惠金融服务的量与质。五是注意吸纳长周期养老金。随着人口老龄化形势日趋显现，银行业应更多推出绿色 养老双主题的理财、基金、保险等产品，以长周期的养老金支持绿色发展，同时以稳健的长期收益反哺养老金持有人。六是充分吸收金融科技手段。通过内部研发或与金融科技公司进行合作，量体裁衣为本机构打造全流程、智能化的绿色金融数字服务平台，提升绿色金融业务效率。8 2023 年第 47 期（总第 502 期）三、着力推进金融高水平开放，确保国家金融和经济安全 近年来，我国金融业开放取得了突破性进展。金融市场对外开放不断深化，外资准入条件持续放宽，外资加大在华投入、增持境内金融资产。会议指出，“要着力推进金融高水平开放”，以下三方面需重点关注。第一，深化金融市场制度型开放，促进跨境投融资便利化提升。近年来，随着外资在华投资比例限制被不断放开，外资金融机构不断增多，业务范围大幅扩大，以及沪深港通、内地与香港债券通等启动，外资在华持有股债比例持续提高。2020 年-2023 年 9 月，在华外资银行增（注）资总计达 187.3 亿元。截至 2023 年 9 月，来自52 个国家和地区的 202 家银行在华设立了机构，共有 1110 家境外机构进入中国债券市场，持有中国债券 3.3 万亿元（图 4）。图 4：境外机构持有人民币金融资产规模 资料来源：Wind，中国银行研究院 会议指出，“稳步扩大金融领域制度型开放，提升跨境投融资便利化，吸引更多外资金融机构和长期资本来华展业兴业”。一是优化外资准入政策设计。制度型开放，即从顶层设计上推动金融高水平对外开放，涉及的是规则、规制、管理、标准等，开放层次更高、难度更大，有利于深入对外开放、深化改革开放。二是更注重广泛参与国际合作，加强与国际规则的对接与融合。三是在持续扩大市场准入的基础上，提升跨境投融资便利度，同时优化外商投资环境，加大吸引外商投资力度，特别是鼓励外商长期资本来华展业兴业。0 5000 10000 15000 20000 25000 30000 35000 40000 45000 ---06亿元中国:境外机构和个人持有境内人民币金融资产:股票中国:境外机构和个人持有境内人民币金融资产:债券宏观观察 2023 年第 47 期（总第 502 期）9 第二，着力推进上海、香港国际金融中心建设，提高竞争力、扩大影响力、增强吸引力。近年来，上海国际金融中心建设“拾级而上”，核心功能不断增强。2022 年，上海跨境人民币业务收付金额 19.53 万亿元，占全国比重近 50%（图 5）。截至 2023年 4 月，上海持牌金融机构总数达 1736 家，其中外资金融机构 539 家，占比近三分之一。香港国际金融中心具备“一国两制”、不同关税区、多种货币、辐射全球等独特优势，尤其在粤港澳大湾区国家战略中，起到连通对接国际市场的重要角色。据第34 期全球金融中心指数显示，2023 年香港在全球 121 个金融中心中的总排名居第4 位。图 5：近年来上海跨境人民币业务收付金额 资料来源：Wind，中国银行研究院 会议特别指出，“增强上海国际金融中心的竞争力和影响力，巩固提升香港国际金融中心地位”。作为金融高水平对外开放的重要窗口，沪港金融开放枢纽门户地位将更加凸显。一是持续提升沪、港金融服务功能，有重点有侧重加快制度创新与先试先行，更好服务金融高水平对外开放进程。二是提升上海国际金融中心建设能级，搭建更多对标国际、对接国际的功能性平台，强化上海全球资源配置功能与风险管理中心地位。三是充分发挥香港国际金融中心优势，增强香港地区证券、离岸人民币业务等范畴的竞争力和吸引力。同时政策上创新推动粤港澳大湾区城市间的国际金融合作，依托大湾区虹吸更多国际资金向内地资本市场投资。2023 年 10 月 28 日，在国际金融论坛（IFF）全球年会上，李家超表示将于明年上半年与深圳共同设立深港金融合作05000002000002500003000003500004000004500002000212022亿元上海:人民币跨境收付金额:合计中国:人民币跨境收付金额:合计 10 2023 年第 47 期（总第 502 期）委员会，深化推动港深两地金融市场互联互通，加强支持包括金融科技、绿色金融等方面的合作创新。第三，注重跨境风险化解，坚持统筹金融开放与安全。对比 2017 年，2023 年中央金融工作会议对金融开放多了“安全”表述。会议指出，“要着力推进金融高水平开放，确保国家金融和经济安全。”当前全球经济金融形势复杂多变，国际金融风险频频发生，稳步扩大金融高水平开放需统筹安全，防范外部冲击通过跨境渠道传导风险。2023 年美国国债收益率抬高，吸引了大量境内债券投资资金撤出，尤其三季度证券投资项银行代客涉外收付逆差扩大，8 月、9 月分别净流出 293.55 亿美元、145.84亿美元。与此同时，直接投资净流出也罕见增加。今年前三季度我国直接投资项银行代客涉外收付差额-892.29 亿美元，其中 9 月逆差 262.27 亿美元，为近七年以来单月净流出最大月份（图 6）。图 6：资本金融账户银行代客涉外收付逆差扩大 资料来源：Wind，中国银行研究院 对此，会议指出，“维护金融市场稳健运行，规范金融市场发行和交易行为，合理引导预期，防范风险跨区域、跨市场、跨境传递共振。加强外汇市场管理，保持人民币汇率在合理均衡水平上的基本稳定。”一是加强“宏观审慎 微观监管”两位一体的金融监管，在有序推进外汇领域改革开放的同时，要有效维护外汇市场稳定。2023 年美联储维持加息节奏，美元指数表现强势，人民币汇率承压贬值至 7.3 左右。-600-500-400-300-3004005---09亿美元资本与金融项目:直接投资差额资本与金融项目:证券投资差额资本与金融项目:其他投资差额宏观观察 2023 年第 47 期（总第 502 期）11 二是强化跨境资金流动监测研判，降低外部冲击对境内金融市场影响，防范外部风险跨境对股市、债市、汇市的交叉传染影响。2023 年下半年，外资持有 A 股市值规模有所下降，北向资金净流出明显增加。此外，会议强调“稳慎扎实推进人民币国际化”。近年来，人民币国际化稳中有进，跨境人民币业务服务实体经济能力增强，人民币融资货币功能提升。据2023 年人民币国际化报告，2023 年 1-9 月，人民币跨境收付金额为 38.9 万亿元，同比增长 24%。其中，货物贸易人民币跨境收付金额占比 24.4%，同比上升 7 个百分点，为近年来最高水平。据环球银行金融电信协会（SWIFT），2023 年 9 月人民币在全球贸易融资中占比为 5.8%，同比上升 1.6 个百分点，排名上升至第二位。未来，我国将继续扎实推进人民币国际化进程。在提升开放条件下的风险防控能力、健全本外币一体化宏观审慎管理框架的同时，稳步提高跨境人民币业务能力，完善人民币跨境交易结算等制度和基础设施安排，促进人民币在岸、离岸市场形成良性循环。从对银行业影响来看，随着金融市场对外开放稳妥推进，商业银行将有许多新的发展机遇，但也增加了挑战。从机遇来看，中资银行与国际金融机构可有更广泛的合作与创新，可在绿色金融、供应链金融、金融科技创新等方面加强国际对接、探索业务创新升级。与境外机构共同开展业务，同时积极拓展境外市场，争取更多的海外市场份额。银行要把握好“一带一路”“RCEP”共建等机遇，提高资金融通服务质效，完善支付清算体系建设，促进跨境结算便利化，为实现金融高水平对外开放贡献更多力量。从挑战来看，随着外资银行在中国市场的参与度提高，我国商业银行发展面临的市场竞争压力或上升，业务经营与盈利空间也会受到影响。对此，商业银行要持续提高国际化业务水平，提高自身的经营能力。同时加强风险管控意识，持续跟踪外部形势变化，做好跨境风险研判分析，严防境外金融风险向内地传导。

