当全球科技巨头仍在追逐千亿参数大模型的算力竞赛时，一场由开源生态驱动的“AI平权运动”正在重塑中国金融业的创新格局。国产大模型DeepSeek以百万美元级的训练成本突破技术封锁，其“高精度+低门槛”的特性正在引发银行业智能化变革浪潮。

据悉，已有工商银行、建设银行、江苏银行、北京银行等15家银行先后宣布接入DeepSeek系列模型。江苏地区金融机构也应时而动，将AI技术深度嵌入信贷风控、远程服务、智能营销等核心场景，在长江经济带腹地全力书写产数融合的生动样本。

监管机构的举措>>>以AI为代表的新兴技术正以前所未有的速度与金融业务深度融合。中国人民银行江苏省分行作为监管机构，敏锐地洞察到这一趋势，积极发挥引领作用，指导当地商业银行探索AI与金融的融合路径，为金融行业创新发展注入新动力。

人民银行江苏省分行积极推动金融机构利用AI技术提升金融服务质效

记者：在推动金融机构利用AI技术开展数字化转型、提升金融服务效率方面做了哪些工作?

中国人民银行江苏省分行：一是贯彻落实《金融科技发展规划(2022-2025年)》(银发〔2021〕335号文件印发)、《推动数字金融高质量发展行动方案》(银发〔2024〕200号文件印发)相关要求，通过政策宣讲、交流研讨等多种形式，积极引导金融机构深化AI技术在金融领域的应用，将“人工智能+”场景嵌入各类金融业务，促进金融机构利用人工智能大模型开展智能营销、智能识别、智能理财、智能客服、智能风控、智能监管等金融产品和服务创新;二是建立包容审慎的金融科技实践模式，在全省开展金融科技创新监管工具实施。在新一批江苏省“数字金融”主题工具测试中，纳入人工智能大模型创新应用项目，推动AI技术金融应用健康发展;三是开展人工智能大模型应用情况调研，分析大模型金融应用现状和存在问题，挖掘应用场景，引导金融机构在风险可控的基础上推进算力建设、模型训练和场景应用。

记者：在金融与AI技术相结合的过程中存在哪些挑战?打算如何解决?

中国人民银行江苏省分行：挑战主要在于大模型数据来源多样化、数据使用范围广、算法存在黑箱问题等。此外，大模型相关技术更新迭代速度较快，对大模型有深入研究和使用经验的人才还较为缺乏。目前考虑的解决方案：一是深化数据治理，夯实数据基础。探索建立面向大模型的数据采集、清洗、标注、应用、更新的方法和体系，构建高质量、多样化的金融数据集。在保障安全和合规的前提下，探索利用隐私计算等技术共享部分数据，促进数据要素合理流通;二是强化风险防控，持续跟踪优化。推动金融机构建立大模型应用的监控和反馈机制，追踪模型输出的稳定性与一致性，及时发现并处理数据泄露、算法偏见、模型被恶意攻击等风险。持续跟踪技术前沿，保持大模型的更新迭代能力;三是开展应用试点，拓展技术实践。探索实施江苏省“人工智能大模型”主题监管工具，对部分创新度较高的大模型应用纳入金融科技创新监管工具，关注应用热点难点问题，包容审慎推动AI技术实践;四是开展研究探索，强化示范引领。联合大模型技术能力较强的金融机构，探索成立金融领域人工智能创新实验室，形成大模型研究、应用和推广的共建共享机制框架;五是加强人才培养，打造专业团队。推动金融机构制定人才需求目录和团队建设规划，通过组织开展智能技术应用大赛等促进技术交流，激发金融机构创新潜力，提升金融从业人员智能化认知和使用水平。

商业银行的探索>>>数字化时代呼啸而来，当AI技术与银行业务相遇，一场颠覆传统的变革正悄然发生……

江苏银行引入DeepSeek赋能“智慧小苏”

