12月9日，由交通银行主办的第五届上海金融科技国际论坛“科技融合、创新共赢：生成式AI赋能金融科技创新”平行论坛在上海举办。

　　论坛上，交通银行副行长、首席信息官钱斌表示，作为全球系统重要性银行，交通银行持续关注并积极布局生成式人工智能技术，当前已制定生成式人工智能建设规划，组建GPT大模型专项研究团队，并与复旦、华为、科大讯飞等共建联合创新实验室，推进大模型及算力集群等先进技术在金融领域的落地应用。

　　在场景布局方面，交通银行运用人工智能为客服人员提供智慧化知识推荐、辅助工单总结等功能；为营销人员提供个性化营销物料，生成差异化营销方案；为软件开发人员提供代码生成、代码纠错、注释生成和单元测试等能力。

　　在技术研究方面，交通银行对ChatGLM、Moss、LLaMa等开源模型进行落地实践，搭建LangChain框架，对开源模型进行Lora微调，我行独立研究的GLM模型金融应用框架，在ChatGLM金融大模型挑战赛中获得季军。

　　在数据供给方面，交通银行积极推进数据标注体系建设，做好规范管理，保障训练数据集的安全合规与高质量。在安全管控方面，交通银行搭建内容审查模块，对用户输入信息及平台返回信息进行内容审查，从多个流程节点进行分析拦截，确保生成内容的安全合规。

　　值得关注的是，生成式AI在算力、算法、数据、安全、人才等领域面临诸多痛点难点，比如如何实现大规模算力模式下的绿色低碳供给，生成式人工智能和决策式人工智能算法之间如何有效结合、完成平滑升级等。

　　对此，钱斌提出三点建议：一是科技融合，构建人工智能大模型金融应用产业生态。建议加大产学研合作，金融机构与科技企业、高校、开源生态等技术力量联合攻关，在产业协同方面实现优势互补。在算力供给方面加强统筹布局，在算法创新、工程化所需的配套中间件等关键领域集中优势力量进行联合攻关；在数据供给方面，提升数据治理水平，促进数据要素合规高效流通，建立安全、可信、高效的数据供给能力；在应用落地方面，实现各方融合共创，尽快出台管理制度和应用标准，为大模型金融应用提供行动指南。

　　二是以人为本，培养人工智能领域专业人才，推动上海金融科技人才高地建设。大模型建设需要海量数据处理、大规模算力组网运营、GPT算法研究、海量参数模型调优、提示工程构建等专业技术。当下，具备相关能力的金融科技人才在数量与质量上远远难以满足市场需求。在此背景下，建议强化在金融科技人才高地建设中的战略布局，针对所需的多种能力设置专业的课程体系，加快培养急需的金融科技人才；拓宽对现有人才的培养渠道，提供跨领域、跨机构的金融科技人才培养机制，在学习、探索、实践中提升员工对先进技术的驾驭能力。

　　三是守正创新，关注人工智能的伦理建设，建设可信、安全、公平的人工智能金融应用。伴随生成式人工智能在金融领域的全面应用，可能引发的安全性、公平性、透明性问题将会得到监管机构和市场主体越来越多的关注，需要通过有效治理确保应用过程的安全可控、服务对象的合法权益得到有效保障。金融机构要关注大模型生成内容的准确性、可靠性、稳定性，建立有效的管控机制及应急策略，防止出现价值偏离、算法偏见、歧视性内容生成等问题。负责任地运用好金融科技手段，在数字化转型的洪流中努力践行“负责任金融”的价值理念，让金融为民、科技向善落地生根，滚滚向前。