專題：第八屆中國金融科技論壇

　　中國國際服務貿易交易會第八屆中國金融科技論壇於9月9日在北京舉行。威海藍海銀行股份有限公司首席信息官田涵勇，中國出口信用保險公司審計部AI應用負責人孫晨宇，東亞前海證券數字化轉型管理辦公室總經理朱兆臣與吉林銀行智能平台部副總經理馬捷圍繞「數智浪潮之下金融行業提質轉型與生態重構」展開對話。

　　以下為對話實錄：

　　主持人/馬捷：感謝田總的介紹。各位來賓，大家下午好！我是本場圓桌對話的主持人、吉林銀行智能平台部副總經理馬捷。

　　當前，人工智能、大數據、雲計算等新一代信息技術加速融入金融業務，持續推動金融業數字化、智能化轉型。數智化已成為金融機構提升發展質量和服務能力的重要驅動力。今天，我們圍繞「數智浪潮之下，金融行業提質轉型與生態重構」這一主題，邀請銀行、保險、證券領域的嘉賓，共同交流數智化轉型中的實踐經驗、關鍵挑戰與未來方向。下面，有請各位嘉賓上台就座：

　　田涵勇 威海藍海銀行股份有限公司首席信息官

　　孫晨宇 中國出口信用保險公司審計部AI應用負責人

　　朱兆臣   東亞前海證券數字化轉型管理辦公室總經理

　　讓我們再次以熱烈的掌聲歡迎各位嘉賓！

　　先請各位嘉賓用1—3分鐘做簡短自我介紹，並簡要談談對本場主題的理解。首先有請田總。

　　田涵勇：我還是先做一下自我介紹，簡單一點。我是藍海銀行的首席信息官。分管科技部、互金部，還有運營管理部等部門，總體都是偏向中後台的。

　　我們行是一家民營銀行，可能和很多的同業不太一樣，剛纔和新網的詹總介紹的一樣，我們是沒有網點的，或者是只有一家物理網點的銀行，業務只能在線上去做，尤其是對C端的業務。我們大概有8年左右的時間，在過往的這些年，在C端這一塊做得還是不錯的，包括整體的C端的，比如像消費信貸，整個大數據風控、獲客等等，但是這兩年會面臨一個比較大的壓力，C端因為新的政策，另外包括它整體市場環境變化，所以我們也在在對公端和B端的業務去轉型，這一塊我們之前做得不夠多，所以特別希望通過今天的機會來向大家多學習。謝謝大家！

　　主持人/馬捷：感謝田總，下面有請孫總。

　　孫晨宇：感謝主辦方的邀請，也感謝馬總的主持。我是中國出口信用保險公司審計部 AI 應用負責人孫晨宇，非常榮幸參加本次圓桌對話。結合本次議題《數智浪潮之下金融行業提質轉型與生態重構》，站在審計的數字化風控視角，我認為我們更多關注的是AI+審計業務的創新、合規治理以及行業生態穩健運行，提供獨立客觀的監督鑑證與價值賦能。

　　主持人/馬捷：感謝孫總，下面有請朱總。

　　朱兆臣：謝謝馬總，感謝主辦方的要求，我是來自於東亞前海證券數字化轉型管理辦公室的朱兆臣。大家可能以為我是科技出身，其實我做了接近18年的財務，這兩年才轉到數字化轉型管理辦公室。

　　剛看到這個題目，我看可以類比數字化轉型解讀為數字化和轉型兩個動作，一個是先做數字化，然後再是業務的轉型，這兩件事情同步做，誰來做，這都是我們要討論的議題，或者說我們要去解決的工作。數智化首先是哪些要做數智化？哪些要做轉型？一個是動作，一個是主體。今天我也是想要和大家一起來探討這個事情，在這個浪潮裏面，我們的上下游、我們的生態該如何去改變，或者說我們如何去做這樣的一個轉變。謝謝。

　　主持人/馬捷：感謝朱總，也感謝各位嘉賓的分享。下面進入討論環節。首先請教田總：相較大型銀行，中小銀行在資源、數據和業務場景等方面存在差異。請您結合藍海銀行在普惠金融、零售金融方面的實踐，分享AI、大數據在智能風控、客戶精細化運營、小微金融服務等場景的應用成效。同時，中小銀行在數字化轉型過程中，容易出現技術堆砌、投入產出不匹配、技術與業務脫節等問題，貴行如何平衡技術創新與業務需求，實現精準提質增效？