0人已浏览 2023-11-09 12页 5星级

人工智能为金融服务业带来风险和机遇金融服务业领导峰会2023年10月 1 “关于 AI 的讨论令人振奋，同时也会感到恐慌。”与会董事 人工智能为金融服务业带来风险和机遇 自 OpenAI 于 2022 年下半年推出 ChatGPT 以来，许多知名人士就人工智能（AI）对社会的影响发表了看法。比尔盖茨（Bill Gates）表示，ChatGPT 具有“革命性”，是“自图形用户界面以来最重要的技术进步”。1谷歌首席执行官桑达尔皮查伊（Sundar Pichai）认为，AI 的快速发展“将影响每家公司的每一款产品”，他表示“社会需要适应 AI”。2 但并非所有人都看好 AI 前景。今年 3 月，包括特斯拉联合创始人埃隆马斯克（Elon Musk）和苹果公司联合创始人斯蒂芬沃兹尼亚克（Steve Wozniak）在内的一批技术专家、学者和商界领袖联名签署信函，呼吁在六个月内暂停训练世界上最先进的 AI 模型。签署者认为，先进 AI 技术开发必须基于审慎规划和协作。信中写道：“很遗憾，目前的规划和管理水平并不到位尽管最近几个月，各人工智能实验室陷入了失控的角逐赛道，争相开发和部署更强大的数字思维，但没有人（即使是创造者）能理解、预测或可靠地控制这些数字思维。”3 关于 AI 的讨论引起了金融服务业高层领导的关注，他们认为 AI 技术可能创造新的机遇，但也会给金融机构和社会带来新的风险。一位与会董事指出：“关于AI的讨论令人振奋，同时也会感到恐慌。”4 6 月 13 日至 14 日，多家大型银行、保险公司、资产管理公司和金融科技公司的董事和高管、监管人士以及其他行业专家聚首 2023 年金融服务业领导峰会。与会者讨论了 AI 的发展、应用及大型金融机构所面临的挑战。本期视点汇总了峰会讨论和相关对话，并重点关注以下主题：AIAI 技术发展迅猛技术发展迅猛 金融服务业不断涌现新的金融服务业不断涌现新的 AIAI 应用应用 生成式生成式 AIAI 带来额外风险带来额外风险 金融机构正处于调整治理和监督模式的早期阶段金融机构正处于调整治理和监督模式的早期阶段 AI 发展迅猛 对于企业高层而言，不去理会围绕新兴技术的大肆炒作可能非常困难。但如果这项技术，如同 AI 一样，带来重大风险或机遇，那么这样做又是必需的。虽然大型银行和保险公司利用 AI 执行某些功能已有一段时间，但一些与会者认为，ChatGPT 和类似生成式 AI 工具的出现标志着 AI 取得了重大飞跃。他们指出，AI 可能会带来变革式影响。一位与会者表示：“我们正经历AI的爆发式增长，但人类很难掌控这一切我们正处在AI发展的拐点，很显然，这将成为一个社会性的拐点。”金融服务业领导峰会 2023 年 10 月 视点视点 人工智能为金融服务业带来风险和机遇 金融服务业领导峰会 2 “我们正经历爆发式增长，但人类很难掌控这一切。”与会者 “技术应用得越多，越不觉得恐惧，反而越兴奋。”与会者 “AI 发展势不可挡，趋势不可逆转，影响无处不在。”与会高管 但也有与会者质疑AI是否有别于过去的技术发展。一位与会董事提出这样的问题：“自计算机诞生以来，人类可能会变得无关紧要，这项威胁一直存在。30年前，交易大厅有100名股票交易员，如今有99名算法程序员和一名交易员。这说明工作离不开人，只不过是从语言沟通转变为代码编写。那么，AI技术有何不同？”金融服务机构开始尝试使用生成式 AI，初步成果令许多机构惊叹。一位与会高管表示：“生成式AI出现后，我们决定试试。我们一直在后台使用这些大型语言模型，并研究其功能。我们很快发现，这些功能表现惊艳，实现了巨大飞跃。”另一位与会者预测，AI 将继续快速发展，“我们将在未来五年内打破认知。”随着 AI 的进步，整个社会对其前景感到乐观的同时，也存在深深的不安感。一位与会者表示：“AI技术将造福人类，广泛应用于多个领域，不仅关乎健康，还将长期提升我们的生活质量由于机器学习的出现，我们的知识水平将大大提高。AI适用甚广，非常有益。”一位自称“恐惧的乐观主义者”的与会者认为，有些恐惧是“对进步的合理反应”，但也强调 AI 技术可能带来诸多益处，停止 AI 发展并不可行，因此，不要暂停模型开发。该与会者建议，金融机构应继续尝试使用这些新工具，因为“技术应用得越多，越不觉得恐惧，反而越兴奋。”另一位与会高管表示赞同：“我觉得AI发展势不可挡。趋势不可逆转，AI的影响无处不在。AI留给我们适应的时间远少于互联网，它将加速发展，并产生变革性影响。”金融服务业不断涌现新的 AI 应用 大型金融服务机构过去已使用 AI 来提高运营效率、改善客户体验、缓释经营风险、推动组织创新。自 ChatGPT 问世以来，AI 模型越来越强大，部署速度也越来越快。