交通銀行副行長錢斌：以人為本 智能向善 描繪數字金融新圖景

7月5日， 2024世界人工智能大會“智能向善 開放共治” 論壇在上海世博中心成功舉辦。本次論壇由交通銀行主辦，世界人工智能大會組委會辦公室指導，中國數字金融合作論壇協辦。交通銀行副行長、首席信息官錢斌出席並作主旨演講，以下為演講主要內容：

當前，AI技術正成為推動世界之變、時代之變的重要驅動力。從金融實踐來看，AI已經在金融數字化轉型過程中培育形成新質生產力，塑造出數字金融新生態。但與此同時，AI進一步發展也面臨許多問題挑戰，包括價值對齊、科技倫理、數據保護等等。作為一名金融科技從業人員，我就AI未來發展、金融領域應用和科技倫理治理，分享一些思考體會。

蝶變向新，AI技術駛入通用人工智能深海

生成式大模型的迅速崛起加速了人類進入智能時代的步伐。過去一年，人工智能圍繞算力、數據、算法三個方向加速發展，取得長足進步。

一是集約化將成為算力建設新趨勢。2023年末，我國數據中心機架總規模超過810萬標準機架，算力總規模已達230EFLOPS，其中智能算力規模達70EFLOPS，同比增速超過70%。智能算力激增加速了人工智能產業創新發展，也帶來了巨大的電力能源消耗問題。據預測，我國數據中心到2030年耗電量將超過4000億千瓦時，約為當前三峽電站年發電量的四倍。與此同時，算力設備的冷卻將消耗巨大的水資源，研究表明，到2027年全球範圍內的AI需求對應消耗的水資源將超過一千萬居民一年用水量。提升算力效能、降低能源消耗將成為實現人工智能產業高質量可持續發展的關鍵。去年12月，國家發改委、國家數據局等五部門聯合印發《關於深入實施“東數西算”工程加快構建全國一體化算力網的實施意見》明確提出加快打造集信息計算力、網絡運載力、數據存儲力於一體的綠色安全綜合算力體系，實現算力資源的併網調度和集約利用。

二是合成數據將有望成為數據擴充新來源。從文字誕生以來，人類將知識抽象壓縮在文字中。如今，人類知識體系被再次壓縮到大模型中，形成對世界知識的二次重構。然而，現存的語言文本數據存在大量重複，高質量數據資源稀缺，已成為大模型持續迭代的關鍵瓶頸。據Epoch AI預測，按照當前數據消耗速度，大模型最快將於2026年耗盡高質量數據、2028年耗盡互聯網所有文本數據。而合成數據可以精確複製原始數據集的統計特徵，又與原始數據不存在任何關聯，具有全面性、多樣性、經濟高效等優點。從去年開始，全球科技巨頭加速合成數據研究並用於新模型開發。今年5月，第七屆數字中國峯會發布《大模型訓練數據白皮書》，也將合成數據作為解決高質量數據供給不足的新方案。當然合成數據是否能大範圍替代真實數據進行模型訓練目前還有較大爭議。如何突破人工智能領域的數據瓶頸、擴充新的高質量數據來源，尤其是中文語料數據依然任重道遠。

三是多模態已成為算法躍遷新方向。人類在理解世界時，不是孤立地處理單一模態的信息，而是通過視覺、聽覺、觸覺等多種感官通道綜合感知。今年5月，OpenAI發佈全新多模態大模型GPT-4o，進一步表現出對人類情緒的感知和表達，讓人機交互在一定程度上發生了質的變化。隨着AI逐步落地，更多複雜場景應用需要多模態來支撐，如多媒體創作需要文字、圖片、視頻之間互相生成和轉化，自動駕駛需要實時感知和解析來自視覺、雷達等多種傳感器的數據。可以預見，多模態將成為AI技術發展和應用突圍的新方向。

AI與各領域廣泛融合，展現出極大的創造力

人工智能作為當代創新最活躍、應用最廣泛、帶動最強勁的技術，已自然無縫地與生產生活的方方面面深度融合，展現出賦能百行千業創新發展的巨大潛力。

在產業經濟領域，AI技術能夠有效牽引生產和服務體系的智能化升級，促進產業鏈價值鏈延伸拓展、融合發展。在製造業，通過“數字孿生”創建虛擬工廠模型，實現對工廠的可視化和智能化管理，提高實際生產效率；“黑燈工廠”通過構建無人工干預的全自動化生產環境，實現高效、穩定和低成本的製造過程，引領智能製造上升到全新高度。在醫療行業，AI已應用於健康管理、智能診斷、藥物研發和醫療機器人等領域，AI參與的基因編輯已成功編輯人類細胞中的DNA，加速多種遺傳疾病精準治療的發展。