江苏银行通过引入DeepSeek大语言模型，服务平台“智慧小苏”在复杂多模态、多任务场景处理能力、算力节约、效能等方面得到进一步提升：其一，运用多模态模型实现合同质检智能化，筑牢企业信贷防火墙。“智慧小苏”通过DeepSeek-VL2多模态模型的细粒度文档理解能力解决了传统模型在非制式合同中存在合并单元格、跨页表格等多结构表格内容识别准确率不足、精度局限的问题，将嵌套表格、手写体混合排版等复杂场景的识别成功率提升至领先水平。利用DeepSeek模型优化后，识别及预警响应速度提升20%，助力分支行更高效地完成受托支付合规性审核。其二，运用推理模型实现托管资产估值对账自动化，优化流程提质增效。“智慧小苏”通过轻量化DeepSeek-R1推理模型引擎的高效计算特性完成资产托管估值信息自动化解析录入、自动化对账。实现邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化处理，识别成功率达90%以上，按照平均手工操作水平测算，每天可节约9.68小时工作量。

江苏银行持续探索大模型技术在金融场景的应用，在智能客服、智慧办公、数据治理、风险防控等领域都有领先的创新实践，已落地近20个场景，为业务发展注入强劲动力。

浦发银行南京分行构建数智化平台

在年初 “站在风口浪尖的Al管理变革”主题研讨会上，浦发银行南京分行展示了打造的“全生命周期、全流程陪伴”科技金融服务体系和“科技会客厅”服务平台。

浦发银行南京分行通过引入大数据挖掘等技术打造数智化平台，构建 “科技雷达”评价体系，为轻资产科技型企业成功开辟了新的融资渠道。借助总行创设的面向全国“专精特新”、高新技术企业的数智化拓客服务平台，集成商机分析、营销追踪等多种功能，运用大数据挖掘科技型企业商机需求线索，精准触达目标客户，减少企业“找贷款”的成本。

此外，浦发银行南京分行积极与南京雨花台区大数据局合作，探索数据要素金融化新模式，成功落地南京市首笔民营企业数据资产贷。该业务模式以企业入表且经过登记、估值和披露的数据资产为核心标的，依托DCB架构链接数据与资本两个要素市场，全面披露数据资产相关流程。A公司作为数据供应商，因业务扩展产生资金需求，浦发银行南京分行通过数据资产贷提供1000万元授信支持，解决了企业资金周转问题，推动其快速发展。

工商银行苏州分行已形成全覆盖的AI产品矩阵

工行在AI战略布局上围绕 “技术筑基、场景深耕、生态协同”三大方向展开，目前已建成全栈自主可控的“工银智涌”大模型技术体系及配套平台，其千亿级参数金融大模型覆盖金融市场、信贷风控、远程银行等50多个场景，是同业最大千卡云算力集群。苏州工行已形成覆盖B端、C端、员工端的AI产品矩阵，重点创新包括：

(一)智能生产力工具。网点双助手：业务助手支持制度查询、交易指引、合规检查，日均调用量超80万次;培训助手实现“课程生成-AI陪练-能力图谱评估”闭环，培训成本降低60%。信贷全链智能体：整合制度助手(自动解析监管政策)、文档助手(智能生成报告)、风控助手(实时预警杠杆风险)，覆盖贷前至贷后11个关键节点。

(二)客户服务升级。AI财富助理：基于客户画像(整合10+维度数据)与资产诊断，生成个性化配置方案，已服务超1200万客户，户均资产管理规模增长15%。对公产品顾问：结合20万+产品案例库，提供“需求理解-方案推荐-案例佐证”全链路服务，促成对公产品交易额同比提升22%。

(三)决策支持革命。产品洞见：自动生成产品竞争力分析报告(涵盖收益对比、风险指标、市场趋势)，产品经理需求调研周期缩短70%。

(四)技术开放赋能。金融智能中枢平台：通过调用总行金融智能中枢平台大模型API成功上线智慧尽调助手，实现大模型能力的本地化应用，快速孵化区域特色应用。通过“技术-场景-生态”三位一体布局，AI应用已从单点创新迈向体系化赋能。下一步将深化大模型与物联网、区块链的融合，探索“AI+投研”“AI+跨境金融”等前沿领域，持续巩固金融科技领跑优势。

学术前沿的声音>>>在科技与金融深度融合的时代背景下，如何在行业创新发展的同时保障金融安全?如何开展AI与金融交叉领域的基础研究?如何向社会输送既懂技术又熟悉业务的复合型人才，高等院校都首当其冲。

国际著名密码学专家、西交利物浦大学数学物理学院院长丁津泰教授：用量子密码守护金融安全

记者：能谈谈您目前从事的研究工作及其意义吗?