　　田涵勇：馬總這個問題還挺長的。說一下過往做的成果，民營銀行大部分雖然非常小，但是在交易量上面，比如類似你剛纔提到的C端的消費金融，過往的交易量累計都在萬億左右（指放款量），相對於一些小微服務的，我印象中有一個票據秒批的產品，作為一家非常小的銀行，我印象中交易量曾經在全國的銀行裏面都可以排在非常前面，一年可以在萬億左。我在想小銀行也可以做創新的產品，因為現在有一個科技平權，當然也提到AI平權，有些場景，就像我剛纔所說的票據貼現的它是一個小微的，整體上來說只要真正去發現客戶所需要的痛點，你去解決它，過往在技術上來說並不是難點，技術的難點是業務流程的梳理，這個就是有足夠的產品經理，這是業務方面。另外最難的是什麼？就是所謂容量等方面。但是這麼多年在高併發、高性能上面，我覺得對科技團隊，我覺得這個不是太大的問題。這是過往的一些事情。

　　剛纔馬總也提到，比如說小銀行和大銀行相比，我覺得這個會天然有劣勢，尤其是在科技投入上面，小微銀行沒有那麼多的科技投入，過往大家都會提到馬太效應等等，我覺得這個是一個客觀存在的，尤其是在前幾年AI剛出現的時候，這個差異就會非常大，因為當時AI投入是非常巨大的，大銀行的投入大家都是看得非常多，小微銀行幾百萬都拿不出來，去做算力的服務器。

　　但是這兩年我倒是覺得還會好一點，因為這兩年雖然說硬件的費用在上漲，但是因為大模型本身，尤其通用大模型本身這個能力的提升，其實現在我感覺可以做AI平權，包括在我們行也在做AI應用，但是我們沒有做到整體的業務流，我們更多的是做人的夥伴，主要是幫員工去解決兩類問題，一類就是他覺得繁瑣的事情。一類是他的能力達不到需要請顧問的地方，所以我們請AI來幫他，（作為）打雜工，或者幫他做指導顧問。我們看下來對整個算力的消耗，尤其是今年出現幾個新的大模型，比如DeepSeek V4 Flash，或者千問3.8 FLlash等等，我們正在對這些模型做測試，目前測試結果這些模型對算力的支持反而要求更低了，我覺得這個是有信心，而且現在整個AI開發的成本，如何只有應用端，其實並沒有原來想象的那麼高，小銀行在這方面有信心，我覺得大家一定要去做。如果不做的話，讓普遍的各個部門對這個AI的能力都沒有認識，未來一定是非常麻煩的。所以我想我們先去培養這個意識，先做起來，先做點，今天上午很多嘉賓都提到了AI的路徑，包括未來到面，包括整個安全的管控。我們作為小微銀行如果連點都不做，一定是沒有希望的。馬總，我就講這些。

　　主持人/馬捷：還有一個問題請教田總：面對數據孤島、生態協同不足以及創新與合規平衡等挑戰，中小銀行應如何找準自身定位，聯動科技企業、同業和產業各方，共建更加適配中小銀行的金融科技生態？

　　田涵勇：馬總的這個問題，目前沒有特別好的答案，我們現在在苦苦的摸索現在提到的這些問題，尤其要應對的業務轉型，這個是最難的。剛纔也提到，要和市場上不同的科技企業、不同的其他的平台，大家互相去取長補短。因為科技企業，它在行業內做過大行的，有些小行的不一定做過，經過大家不同的交流或者適配，也可以給我們帶來很多新的啓發。雖然現在是沒有答案，但是我相信大家一起去互相支持，互相幫助、互相相信，一定是能夠一起成長的。

　　主持人/馬捷：感謝田總的分享。接下來請教孫總：作為中國出口信用保險公司審計部AI應用負責人，您所在機構具有業務專業性和較高的合規要求。請您分享AI在信保審計、風險監測等場景的應用實踐，以及在跨境業務中如何把握AI賦能與審慎風控之間的平衡。

　　孫晨宇：首先感謝馬總，接下來我來介紹一下我的一些思考，在審計與風險監測的場景中，AI 的價值在於提升信息處理效率，而非替代人類判斷。我始終堅持「AI 輔助、人工決策」的原則，具體實踐可分為三個層面：