在政務民生領域，AI技術助力數字社會、數字政府建設，以數字化手段促進民生改善和治理能力現代化。例如，上海市以“高效辦成一件事”為牽引，打造“智慧好辦”政務服務，應用人工智能實現“少填少交智能審”、申請材料政府主動生成。運用AI大模型打造基層社會治理的“新幫手”，面向居民提供各類服務政策智能檢索問答服務。運用AI構建城市智慧大腦，通過引入智能交通系統和無人機移動巡檢，準確預測交通擁堵狀況，提供智能道路規劃，降低交通壓力和能源消耗，提高城市運行效率。

在國防軍事領域，AI技術在軍事模擬訓練、情報分析和指揮控制等領域的應用，正逐步延伸作戰空間，改變傳統的戰爭方式和軍事策略，信息通訊、戰場感知、無人化等基於高新技術的戰鬥力建設變得尤為重要。在現代戰場，面對無人機的遠程攻擊，坦克變成了嚴重落後於時代的戰爭兵器。今年3月，美國國土安全部發布《2024年人工智能路線圖》，探索在國土安全領域開展人工智能應用。歐洲國際防務展中，地面機器人、無人機、制導裝備、指揮中心等幾乎所有展示的系統都有人工智能的影子。可以預見，未來戰爭將是作戰雙方算力、算法、數據的全面抗衡，超算中心和大模型將是新時代的大國重器。

運用新質生產力寫好數字金融大文章，助力金融強國建設

人工智能作為新質生產力的代表，已經在金融數字化轉型實踐中展示出強勁推動力和支撐力。今年，交通銀行在制定數字金融行動方案基礎上，加快“人工智能+”行動方案制定，力爭在更深層面、更廣範圍推進人工智能實踐，促進數字金融高質量發展，服務金融強國建設。

一是運用人工智能踐行“以人為本”，推動金融服務普惠化便捷化。為滿足人民羣眾多樣化的金融需求，交通銀行以“數據+智能”雙輪驅動，從信用端、信息端切入，致力提供更普惠、更便利的金融服務。在服務更普惠方面，我們革新服務模式，通過深度學習和大數據分析，對客户進行多維度精準畫像，推出基於統一客户信用體系的預授信模式，實現從產品級授信向客户級授信轉變、從客户主動申請向銀行預授信轉變，有效擴大信貸範圍、提高融資可得性。我們進一步使用算法模型標籤，推動客户產品精準對位，涵蓋理財、保險、基金等產品推薦，多渠道增加居民財產性收入。在服務更便利方面，我們重塑業務流程，基於音視頻、圖像識別、生物識別、智能語音等技術，打造客户身份遠程核實場景，提供人像比對、人證比對等多項能力，將税融通、普惠e貸、抵押貸、車貸等產品的核實時間從幾天縮短至幾分鐘，解決客户多次往返網點、辦理手續繁瑣耗時的痛點。我們突出移動優先，加強線上線下融合，打造智能語音客服，呼入業務語音識別率達99%，應用虛擬數字人技術提供全天候服務，持續提升線上渠道對客服務能力和水平。

二是運用人工智能服務實體經濟，創造共同價值。交通銀行聚焦經濟發展的重點領域和薄弱環節，不僅關注企業的短期盈利能力，更着眼於企業的長期發展和創新動力，為實體經濟提供更全面、更精細的金融服務。交通銀行根據科創企業不同階段的發展需求，提供全週期金融服務，促進科技成果轉化應用，助力發展新質生產力。通過對接國家、地方、園區、企業不同層級數據，打造集成電路、人工智能、高端裝備製造等產業圖譜，推動科技企業資產數字化、產業鏈條透明化。在此基礎上進一步搭建“1+N”科技型企業專屬評價模型，應用於客户營銷、產品設計、信貸審批、額度核定、貸後監測流程，已覆蓋73萬户科技型企業，助力科技型企業做大做強。我們將智能化手段融入綠色金融體系建設進程。推進綠色智能識別，構建企業ESG（環境、社會和公司治理）智能風險評價體系，助力提升綠色信貸精細化管理水平。推出綠色產業鏈金融服務，為綠色產業鏈屬企業提供“一户一方案”服務模式，有效支撐傳統產業低碳轉型和綠色產業發展壯大。

三是運用人工智能強化風險防控，實現穩健經營。防控風險是金融工作的永恆主題。近年來，金融領域的諸多案件表明，犯罪分子的洗錢、欺詐手段越來越多樣化，隱蔽性越來越強，客觀上加大了銀行防控工作難度。交通銀行加速推進全面風險管理數字化轉型，運用數字技術全面提升信用風險、操作風險、合規風險等領域的風險防控能力。譬如在信用風險領域，我們依託多維度的行內外數據完善客户信用評價體系，構建關聯關係圖譜，實現信用風險總額管控和穿透管理；通過機器學習技術完善風險監測預警機制，建立信貸逾期預測模型，前瞻精準識別風險資產超百億元，年回收資產數十億元。在操作風險領域，我們通過OCR比對、RPA自動核查等手段，有效識別合同造假、抵質押物權證造假等欺詐行為，年自動核查約15萬件權證；通過制定反欺詐實時風控策略，攔截疑似電信詐騙交易金額數十億元，全力守護好老百姓的“錢袋子”。在合規風險領域，通過端到端AI模型的應用，減少30%的反洗錢篩查任務量，單筆任務節省40%的核查及報告編寫時間，並通過隱案挖掘等模型有效提升50%的反洗錢上報率。