“我们一直在研究生成式AI，”一位与会者指出，“我们正处于开发阶段。我们在世界各地部署，让所有人都可以使用AI界面。”金融机构仍在测试这些工具，以深入了解其功能，并且开始使用。一位与会高管表示：“银行目前正在进行试水摸索。我们都认可AI的价值，它可能节约成本”。与会者指出，生成式 AI 工具可以带来如下益处。提高客户服务质量。提高客户服务质量。大型语言模型（LLM）有望增强客户服务数字化工具，利用客户信息提供更个性化、更高效的服务。一位与会高管指出：“AI让这些工具更加强大。现在的聊天机器人只能回答它们知道的问题，不多也不少。不久以后，它们将能够回答自己不知道的问题。”更强大的数字化辅助工具有助于缓解前台员工压力，同时提供更好的客户体验。证据表明，初步试验前景看好。帕兰提尔公司（Palantir）最近宣布，旗下有一款尚未正式上市的AI产品，其需求之大“前所未有”。一位保险行业客户在获准提前使用该产品的几天内，创建了一个“协作式AI代理”来自动处理理赔事宜。帕兰提尔公司表示，该客户认为这一工具比竞争对手的产品“领先数年”。5 人工智能为金融服务业带来风险和机遇 金融服务业领导峰会 3 “GPT 将彻底改变软件行业，普通人也将具备编程能力。”与会者 加快并改善文件复核和数据分析。加快并改善文件复核和数据分析。银行和保险公司在正常业务过程中会生成大量文件和数据。要在各个保单、表格和数据库中搜索具体信息，可能既费时又繁琐。先进的大型语言模型（LLM）可以帮助加速这一过程，并生成新的信息。一位与会保险业高管解释道：“保险公司的文件和报告中含有大量专业知识和信息。LLM可帮助理解先前难懂的信息。”该与会者还表示：“我们注重语言能力和措辞。在承保和创建保单时，我们必须完成跨国家、语言、法律法规、保单、免责条款等的翻译。GPT-4能够出色地找出合同和保单中的措辞差异，并且可以识别多种不同语言。”更快地识别这些差异，有助于承保人员或数据科学家将时间投入到更有意义的工作上，并且预防“泄露或成本过高的情况”，从而节省成本。另一位与会高管表示：“我们可以采用ChatGPT处理数据，搜索结果将更加出色；也可用于股票研究和其他业务领域。”简化软件开发，简化软件开发，实现软件开发大众化实现软件开发大众化。一位与会者预测道：“GPT将彻底改变软件行业，普通人也将具备编程能力。”一位与会高管称，这将通过“提示工程”来实现，即软件开发人员使用生成式 AI 助手 Copilot 协同工作，“直接使用自然语言而非编程语言”。这一流程将大大减少工程师在软件开发上花费的时间。一位与会高管预测，效率将提高 40%。虽然对顶尖技术人才的需求在短期内不会得到缓解，但技术背景较弱的人员可以通过提示工程执行开发流程，从而缓解人才供应短缺。一位与会者预测“英语专业或将再度成为热门”，因为需要有能力“表达细微差别从而指导和训练这些模型”的人才。管理原有平台。管理原有平台。与会者认为，在最终迁移到更现代化的平台之前，可以利用生成式 AI 工具提高对老系统的管理效率。一位与会高管表示：“每个银行或保险公司都有处于运行状态的老旧系统。没有人了解这些系统。即使维持这些系统现状，生成式AI也会告诉你它们在做什么。生成式AI可以帮助你了解这些系统，为转型做好准备。”尽管与会者对生成式AI 的初步应用场景抱有一定热忱，但他们表示，在生成式 AI 技术成熟周期的这个阶段，仍有一些领域是他们不愿探索的。例如，一些机构仅使用生成式 AI 处理自有数据。一名与会高管表示：“我们不想接触任何外部数据。我们不接触外部世界，这确实限制了效率。”另一位与会者表示，他们只在内部使用这些工具，“我们还没有用它与客户互动；这还不是我们的优先工作事项。”人工智能为金融服务业带来风险和机遇 金融服务业领导峰会 4 “这是我第一次感受到，变革的速度超过了我们所能理解和管理变革的能力。”与会者 “我们必将面临更多的欺诈和网络攻击，但防御应对措施也会越来越先进。”与会者 生成式 AI 带来额外风险 大型金融机构在考虑如何使用AI 的同时，还需要降低这一技术带来的风险。一些风险并不陌生，但随着生成式AI 的日益普及，其他风险也在不断出现。与会者指出了他们在部署这些工具时所关注的一些问题。紧跟技术变革的步伐。紧跟技术变革的步伐。AI 的飞速发展引发了深刻的问题，即使是具有技术背景的人才也不例外。一位与会资深行业人士承认：“我从事变革性技术工作已有40多年.这是我第一次感受到，变革的速度超过了我们所能理解和管理变革的能力。”另一位与会者指出：“从GPT-1、GPT-2到GPT-3.5再到GPT-4，AI实现了巨大的飞跃。”我们很难将 AI 的炒作与现实区分开来，并在此基础上处理发生的状况，做出及时且明智的决策。一位与会者认为：“我们将面临变革速度的挑战.