文/浙商银行科技管理部总经理 董佳艺
随着全球数字经济加速渗透、以人工智能大模型为代表的新兴技术实现爆发式增长，加快发展与数字经济相适应的数字金融，已成为推动经济社会高质量发展的必然要求。2025年12月，国家金融监督管理总局发布《银行业保险业数字金融高质量发展实施方案》，明确指出要充分发挥人工智能创新引领作用，加快发展“人工智能+金融”，推进数字基础设施建设。与此同时，以DeepSeek为代表的人工智能大模型技术革新了金融服务的底层逻辑与实现路径，为金融服务精准化、高效化升级提供了核心技术支撑。
近年来，浙商银行以数字化改革为引领，深度融入数字金融发展大局，持续推进数智银行建设工作，通过制定数据治理三年行动方案，以人工智能作为激活数据要素价值、推进数字化转型的核心抓手，打造人工智能基础服务体系，赋能经营管理和服务质效能力提升。未来，随着人工智能大模型等新兴技术与金融业务的深度融合，金融服务向智能化转型升级，金融机构应立足自身资源禀赋，围绕算力、模型、知识等方面构建算力异构协同、模型多元适配、知识分级管理、风控体系升级的人工智能基础设施体系，全面赋能金融业务智能化转型，同时加快量子科技、具身智能等前沿技术研究与应用，为“十五五”时期金融高质量发展注入持久动力。
人工智能引领数字金融创新升级
《银行业保险业数字金融高质量发展实施方案》提出要充分发挥人工智能等新技术创新引领作用，以人工智能赋能金融数智化升级，是响应金融高质量发展要求的关键路径。当前，银行业数字化转型进入攻坚期，亟须进一步向全面智能化纵深推进。以人工智能大模型为代表的新一代核心技术，正成为驱动银行数智化转型升级、实现数字金融高质量发展的关键引擎。
1. 数字经济时代下的新形势与挑战。伴随全球经济金融格局的调整，银行业发展面临着复杂多变的内外部环境。从外部形势来看，全球供应链重构、产业结构调整等因素给全球经济发展带来诸多不确定性，支撑数字金融发展的算力、算法等基础设施能力建设面临较大挑战。从内部形势来看，净息差收窄等环境带来的经营转型压力，同业产品同质化，各类金融机构纷纷加大科技投入，数字化能力已成为核心竞争力的关键组成部分，银行业需加速数字化转型进程，提升数字金融服务效能。
2. AI基础设施构建数字金融关键底座。应对数字经济时代的新形势与挑战，需要夯实数字金融发展基础，加强构建新型金融基础设施。作为新型金融基础设施的核心载体，AI基础设施是支撑数字金融高质量发展的关键底座。一方面，金融机构在数智化转型过程中，面临技术资源紧张、应用重复建设等问题，AI基础设施通过对算力、技术组件等核心资源进行集约化整合和标准化管理，打破业务条线间的资源壁垒，实现跨部门、跨场景的高效复用。另一方面，面对差异化的金融场景应用，通过构建统一的基础设施技术底座、技术协议及接口规范，实现各类模型的能力融合，加速业务场景落地。
3. AI赋能数字金融数据要素价值释放。数字金融高质量发展的核心驱动力源于数据要素的有效激活与充分运用，人工智能技术为数据要素价值释放提供了关键路径，二者的深度结合构成了数字金融发展的核心逻辑。一方面，随着金融业务数据爆发式增长，带来的数据标准不统一、质量参差不齐、安全合规管控难度大等问题日益突出，通过建立完善的数据治理体系，实现数据全生命周期规范化管理，为数据要素价值转化筑牢基础。另一方面，金融业务产生的海量异构数据中隐藏着客户需求、风险特征等关键价值信息，线索挖掘与精准转化能力有待提升，通过人工智能技术对海量异构金融数据进行深度挖掘，转化为具有业务价值的数字资产，赋能场景应用，充分释放数据作为新质生产力的乘数效应。
金融人工智能基础设施建设展望
人工智能技术在金融领域规模化渗透已成必然，金融机构对AI赋能业务创新的需求日益迫切，但AI基础设施在算力适配、模型效能、知识协同、风险防控等维度尚有不足，制约金融AI向纵深发展。金融AI基础设施正从“以大模型为中心”朝着“算力、模型、知识、风控”体系化迈进，进而支撑新一轮金融应用创新，未来建设需紧扣这一核心趋势精准发力：一是算力层面聚焦异构协同、训推一体与资源池化融合；二是模型层面依托大小模型协同与智能路由调度；三是知识协同层面以RAG技术赋能总分支知识库及统一知识生态；四是风控层面构建“数据-模型-业务”全链条闭环防控体系。唯有精准把握这四大维度趋势、系统性推进升级，方能破解供需矛盾，推动金融AI从工具化应用转向体系化赋能，为行业数智转型提供坚实支撑。