丁津泰：我们全程参与了科技部重点研发计划“银行业及关键基础设施信息系统抗量子密码迁移关键技术研究”，该项目在国际金融银行领域抗量子密码迁移项目中处于领先地位，是目前全球唯二正在实施的金融银行领域重大项目之一。过去大家总是把密码和国家直接联系起来，其实现在用手机进行网上购物之所以放心背后就涉及密码学。不同行业有不同需求，我们这个项目主要针对银行的需求。全球央行中，我国央行是开展相关工作比较早的，很多国家的央行还在讨论要不要做后量子迁移，而我们已经在行动了。毕竟国内银行业不能与国外隔绝，我们要开展国际贸易就要和外国银行对接，如果人家换了系统，我们不换，我们就不能出国旅游，我们的信用卡在国外就不能用。所以在密码应用上一定要与国际接轨。

记者：研究成果会很快进行实际应用吗?怎么看待数字人民币?

丁津泰：研究成果最终要想实际应用，必须等中国标准出来，目前采用的还是美国的标准。数字人民币也必须要靠量子，所有数字货币的设计都建立在密码学的基础之上。就拿比特币来说，作为加密货币，其签名密码也必须升级为后量子，否则可能会逐步走向衰亡。

苏州大学金融科技系常巍副教授：监管应走在金融领域AI应用之前

记者：AI技术会给金融机构带来怎样的改变?

常巍：AI对不同类别的金融机构影响不一样。在证券领域，智能选股等服务于投资者的智能投资组合设计，可能是AI带来的便利;另外还可以对客户进行画像，根据客户的资产能力或者风险承受水平来呈现更匹配的金融产品;在银行领域，主要体现在业务的数字化转型以及产品、服务的创新设计，也可以更有针对性的进行差异化定价。AI给金融机构带来的转变在金融科技部门会体现的更为明显，比如利用金融的大数据或者云计算、区块链技术，在客户资料整合或者安全漏洞防范方面会做的更好一些。

记者：不同规模的金融机构在AI的应用方面是否存在差异性?

常巍：我个人觉得肯定是有差异的。大的金融机构资金实力较强，在金融创新、金融科技研发和投入方面会有更大的优势。这就对中小金融机构提出了比较大的挑战。我个人觉得中小金融机构可以依据自己的市场地位和业务特色去应用和开发适合自身AI层次的应用。对AI技术的应用最好能建立在差异化的基础之上。其实当AI遍地开花，如何去防范风险也是非常关键的。金融机构作为关系到国计民生的重要机构，系统性风险如果防范不力，可能会对经济生活造成非常大的冲击。所以金融机构在利用AI发展的过程中，怎样去保护客户隐私，保障数据安全，怎样保证利用AI所带来的服务或者产品的扩张能够在商业银行发展的可控制范围内，都要做好准备。

记者：在AI与金融相融合过程中，监管机构应该如何平衡创新与风险?

常巍：作为监管机构，最好能够走在AI在金融领域应用的前面，这就需要我们的监管机构要比一般金融机构在认知上面更加超前，这样才能用技术来监管技术。否则，监管机构在制定监管规则或者相关法律的时候可能会无从下手。所以，对于监管机构来说，首先最重要的就是充分的有前瞻性的去认识到AI的不可逆转性;其次要有一个开放包容的心态。AI的发展可能会有扁平化的趋势，这就对我们监管机构提出了更高的要求。因为AI触达到的方面非常多，那么监管的这种条块分割可能就要改变一下;最后我认为监管机构还需要有国际合作的准备。AI的发展从国际上来看速度也是非常快的。这就需要通过加强国际沟通来形成新形势下的监管规则，可能比我们自己独立去设定监管的方式方法更好一些。

记者：AI与金融的融合发展对专业教学产生了什么影响?

常巍：我深刻感受到AI和金融科技的发展对我们高校教授提出了非常严峻的考验。未来知识的传授可能就不是主要内容了，因为同学们会通过各种方式和平台自己去了解和解决很多学习当中遇到的问题。作为教师更多需要引导他们面对新形势，及时了解接纳AI的融入。特别是引导学生有效利用AI，比如在和AI进行交互提问的时候，怎么提出更有质量的问题，当AI给出回答后要具备辨别力：一是能分辨回答正确还是错误，二是要知道回答是不是他所需要的，是不是有内在逻辑的。

记者 赵琦薇