培训一门新学科可能会成为一项艰巨的任务。”分清事实与虚构。分清事实与虚构。众所皆知，生成式AI工具生成的结果有时令人叹服，但有时毫无真实性。与会者认为这些“幻觉”是AI模型的特有现象。一位与会者指出：“ChatGPT是一个概率模型，它与人类认知非常不同。问题随之而来。例如，ChatGPT会产生幻觉，提出捏造、不真实的信息。”将概率结果解释为事实陈述可能会误导我们，就像同行给出的意见可能会有偏见。另一位与会者表示：“我们不应该轻信这些结果，就像出门在外不应该相信任何人一样。我们需要考虑AI给出答案的概率分布。”监控可能存在的偏见和意外后果。监控可能存在的偏见和意外后果。AI 应用日趋复杂，可能产生偏见。一位与会者表示：“大多数算法反映了算法制定者的偏见。大多数算法制定者是美国西海岸的白人。我们已经发现快递应用程序加快了为上层白人的邮政编码区送货的速度。”金融服务业也出现了类似的问题。一位与会董事表示，某银行测试使用 AI 处理信贷申请时，他们震惊地发现“在两周内，AI完全根据邮政编码发放贷款。它不能这么做。”出于避免偏见的考虑，许多高层领导不愿将 AI 应用于授信和审贷流程等领域，因为在这些领域，金融机构可能需要向客户和监管机构解释他们做出特定决策的原因。一位与会高管表示：“我们必须非常谨慎地在提取信息并将其呈现给投保人或经纪人与真实提出建议之间划界限，否则会违反大量规则。”加强网络和其他安全防御措施。加强网络和其他安全防御措施。一位与会董事表示：“我非常担忧国家支持的网络行动、网络威胁、欺诈、网络钓鱼。我们将会看到网络骗子如何利用AI来提高其效率。”另一位与会者也有此类担忧：“生成式AI的本质是生成新的文本、图片和音频，因此，欺诈和网络攻击也必然会增加。”另一位与会者提醒：“通过操纵数据湖和破坏数据就可以操纵算法。”但是，一位与会者比较乐观：“是的，我们必将面临更多的欺诈和网络攻击，但防御应对措施也会越来越先进。那么，我们如何利用AI驱动工具加强防御呢？”人工智能为金融服务业带来风险和机遇 金融服务业领导峰会 5 “OpenAI 首席执行官山 姆 阿 尔 特 曼（Sam Altman）对其协助创造的技术感到不安。他正在申请由世界各地的监管机构和政策制定者对 AI进行监管。”与会者 “如果我们告诉客户，我们正在使用 AI 技术和相关信息作出与他们相关的决策，他们会有何反应？”与会者 金融机构在应对这些风险的同时，还需要关注不断变化的监管环境，因为这也可能给金融机构带来新的挑战。一位与会者指出：“OpenAI首席执行官山姆阿尔特曼（Sam Altman）对其协助创造的技术感到不安。他正在申请由世界各地的监管机构和政策制定者对AI进行监管。”该与会者警告道：“随着社交媒体的发展，操纵选举、滥用儿童数据、心理健康问题等随之而来。这是一场在没有监管的情况下部署技术的社会实践。”金融机构的领导者希望政策制定者更加积极主动地监督 AI 的发展。一位与会者表示：“我们通常在出现问题且一发不可收拾的情况下才进行监管。”但是，政策制定者正在采取行动。美国拜登政府已经宣布一系列倡议，以指导对 AI 技术的应用，欧洲可能率先监管 AI 技术。目前，欧盟议会正在审议人工智能法案，其中包括根据风险对 AI 系统进行分类、对风险较高的系统实施更严格的监管以及彻底禁止某些活动的拟议规则。6如果该立法通过，大型金融机构有关信用评级、人力资源流程甚至电子表格的合规成本将增加。一位与会者表示：“该项法案主要针对所有影响客户或员工的事项制定。”金融机构正处于调整治理和监督模式的早期阶段 大型银行和保险公司的高层领导仍在评估可能需要对治理和监督做出哪些调整，从而可靠部署这些更加强大的模型。AI 技术发展迅速，尚未制定标准和最佳实践。与会者初步提出了一些方法，后续将进一步探讨。制定指导原则并组建多学科团队来监督制定指导原则并组建多学科团队来监督 AI。邀请拥有不同背景和观点且经验丰富的领导者制定指南，审核潜在的AI应用程序。一位与会者说，金融机构组建团队和设定原则就“如同设立最高法院和制订宪法”。该团队由“来自不同学科的成员组成，共同探讨一项计划创造的收益是否超过其所带来的风险，是否值得执行”。但是，与任何小组一样，咨询小组和跨学科监督小组会受自身偏见影响。一位参与者表示：“谷歌解散了AI道德委员会，因为一些成员的观点存在争议，其观点对某些人群存在明显的偏见。”与会者提供了一些可能有所裨益的指导原则。例如，一位与会者建议从“辅助而非替代”（即提供帮助，而非取代）的应用场景着手。另一位与会者表示，领导者应询问“如果我们告诉客户，我们正在使用AI技术和相关信息作出与他们相关的决策，他们会有何反应？”制定保证框架。制定保证框架。一位与会者介绍了思考和应对 AI 相关风险的框架：“首先，我们应该考虑哪些风险与技术本身密切相关？