1. 金融算力高效利用路径优化。算力层面，异构协同、训推一体与资源池化融合是核心趋势。金融AI场景对算力的差异化需求，使单一架构难以适配全场景，未来需构建异构芯片调度与训推一体的算力体系，搭配集约化资源池化平台，通过动态分配与跨域整合打破算力孤岛，提升资源利用率与场景适配性，形成与业务同频的算力供给能力。一方面，需构建专用算力、通用算力及训推一体相融合的异构算力体系，通过部署GPU异构计算集群组建专用算力资源，依托分布式服务器搭建通用算力基座，同时推进训推一体架构部署，实现算力训练与推理任务的协同调度，形成功能互补、覆盖多元需求的异构算力配置。另一方面，需构建统一的算力资源池化管理平台，通过虚拟化技术对分散的专用算力、通用算力资源进行集约化整合，将异构硬件资源抽象为标准化算力服务，并且通过与业务场景、模型应用的对接，实现算力资源按需分配，避免资源闲置与重复建设，提升算力利用率。
2. 金融模型协同赋能效能提升。模型层面，大小模型协同、智能路由调度为主流方向。金融场景对模型需求呈现差异化特征，轻量模型适配高频业务，大模型支撑复杂场景，未来需搭建分层协同的多元模型架构，配套智能路由系统，实现模型自动匹配与动态调度，提升适配精度与迭代效率，推动金融AI从单点应用向体系化赋能升级。一方面，需打造覆盖全场景的多元模型库，引入自主可控主流开源大模型，构建通用AI能力，为复杂语义理解、海量数据处理、文本生成等场景提供底层技术支撑；布局金融垂类大模型，聚焦金融核心业务领域，融合行业数据、监管规则，形成具备金融专业深度的核心模型能力；针对特定板块金融业务，构建领域微调大模型，通过融入业务经验、制度要求等专属信息，实现模型与业务场景的适配；针对高频低复杂度场景，采用轻量化场景小模型，提升业务响应速度，形成“大模型撑底座、领域微调大模型适配场景、小模型提效率”的梯度化供给格局，覆盖不同层级的业务需求。另一方面，需部署模型路由管理平台，支持多模型并行调用与流量动态分配，通过流量调控避免模型负载过高，实现模型资源均衡利用。同时推动优质模型跨场景高效复用，减少模型重复开发成本，提升模型调用与管理的整体效能。
3. 金融知识分级协同精细管控。知识协同层面，RAG技术赋能总分支知识库与统一知识生态是关键趋势。金融机构层级多、场景散，传统模式难破知识孤岛，依托RAG技术构建总分支行三级联动知识库，建立统一标准与实时同步机制，可精准匹配各层级需求，推动知识沉淀复用，强化AI场景落地精准度。一是总行知识库作为顶层中枢，聚焦战略性规划、全局性制度与合规标准，为全行提供统一决策依据与业务规范。二是分行知识库补充分行经营策略、地方监管文件、区域产业及客群特色信息，打造区域专属信息资源中心，适配区域性特色业务发展需求。三是支行知识库灵活收录客群特性、一线服务经验等场景化内容，积累实用知识资产，满足终端用户个性化需求。
4. 金融风险防控合规保障升级。风控层面，全链条闭环风控与多维度协同治理势在必行。金融AI规模化应用催生新型风险，挑战传统防护体系，未来需构建“数据-模型-业务”全链路防控体系，强化数据保护与模型治理，建立风险预警处置机制，实现闭环管理，平衡技术创新与金融安全。一是数据保护机制提升方面，需规范数据访问权限，严控数据流转范围，合理运用联邦学习、数据安全沙箱、差分隐私等隐私保护技术，搭建数据可用不可见协同使用框架，从源头防范敏感数据外泄。二是强化模型风险治理方面，需要夯实数据基础，规范训练数据来源、强化质量审核，剔除无效信息，并且在关键场景还需建立人机协同校验机制，核查输出准确性与合规性防止出现模型幻觉问题，同时还要建立算法公平性评估体系，规避性别、地域等敏感特征干扰，保障训练样本分布均衡，防止出现算法偏见问题。三是金融业务方面，需提前梳理AI模型跨业务、跨机构的应用链路，识别关键风险传导节点，建立应急处置预案，加强对模型决策结果的动态监测，对异常波动及时预警并干预，避免风险快速扩散。
结束语
“十五五”时期是我国金融科技从数字化迈向智能化的关键阶段，面对人工智能应用赋能带来的发展机遇、数据要素驱动的转型需求，以及量子科技等新兴技术带来的应用挑战，金融机构需要以科技创新为战略导向，以人工智能与金融深度融合为抓手，从算力、模型、知识、风险防控等方面持续夯实数字基础设施，加速推动金融数智化转型，提升数字金融服务质效。
迈向“十五五”，浙商银行将持续以“一流的商业银行”愿景为统领，践行“稳、进、创、改、好”五字行动准则，稳步推进金融服务数字化转型升级，以人工智能为核心引擎，夯实人工智能基础设施，发挥人工智能赋能作用，全面提升数字金融服务能力。一是加强数字基础设施建设，构建统一的算力、模型、推理等应用平台，形成人工智能应用生态的系统化支撑。二是推动金融场景的融合应用，赋能“对公、零售、同业、管理、风控”五大板块，聚焦辅助对客、风险控制、内部管理等核心领域加快场景落地。三是加强量子科技、具身智能等新兴技术与金融场景的深度融合，探索其在风险防控、客户服务等场景的创新运用，为数字金融高质量发展注入创新动能。
（此文刊发于《金融电子化》2026年2月下半月刊）
声明：本文来自金融电子化，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
