錢斌指出，2023年是生成式人工智能的元年，以AIGC為代表的人工智能新技術正深刻地影響和改變著我們的生產模式和生活方式。交通銀行作為金融“國家隊”，積極運用科技創新，踐行金融為民、服務實體的使命擔當，堅定不移走好中國特色金融發展之路。交通銀行舉辦“科技融合、創新共贏：生成式AI賦能金融科技創新”論壇，邀請各方共同探索生成式人工智能在金融行業的創新實踐，促進合作共贏。
人工智能涌現出新效能，為金融領域創新發展開辟了新手段、新賽道。據麥肯錫最新估算，生成式AI有望為全球經濟貢獻約7.9萬億美元的經濟價值。過去幾個月，超過1300個模型被提交到Hugging Face的開放式大語言模型排行榜(Open LLM Leaderboard)。廣闊的應用空間與噴薄而出的新技術，將極大激發數字經濟時代的創新與創造，更好推動數字金融迭變向新、智慧變革，為金融業在優化客戶體驗、實現精準觸達、提升運營效率、防范業務風險等方面提供了新范式、新思路、新動能。
中國人民銀行于2022年1月印發的《金融科技發展規劃(2022-2025年)》明確提出，要抓住全球人工智能發展新機遇，以人為本全面推進智能技術在金融領域的深化應用。金融機構和科技企業正積極探索生成式人工智能在金融業的合理、有效應用，在三季度發布的上市公司半年報中，超過10家銀行提及AIGC、大模型等相關內容。
錢斌強調，作為全球系統重要性銀行，交通銀行持續關注并積極布局生成式人工智能技術，當前已制定生成式人工智能建設規劃，組建GPT大模型專項研究團隊，并與復旦、華為、科大訊飛等共建聯合創新實驗室，推進大模型及算力集群等先進技術在金融領域的落地應用。在場景布局方面，我們運用人工智能為客服人員提供智慧化知識推薦、輔助工單總結等功能；為營銷人員提供個性化營銷物料，生成差異化營銷方案；為軟件開發人員提供代碼生成、代碼糾錯、注釋生成和單元測試等能力。在技術研究方面，我們對ChatGLM、Moss、LLaMa等開源模型進行落地實踐，搭建LangChain框架，對開源模型進行Lora微調，我行獨立研究的GLM模型金融應用框架，在ChatGLM金融大模型挑戰賽中獲得季軍。在數據供給方面，我們積極推進數據標注體系建設，做好規范管理，保障訓練數據集的安全合規與高質量。在安全管控方面，我們搭建內容審查模塊，對用戶輸入信息及平臺返回信息進行內容審查，從多個流程節點進行分析攔截，確保生成內容的安全合規。
有機遇，就有挑戰。生成式AI在算力、算法、數據、安全、人才等領域面臨諸多痛點難點，比如如何實現大規模算力模式下的綠色低碳供給，生成式人工智能和決策式人工智能算法之間如何有效結合、完成平滑升級，如何提供適合大模型的大規模、高質量、實時性數據，如何將模型的公平性、價值觀與人類更有效的對齊，如何培養復合型金融科技人才，這些既是技術挑戰也是管理難題，需要產業各界通力合作、協同解決。
錢斌建議：
一、科技融合，構建人工智能大模型金融應用產業生態。
建議加大產學研合作，金融機構與科技企業、高校、開源生態等技術力量聯合攻關，在產業協同方面實現優勢互補。在算力供給方面加強統籌布局，在算法創新、工程化所需的配套中間件等關鍵領域集中優勢力量進行聯合攻關；在數據供給方面，提升數據治理水平，促進數據要素合規高效流通，建立安全、可信、高效的數據供給能力；在應用落地方面，實現各方融合共創，盡快出臺管理制度和應用標準，為大模型金融應用提供行動指南。
二、以人為本，培養人工智能領域專業人才，推動上海金融科技人才高地建設。大模型建設需要海量數據處理、大規模算力組網運營、GPT算法研究、海量參數模型調優、提示工程構建等專業技術。當下，具備相關能力的金融科技人才在數量與質量上遠遠難以滿足市場需求。在此背景下，建議強化在金融科技人才高地建設中的戰略布局，針對所需的多種能力設置專業的課程體系，加快培養急需的金融科技人才；拓寬對現有人才的培養渠道，提供跨領域、跨機構的金融科技人才培養機制，在學習、探索、實踐中提升員工對先進技術的駕馭能力。
三、守正創新，關注人工智能的倫理建設，建設可信、安全、公平的人工智能金融應用。伴隨生成式人工智能在金融領域的全面應用，可能引發的安全性、公平性、透明性問題將會得到監管機構和市場主體越來越多的關注，需要通過有效治理確保應用過程的安全可控、服務對象的合法權益得到有效保障。金融機構要關注大模型生成內容的準確性、可靠性、穩定性，建立有效的管控機制及應急策略，防止出現價值偏離、算法偏見、歧視性內容生成等問題。負責任地運用好金融科技手段，在數字化轉型的洪流中努力踐行“負責任金融”的價值理念，讓金融為民、科技向善落地生根，滾滾向前。