例如，可能存在偏见等。其次，我们应该考虑和AI工具使用者相关的风险有哪些？有哪些应用场景？这样，我们可以考虑所需的控制、问责机制和透明度问题。”人工智能为金融服务业带来风险和机遇 金融服务业领导峰会 6 “我们如何确保全社会拥有未来发展所需的各类技能？这个问题非常重要。”与会者 “我和其他董事会的每一位董事都有同感，认为我们还没有找到答案。”与会董事 利用利用 AI 技术进行技术进行 AI 事实核查。事实核查。金融机构需制定“检测AI是否正常运行和是否发生故障”的流程。与会者认为，可以使用这些工具来管理幻觉和意外后果等问题。一位与会者指出：“人们往往无法理解AI的工作原理，这一问 题可通过架构解决，将基本原理与人类可以理解的分类算法相链接。”与会者建议使用 AI 技术监测、控制和降低其他 AI 模型中的风险。一位高管解释道：“我们监测所有系统提示，从而能够跟踪和确定信息来源。”另一位高管表示，生成式 AI 工具具有概率性质，金融机构可以“通过系统评估输出信息的可信度，并与其他分布式系统输出信息的可信度相比较”，或者“使用另一个（或者多个）模型来检查模型输出，如同一个人有同行检查工作一样。”投入培训。投入培训。为高层领导以及普通员工提供潜在应用场景及相关风险培训至关重要。一位参与者表示：“首先从人员培训入手。询问他们在什么背景下使用这个模型。有人认为它是搜索引擎，有人认为它用于预测。你必须了解使用AI技术的背景。”随着 AI 技术应用越来越广泛，一些参与者认为，应尽早介入培训体系。一位与会者表示：“去年，英国每10名计算机科学学习者中只有一名是女性。这就产生了偏见问题。如果我们不从早期就着手解决这个问题并提供系统性解决方案，我们就无法解决诸多此类问题。”另一位与会者表示：“我们如何确保全社会拥有未来发展所需的各类技能？这个问题非常重要。”加强董事会对话。加强董事会对话。董事会和高管团队仍在为如何更深入了解AI以及可能需要实施哪些治理变革而绞尽脑汁。许多董事会正在积极讨论 AI，一些董事会聘请了外部专家来提供指导和帮助。需要做的工作还有很多。一位董事承认：“由于AI议程在七八个月前才刚刚启动，我觉得与我讨论过的任何人都没有找到答案。我所在董事会的每一名成员以及同我探讨过的其他董事会的每一位董事都有同感，认为我们都没有找到答案。我们尚不了解治理模式的定义、定位和实现方式。”架构不断进化。一位高管表示：“我们设立了一个工作小组，向执行委员会和董事会汇报，帮助他们尽快了解。”对于与会者，监督的第一步是提出正确的问题。我们不妨试探性地问：“如果我们告诉客户，我们是这样应用这一技术的，他们是否欣然接受？”人工智能为金融服务业带来风险和机遇 7 金融服务业领导峰会 附录 以下为参与讨论的人员名单：与会者与会者 Andrew Bailey，英格兰银行行长 Laura Barlow，巴克莱银行可持续发展主管 Colin Bell，汇丰银行和汇丰欧洲首席执行官 Zelda Bentham，英杰华集团可持续发展主管 Megan Butler，摩根士丹利审计委员会主席 Matthew Brewis，英国金融行为监管局综合保险和行为专家 Jan Carendi，伦巴第综合保险公司非执行董事 Michael Cole-Fontayn，摩根大通证券非执行董事 Diane Ct，法国兴业银行非执行董事 Martha Cummings，Marqeta 非执行董事 Ron Dembo，Riskthinking.AI 首席执行官 Terri Duhon，摩根士丹利风险委员会主席 Tim Flynn，摩根大通审计委员会主席 Mark Hughes，瑞银集团风险委员会主席 Daniel Hurl，英国金融行为监管局保险市场分析与政策主管 Shonaid Jemmett-Page，英杰华集团及ClearBank 非执行董事 Janet Johnstone，纽约梅隆银行国际首席行政官 Matthew Jones，Cowbell 首席战略官 Alan Keir，全英房屋抵押贷款协会风险委员会主席 Phil Kenworthy，ClearBank 非执行董事 Jonathan Kewley，高伟绅律师事务所科技集团合伙人兼联席主管 Stuart Lewis，国民西敏寺银行集团非执行董事 Elisabeth Ling，Esure 保险非执行董事 John Lister，英国耆卫保险公司、太平洋人寿保险公司及菲尼克斯人寿保险公司风险委员会主席 John Liver，巴克莱银行非执行董事 Roger Marshall，Pension Insurance Corporation 高级独立董事兼审计委员会主席 人工智能为金融服务业带来风险和机遇 8 金融服务业领导峰会 Charlotte