4月29日，习近平总书记在上海考察时，对上海积极发展人工智能取得的实效给予肯定并指出，人工智能技术加速迭代，正迎来爆发式发展，上海要总结好以大模型产业生态体系孵化人工智能产业等成功经验，加大探索力度，力争在人工智能发展和治理各方面走在前列，产生示范效应。放眼“十五五”，如何落实好总书记殷殷嘱托、推动人工智能进一步发展？记者近期采访市政协经济和金融委员会副主任，建信金融科技有限责任公司党委书记、董事长雷鸣。
人工智能是上海三大先导产业之一，“十四五”期间取得了可喜的发展成果，站在新的起点，雷鸣建议上海进一步发挥先发优势，完善人工智能产业生态，加速大模型在金融等领域的工程化应用和创新赋能，有力推动国际金融中心和科技创新中心联动发展。
长期深耕金融科技领域，雷鸣深切地感到，金融业是典型的信息密集型、数据密集型行业，可以说是大模型的最佳应用场景之一。“今年三月以来，包括工商银行、建设银行在内的数十家银行相继部署或接入了‘深度求索’（DeepSeek），我们可以看到大模型正在深刻改变金融业的服务模式、管理模式和行业生态。”雷鸣分析说，在对私业务领域，可以通过大模型辅助客户经理的日常工作，“由于个体差异，每一名客户经理对业务和产品的理解会有不同，与客户的沟通质量、对客户的服务质量也会有不同，人工智能助手可以助力提高客户经理的业务水平、服务能力和标准化程度。”而在对公业务领域，则是通过大模型辅助授信审批，“授信审批是商业银行的核心业务，不仅需要决策是否发放贷款、贷款价格、风险评估等问题，还面临着大量案头工作。通过模型训练，将专家的审批经验转化为向量知识，将智能化能力嵌入各业务环节，利用大模型辅助生成客户调查报告、客户分析报告、合规审查报告等，可以大大减少案头工作，提升授信审批效率。”
基于这些实践，雷鸣预测，未来大模型还可以在反欺诈、资产定价、精细化管理等领域有更广泛、更深入的应用，在提升金融服务能力、防范金融风险方面发挥更大的作用，“完全可以预见，人机协同作业将成为金融机构的常态。”
金融机构在大模型的建设与应用方面已经取得了一定成效，但也面临着共同的挑战。经过长期细致调研，雷鸣将所面临的挑战归结为三点。“算力不足居首。”雷鸣提出，大模型的特点就是参数规模大、训练数据量大、算力需求大，可是目前，尽管上海的算力规模全国领先，但中小金融机构仍面临着算力使用难题，“一方面，他们不具备建设和维护算力的条件和能力；另一方面，在租用算力时又存在数据安全、合规等诸多担忧。”第二项挑战，雷鸣称之为“数据孤岛”——大模型训练需要高质量、大规模、多样化的数据集，但一方面，金融业有着严格的数据管理要求，跨机构金融数据的安全合规共享还没有形成有效的模式，不同主体间的数据流动难度仍然较大；另一方面，金融机构内部的数据质量也还不能完全满足大模型训练的要求，对于专业岗位人员知识和经验的深度挖掘还远远不够，高质量的金融语料依然缺少。“第三项挑战则是‘模型幻觉’。当然，必须指出的是，幻觉并非模型的缺陷，而是它的技术特征。”雷鸣表示，模型幻觉在金融业是一个突出问题，因为金融交易需要高确定性，容错率低，模型的不可解释性制约了其在金融业的深层次应用。
应对这些挑战，正是上海“十五五”期间加速金融大模型发展的着力点。“应对算力不足，就要加速算力普惠。”雷鸣表示，上海算力基础设施建设处于全国前列，建议充分发挥算力优势，完善公共算力基础设施和使用规范，减少重复投入，降低使用门槛，更好满足中小金融机构和创业团体的算力需求。“打破数据孤岛，需要加速数据开放。”雷鸣建议上海加快完善不同主体间开放和交换数据的相关标准，促进金融数据和公共数据的有效融通；同时建立更加清晰的监管指导和行业标准，规范金融生态系统内的数据安全共享，实现数据可用性和安全性之间的平衡。“还要下大力气加速场景落地。”雷鸣说，研发应用是人工智能技术发展的重要推动力量，为此建议加大对开源大模型研发的政策支持，在金融领域有组织地推动模型共享，鼓励共同开发，加快成果转化，打造垂直领域场景应用标杆；建立更加科学的容错机制和更加严格的风控机制，促进人工智能产业生态健康可持续发展。
“未来五年，希望看到各细分领域高层次人才涌现！” 推动人工智能发展，既需要从事底层技术研发的顶尖人才，也需要模型训练、数据分析等领域的专业人才，还需要大量金融人工智能的应用人才，雷鸣呼吁完善人才分层培养体系，探索产学研联合培养模式，对在人工智能领域取得创新进展的企业或个人进行表彰奖励，激发创新热情，实现百花齐放。