金融科技依旧是2024年服贸会的一大热词。9月12日，在服贸会金融服务专题展中，北京商报记者注意到，包括银行、清算机构、互联网公司在内的多家金融机构，推出数字人民币、跨境支付解决方案等一系列产品展示，科技的力量为金融服务增添色彩。

随着人工智能发展进入新的阶段，则有必要对金融科技进行重新认知。9月12日，在2024年服贸会中国金融科技论坛上，对于金融科技发展的最新见解，产业各方也给出了自己的答案。

重识金融科技

科技金融、绿色金融、普惠金融、养老金融、数字金融是中央金融工作会议提出的“五篇大文章”。其中，数字金融成为影响金融要素、功能、效率、模式的“主要文章”，对于其他四篇大文章也起到重要促进作用。金融机构以此为着力点，纷纷探索数字化转型的路径与重点。

同样是金融+科技，同样是“数字化的金融”，数字金融与金融科技有着怎样的区别与联系？论坛现场，中国银行业协会首席信息官高峰表示，金融科技与数字金融在数字化转型中扮演着不同角色。金融科技强调“赋能”，而数字金融重视“驱动”，这是对数字化转型的截然不同的两个视角。

“数字金融是以数据要素为核心、数字技术为驱动的金融生态系统。”高峰说道，由此，应认识到数字金融的三个要素——数字技术、数据要素、合适的场景。

另一方面，数字金融也有三重“外延”。建设数字中国需要“数字经济”，银行提供“数字化产品与服务”，监管部门建立“数字监管体系”。

简单来讲，金融科技与数字金融都强调了新技术对于金融业带来的全面冲击与影响，同时后者进一步突出了数据要素、数字化转型的作用，以及给消费者和企业等最终客户带来的价值。而数字化转型的本质，是应用数字技术赋能生产力提升，完成经营模式重构，最大限度释放数字的生产潜能。

随着人工智能发展进入新的阶段，有必要对金融科技进行重新认知。在高峰看来，科技对于金融的“赋能”，经历从“互联网金融”到“金融科技”再到“数字金融”的转变。从金融科技到数字金融，其内涵和外延需要重新定义，取决于金融和科技的融合度。

正如十三届全国政协常委、经济委员会主任，原中国银监会主席尚福林表示，金融科技的本质是创新，只有不断创新才能保持竞争力。在他看来，一方面更好推动金融与科技融合，赋能经济高质量发展，实现“科技—产业—金融”良性循环；另一方面，进入数字时代人工智能高速发展，技术革新可能带来结构性颠覆的同时，科技发展自身也需要解决好技术创新、安全风险、制度建设等新问题。

亚洲基础设施投资银行副行长兼秘书长陆书泽同样提到，“金融科技与我们息息相关，金融科技已经占全球GDP50%以上，这也就意味着它在塑造经济发展与繁荣方面扮演着十分重要的角色，并且成为推动我们社会生活非常重要的元素”。

核心技术自研

一方面是对技术的不断探索，另一方面，金融科技如何精准赋能？这些仍是待探讨的命题。

而对于金融科技公司而言，核心技术自研是其长期发展的重要基石。会上，奇富科技CEO吴海生提到，奇富科技自成立以来，持续投入巨额研发资金，组建了超千人规模的研发团队，其中百余人专注于AI大模型的研究。

在吴海生看来，金融科技是AI大模型的最佳PMF（Product Market Fit，产品市场匹配度）。他以奇富毓智AI、奇富Copilot、客户旅程编排系统等一系列PMF科技产品为例，展示了这一理念的具体应用。例如，毓智AI集成了三大专家模型，贯穿金融软件研发全生命周期，实现了研发效率与质量的双重飞跃。毓智AI不仅将同等研发人力下的交付规模提升了20%，还将单位需求的上线时效从原本的14天大幅缩短至6天，极大地加速了金融软件的研发进程。

从技术的视角来看，华为技术有限公司金融系统部CTO郑俊表示，如今的数字化转型和过去十几年的数字化转型有一个本质的区别，就是现在要求以自主创新的技术奠定数字化转型的安全发展根基，行业依赖一个全新的、安全的、可持续演进和发展的技术体系，来保证这条路走得通。

而在中国工商银行首席技术官吕仲涛看来，数字化转型不仅是数据和技术的创新应用，更重要的是实现业务模式的重构。要打造多样化的数字产品和服务体系，提升高质量的金融供给能力。在数字化转型过程中，市场和客户需求变化快速，旺盛的业务创新需求对科技的供给能力提出了更高的要求。

谨慎落地大模型

当前，人工智能发展进入新的阶段，而作为重要技术之一的大模型，已被广泛运用于金融领域智能客服、智能投顾、代码编译等场景。

以银行业为例，多家银行对大模型的战略布局，呈现前中后台多个领域开花、垂直领域、私有化部署等特点。在典型应用场景如智能客服、智慧运营、编码助手，大模型已经产生明显的业务价值，尤其对于降本增效效果明显。

然而，“相对审慎”仍然是金融业当前应用大模型的关键词。在神州信息新动力数字金融研究院副院长薛春雨看来，大模型落地面临的挑战，包括数据安全、隐私保护、信任问题、数据质量等。

对于数据安全问题，目前银行基本采取本地化部署的方式来规避；模型的可信度、社会伦理等方面的问题，银行可通过不断训练和调优进行缓解。但需要注意的是，大模型的某些固有风险如事实幻觉、输出内容不稳定等问题短期内难以完全解决。

那么，如何面对这些风险？金融业应该“无脑冲”大模型吗？中国农业银行科技与产品管理局局长王怡建议到，商业银行布局人工智能的关键因素包括正确看待、做足准备、谨慎落地。

大模型是数据应用的高级阶段，高质量的数据是大模型的发展基础。王怡表示，银行业经过多年的信息化建设和数字化转型积累了大量的结构化数据和相关的数据处理经验，下一步要从适配AI应用的视角来提升，一方面丰富数据的采集、类型，另一方面进一步提高数据质量。

王怡进一步提出，人工智能不等于大模型，商业银行探索应用人工智能要避免局限性，不要把注意力全部集中在大模型上，传统的人工智能仍然有很大的发展空间。例如，90%的人工智能应用场景使用人脸、语音、OCR这些传统AI技术就可以实现，并且可以继续深化应用。此外还可以积极尝试将生成式AI和决策式AI相结合，通过大小模型的协同实现更加全面高效的服务支撑。

“深化人工智能应用不可能一蹴而就，毕其功于一役，需要从长计议，银行业应该提前布局，从业务、技术、数据等多个方面做好相关的准备。”谈及需要注意的事项，王怡指出，对于人工智能的深度应用并不意味着商业银行要“ALL IN”AI，做好各项准备之后，商业银行仍需要因地制宜选取合适场景、谨慎落地，才能有效释放技术带来的价值。在实践中建议从基本原则、准入机制、实施步骤三个维度谨慎选取场景，循序渐进深化AI的场景应用。

北京商报记者 岳品瑜 董晗萱