Gerken，英格兰银行审慎监管局保险监管执行董事 Tom Glocer，摩根士丹利首席董事 Danuta Gray，Direct Line 董事会主席 Tobias Guldimann，埃德蒙罗斯柴尔德集团审计和风险委员会主席 Aaron Rosenberg，Radical Ventures合伙人 Sabahat Salahuddin，贝莱德集团投资管理总监 Simon Samuels，Veritum Partners 创始合伙人 Mohit Sarvaiya，纽约梅隆银行国际首席信息官 Nick Silitch，保德信金融集团前首席风险官 Gregor Stewart，Direct Line 审计委员会主席 Paul Taylor，摩根士丹利国际公司非执行董事 Simon Toms，世达国际律师事务所并购兼公司治理合伙人 Edward Ocampo，摩根大通证券风险委员会主席 Kevin Parry，皇家伦敦资产管理公司董事会主席兼提名委员会主席；全英房屋抵押贷款协会董事会主席 David Roberts，英格兰银行地方法庭常驻委员 Tim Tookey，皇家伦敦资产管理公司审计委员会主席 Nick Turner，NFU Mutual 集团首席执行官 Kevin Walsh，美国货币监理署市场风险副主计长 Lewis Webber，英格兰银行审慎监管局监管科技、数据和创新分部主管 Christian Westermann，苏黎世保险集团人工智能和数字化转型分部主管 James Wilde，菲尼克斯集团控股有限公司首席可持续发展官 人工智能为金融服务业带来风险和机遇 9 金融服务业领导峰会 安永安永 Omar Ali，EMEIA 区金融服务主管合伙人 Andy Baldwin，全球客户服务管理合伙人 Jan Bellens，全球银行业和资本市场主管合伙人 Alejandro Latorre，金融服务风险管理咨询总监 Gillian Lofts，全球可持续金融主管合伙人 Peter Manchester，EMEIA 区保险业主管合伙人兼全球保险业咨询主管合伙人 Nigel Moden，EMEIA 区银行及资本市场主管合伙人 Isabelle Santenac，全球保险服务主管合伙人 Chris Woolard，EMEIA 区金融服务咨询合伙人兼安永全球监管网络主席 Tapestry Networks Dennis Andrade，合伙人 Eric Baldwin，总监 Jonathan Day，首席执行官 Tucker Nielsen，合伙人 Andre Senecal，副总监 人工智能为金融服务业带来风险和机遇 10金融服务业领导峰会 关于本文 金融服务业领导峰会汇集了金融服务领域董事会成员、高管和利益关联方以及其他相关领域专家。视点对峰会讨论内容进行了汇总，旨在解决迫在眉睫的问题、提高金融市场公信力。此次峰会由Tapestry Networks 组织和牵头，安永提供支持，作为其对实现董事会效率及良好治理的持续承诺的一部分。视点由 Tapestry Networks 编撰，有助于董事会针对审计委员会成员、管理层及其顾问分别对投资者履职履责时所面临的战略抉择展开及时的实质性讨论。视点的终极价值在于它能够帮助所有读者在这些重要问题上形成自己的观点。欢迎读者将视点与同行分享。参与这一对话的董事会成员、高管和咨询顾问越多，视点为读者创造的价值就越大。关于 Tapestry Networks Tapestry Networks 是一家私营专业服务公司。其使命旨在提高社会跨部门、地域和地区实施治理与领导的能力。为此，Tapestry 建立了由公共和私营部门及民间团体参与的多方利益关联方协作机制，这些行动的参与者均为各关键利益关联方组织的领导者，他们意识到当前的现状既无法满足需要，也无法实现可持续发展，因此正在寻找一个超越其自身利益而使所有人从中受益的目标。Tapestry 已采用这种方法来解决公司治理、金融服务及医疗保健方面严峻而复杂的挑战。关于安永 安永是全球领先的审计、咨询、税务、战略与交易的专业服务机构之一。我们的深刻洞察和优质服务有助全球各地资本市场和经济体建立信任和信心。我们致力培养杰出领导人才，通过团队协作落实我们对所有利益关联方的坚定承诺。因此，我们在为员工、客户及社会各界建设更美好的商业世界的过程中担当重要角色。安永为金融服务业领导峰会提供支持，作为其对实现金融服务业董事会效率及良好治理的持续承诺的一部分。本文件中提出的观点由 Tapestry Networks 独家负责，并不一定反映任何金融机构及其董事或高管、监管或监督机构或安永之观点。具体建议请咨询您的顾问。安永是指 Ernst&Young Global Limited 的全球组织，也可指其一家或以上的成员机构，各成员机构都是独立的法人实体。