堅持智能向善，共同推動AI安全可信發展

一是堅守正確的科技倫理。我曾看過一篇文章，西湖大學校長施一公介紹，人工智能在3年內就預測出近7億個蛋白質或大分子空間三維結構，而人類此前積累的全部數量僅約20萬個，正是因為人工智能的介入將科研由手工生產變成了工業化生產。另一則新聞是美國重要智庫Mitre發佈了一張人工智能系統對抗性威脅的場景圖，呈現出人工智能應用從偵查踩點、網絡滲透到維持控守、數據獲取，再到秘密傳遞、後場處理等網絡攻擊全鏈條場景，威力之大，超出想象。兩個案例從正反兩方面，充分表明人工智能運用得當，將造福人類；運用不當，可能引發災難，其所帶來的危害將不亞於核武器，而全世界只有9個擁核國家，但可能會有無數個濫用人工智能的機構團體，少數人給世界帶來災難的風險在大大增加。可信AI，智能向善，刻不容緩。同樣站在金融的角度，我們要防止金融服務過程中的信息繭房、數據偏見、隱私泄露和市場操縱，要防止模型歧視所可能引發的侵權事件，建立模型持續運營機制，對模型輸出開展審計，確保AI技術符合倫理法則和社會價值觀。

二是加強算力資源整合共享。人工智能大模型所需算力每3-4個月就翻一倍，以新材料、生物製藥、金融科技、深海深空等為代表的前沿科技和未來產業，都對算力提出了前所未有的需求。但當前全國範圍的算力“小高爐”現象普遍存在，算力都在建，應用都還缺，快速增長的主要是低端算力，而圍繞大模型、自動駕駛等AI任務所需的高端算力仍然缺口較大，供給端與需求端存在結構性錯位，甚至造成能源與資金浪費。建議研究建立國家級的雲計算底座，有效統籌大模型在訓練、推理等不同環節所需的算力資源，合理分工，避免人工智能基礎設施出現低水平重複建設。在行業層面，要探索建立AI算力雲，提供公正、可信、可共享的算力資源，推動實現設施綠色低碳、資源高效調度、算力靈活供給。

三是強化數據供給與數據治理。AI模型的價值觀來自於數據，數據供給質量的好壞將直接影響AI的智商與成效，為了確保大模型的應用效果和可信度，我們需要對訓練數據的量和質提出更為嚴苛的要求。經過多年的信息化建設，金融機構普遍積累了大量結構化數據和數據處理經驗，但相對於大模型，還遠遠不夠。在具體實踐中，一方面需要着力豐富數據種類、強化數據治理、提升數據質量，建立“業務沉澱數據要素、數據要素轉化為數據資產、數據資產反哺業務發展”的閉環機制；另一方面，需要建立高效穩定的數據標註體系，對訓練數據進行辨別、清洗、加工，確保數據支撐有力、標註專業統一，為建模提供堅實基礎。要全面落實數據安全法律法規與監管要求，建立健全數據分級分類管理和數據全生命週期的安全保護能力，保障金融數據和個人信息安全。

四是推動大模型生態建設，積極開展模型治理。大模型研發具有人才密集、技術密集、資本密集的特性，通常由少數高效能的研發組織主導，目前國產大模型數量已超過200個，一方面大模型研發缺少具有顯著創新性的原創理論支撐，導致多數大模型技術路線趨同，同質化嚴重，一定程度上造成了資源浪費，另一方面在探索“大而強”通用模型的同時，結合具體應用場景研發“小而美”垂直行業模型的資源投入相對不足。建議發揮產業上下游合力，推動產學研深度融合，建立國家、行業基礎性規劃，加強合作協同，構建自主可控、共生互補、健康可持續發展的良好生態。同時，要大力推進負責任的模型治理，解決AI應用存在的模型決策不透明、難以“白盒化”等問題，確保人工智能合規、安全、有效應用。包括建立模型評估與監測機制，定期對模型進行質量檢查、性能評估、運行監控、風險審計，確保模型穩定運行；增強模型安全防護，研究深度防偽技術，建設對抗訓練平台，提升模型外部風險防控能力。

五是完善AI工程化人才培養。AI工程化人才是推動AI技術創新和應用的關鍵人才，在數字化轉型中發揮重要作用。積極培育AI工程化人才隊伍，一方面要通過自主培養、產學研深度合作等方式，着力造就一支知識型、技能型、創新型的工程化人才隊伍；另一方面要通過人才引進、消化、吸收以及合理流動，充分激發創新活力。

交通銀行願與大家一起，堅持“智能向善，開放共治”，攜手推進人工智能技術應用，為數智時代的美好未來努力奮鬥。