Ernst&Young Global Limited 是一家英国担保有限公司，并不为客户提供服务。本文件由 Tapestry Networks 编制，版权归 Tapestry Networks 所有，保留所有权利。只能对全部文件内容（包括所有版权及商标图案）进行转载或重发布。Tapestry Networks 及相关标识为 Tapestry Networks,Inc.所有，EY 及相关标识为 EYGM Ltd.所有。人工智能为金融服务业带来风险和机遇 11金融服务业领导峰会 尾注 1 Bill Gates，“人工智能时代已经开启（The Age of AI Has Begun）”，GatesNotes（博客），2023 年 3 月 21 日。2 Jennifer Elias，“谷歌 CEO 警告社会需要为人工智能发展加速的影响做好准备（Google CEO Sundar Pichai Warns Society to Brace for Impact of A.I.Acceleration）”，消费者新闻与商业频道，2023 年 4 月 17 日。3 Samantha Murphy Kelly，“Elon Musk 和其他技术领袖呼吁暂停失控的人工智能角逐（Elon Musk and Other Tech Leaders Call for Pause in Out of Control AI Race）”，CNN Business，2023 年 3 月 29 日。4 视点采用了查塔姆宫规则（Chatham House Rule）的修订版本，按照该规则，相关评论不归属于个人或公司。摘自峰会与会者的会谈引文以斜体形式显示。5 Jake Rudnitsky，“Palantir 新 AI 工具火爆，需求前所未有（Palantir Sees Record Demand for Its New AI Tool.Heres What It Does）”，彭博，2023 年 5 月 9 日。6 Ryan Browne，“欧洲或将出台西方第一部 AI 相关法律，ChatGPT 被盯上（Europe Takes Aim at ChatGPT with What Might Soon Be the Wests First A.I.Law.Heres What It Means）”，消费者新闻与商业频道，2023 年 5 月 15 日。人工智能为金融服务业带来风险和机遇 12金融服务业领导峰会 联系安永 忻怡 大中华区金融服务首席合伙人 亚太区金融科技与创新首席合伙人 86 21 2228 3286 严盛炜 大中华区金融服务审计主管合伙人 安永华明会计师事务所（特殊普通合伙） 86 21 2228 2332 张小东 金融服务华北区市场主管合伙人 安永华明会计师事务所（特殊普通合伙） 86 10 58153322 许旭明 大中华区金融服务高增长市场主管合伙人 安永华明会计师事务所（特殊普通合伙） 86 10 5815 2621 张秉贤 金融服务华南区市场主管合伙人 安永会计师事务所 86 755 2502 8287 benny- 张超 中国区金融服务咨询主管合伙人 安永（中国）企业咨询有限公司 86 10 5815 3502 jason- 阮祺康 金融服务华中区市场主管合伙人 中国区金融服务科技咨询主管合伙人 安永（中国）企业咨询有限公司 86 21 2228 7887 孙苏勇 金融科技与创新合伙人 安永（中国）企业咨询有限公司 86 10 5815 4595 su- 庄智斌 金融服务香港市场主管合伙人 安永会计师事务所 852 2846 9200 tze- 安永|建设更美好的商业世界安永的宗旨是建设更美好的商业世界。我们致力帮助客户、员工及社会各界创造长期价值，同时在资本市场建立信任。安永坚持创新与技术投入，通过一体化的高质量服务，帮助客户把握市场脉搏和机遇，加速升级转型。在审计、咨询、战略、税务与交易的专业服务领域，安永团队对当前最复杂迫切的挑战，提出更好的问题，从而发掘创新的解决方案。安永是指 Ernst&Young Global Limited 的全球组织，加盟该全球组织的各成员机构均为独立的法律实体，各成员机构可单独简称为“安永”。Ernst&Young Global Limited 是注册于英国的一家保证（责任）有限公司，不对外提供任何服务，不拥有其成员机构的任何股权或控制权，亦不担任任何成员机构的总部。请登录 。2023 安永，中国。版权所有。APAC no.03018457ED None本材料是为提供一般信息的用途编制，并非旨在成为可依赖的会计、税务、法律或其他专业意见。请向您的顾问获取具体意见。

0人已浏览 2023-10-27 14页 5星级

 1证券研究报告作者：海外行业报告|行业专题研究请务必阅读正文之后的信息披露和免责申明生成式生成式AI下一颗最闪亮的星：视频下一颗最闪亮的星：视频+引擎引擎2023年10月15日分析师 孔蓉SAC执业证. 

5人已浏览 2023-10-17 31页 5星级

2023/092023年第三季度财会发展回顾帮 助|Help2文档类别：毕马威公开信息 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，是与英国私营担保有限公司 毕马威国际有限.

19人已浏览 2023-09-22 20页 5星级

1云南省绿色金融产品指南（保险篇 2023 版）指导单位：国家金融监督管理总局云南监管局指导单位：国家金融监督管理总局云南监管局编制单位：云南省编制单位：云南省保险行保险行业协会业协会参与单位：云南省. 

0人已浏览 2023-09-18 127页 5星级

2023 云安全联盟大中华区版权所有1 2023 云安全联盟大中华区版权所有2CSA 金融服务行业工作组官网地址是：https:/cloudsecurityalliance.org/research.

38人已浏览 2023-09-05 35页 5星级

部门：TMT金融组2023 iResearch Inc.中国普惠金融行业洞察报告署名：徐佳鑫22023.8 iResearch I引言2013年，党的十八届三中全会将“发展普惠金融”确立为国家战略。2.

131人已浏览 2023-08-20 100页 5星级

2023年8月2023年全球金融服务市场并购趋势：中期回顾及展望目录金融服务业金融服务业1.全球整体趋势32.金融服务业全球并购趋势-细分赛道53.2023年全球金融服务业年中并购展望94.联系人11.

50人已浏览 2023-08-07 12页 5星级

2023年金融服务行业的热门话题、受众洞察与消费趋势目录1.综述2.行业主要挑战3.主要结论4.方法论5.融文简介12概述从更多先进的相关技术不断引入，到对经济和金融的监管政策转变，当今的银行和金融服.

77人已浏览 2023-07-29 25页 5星级

 北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰智库北大汇丰.

58人已浏览 2023-05-26 30页 5星级

May 2023 English with Chinese Translation2023年5月中英文对照In depthNew IFRSs for 2023 洞察2023年国际财务报告准则的变化1C. 

49人已浏览 2023-05-25 25页 5星级

 目录 前言 第一章 总章 第二章 绿色信托业务 第三章 绿色组织架构 第四章 环境信息披露 第五章 信托行业绿色展望 附录一：信托业协会绿色信托指引 附录二：信托公司环境、社会与公司治理披露报告框架 .

59人已浏览 2023-05-07 109页 5星级

德勤亚太地区监管策略中心2023年亚太地区金融服务业监管展望增强不确定时期下的金融机构管理韧性01 01011 101 011 101 0110101 0100 01 0全球概览 3亚太地区概览 82.

42人已浏览 2023-04-24 52页 5星级

互联网现状第 8 卷，第 3 期兵临城下针对金融服务领域的攻击分析目录前言威胁格局日益加剧的安全风险新披露的漏洞带来的危险DDoS 攻击金融服务业客户成为攻击目标网络钓鱼趋势恶意软件之路总结致谢名单2.

29人已浏览 2023-04-11 34页 5星级

中英合作：探索自然资本 核算及其应用 的机遇与挑战CHINA AND UK COLLABORATION:EXPLORING THE OPPORTUNITIES AND CHALLENGES IN NA. 

13人已浏览 2023-04-11 59页 5星级

|Help23 34 4MOFMinistry of Finance of the Peoples Republic of ChinaSASACState-owned Assets Supervisi.

18人已浏览 2023-03-29 19页 5星级

未来价值转移 赋能普惠和可持续金融服务未来价值转移|赋能普惠和可持续金融服务2从近期国际态势和基本人性角度来看，相较于政策驱动，利润驱动或将更好地助推普惠金融发展。由于科技发展可能降低向未饱和细分市场.

93人已浏览 2023-03-28 11页 5星级