　　第一，AI 做審計基礎工作的「全量初篩」。審計工作中，大量時間耗費在制度的解析、合規問題比對、數據一致性檢查等基礎性工作上。利用 RAG技術，可以讓 AI對接制度庫文件，結合大模型和規則校驗的文本分析能力，自動完成規則匹配、異常標記等初篩工作。AI先一步完成比對和初步關聯，將原本需要數天覈對的業務數據分析工作和制度文件整理工作壓縮至分鐘級，不過該功能輸出的僅是「審計線索+證據鏈」，絕不給出「合規」或「違規」的審計結論。

　　第二，人工做「專業判斷與 Skill 沉澱」。AI 完成初篩後，審計業務人員基於專業經驗對線索進行復核、定性，並將成熟的判斷邏輯提煉成可複用的 Skill。這些 Skill 又反哺 AI 系統，形成「AI 初篩→人工提煉→規則固化→AI 再應用」的閉環。這既發揮了 AI 的分析優勢，又確保了專業判斷的核心地位。就比如在審計業務人員查證完一個問題後，將獨立的查證方式形成可複用的思路，讓AI依據該思路持續分析不同分公司的同類問題，實現經驗的可複用性。

　　第三，決策權始終保留給業務人員。無論 AI 分析得多麼深入，最終的風險定性、承保決策、審計結論，都必須由業務人員基於全面信息最後給出。AI 的角色是「高級參謀」，提供數據支撐和邏輯參考，但絕不越界成為「決策者」。

　　總結來說，AI加審計場景下的平衡之道在於：讓 AI 做信息初篩，業務人員提煉專業思路形成 Skill，但風險定性、責任承擔、最終拍板，永遠屬於人。這種人機協同既釋放了技術效率，又守住了審慎風控的底線。

　　主持人/馬捷：結合剛纔的回答，還想請您談談：為什麼業務人員需要學習AI、理解基本的數字化思維？這對人機協同、提升審計效能有哪些實際幫助？貴司又通過哪些方式讓業務人員真正參與AI應用建設？

　　孫晨宇：關於多源數據環境下的數據治理與AI建設，我的核心觀點是：從「AI替代人」轉向「AI武裝人」，實現「一崗一數字員工，一人一數字團隊」。 具體從三個方面彙報：

　　第一，夯實數據治理根基，讓數字員工「有數可用」。多源業務數據分散在保單、承保、理賠等系統中。我們探索的是：打破數據壁壘，建立統一的數據資產；將各類隱性知識顯性化，形成AI可解析的規則庫。這正是數字員工運行的「糧草」。

　　第二，建設懂業務的AI模型，讓數字員工「能幹會幹」。這裏的關鍵是人機邊界設計：AI負責初篩和提示，定性決策權始終保留給業務人員，每個崗位配備專屬數字員工。

　　第三，推動人機協同落地，讓業務人員「駕馭AI」。「一人一數字團隊」意味着業務人員不再是「一個人」，而是指揮一個數字團隊：規則解析員、數據比對員、風險預警員。人的角色從「執行者」轉變為「判斷者+訓練師」。現在的邏輯大多是要求業務人員理解AI能力邊界；精準描述業務需求；但是新一代的AI邏輯則是可以自主分析用戶問題，成為一個真正的崗位員工，逐步的將審計人員的經驗轉化為可複用的Skill，反哺數字員工進化。

　　最後，數智化轉型的終點不是「機器換人」，而是「人機共生」—讓每位審計人員都擁有專屬的數字團隊，在數據治理的沃土上，實現真正的審計業務賦能。

　　主持人/馬捷：感謝孫總的分享，下面請教朱兆臣總，作為東亞前海證券數字化轉型管理總經理，券商類的業務場景豐富，對AI和數字化有很強的現實需求。首先想請您分享，貴司在數字化轉型過程當中，AI在投研、運營、風控等業務場景的路徑情況，面對業務需求複雜、投入產出權衡的難題，券商如何避免基礎建設與業務實際脫節？

　　朱兆臣：感謝，這個問題還挺全的。今天一天我也聽了一下，上午有一家券商，下午有兩家券商的分享，他們基本上把我們所投研、投行、自研、資管、財富方面，他們所做的那些事情，或者他們所有的需求，我們和他們是一樣的。我們作為小券商，更想要談的是什麼呢？他們有資源，他們有卡，有更多的算力，我們缺的是算力，我們現在只有一台24G顯卡的GPU的服務器，在上面去驗證一些小模型，我們如何去用AI呢？如何做數智化轉型呢？我認為先把數字智能再解釋一下。數是數，我們心中要有數，或者我們系統中要有數，或者我們的業務行為要落成數，這都是數。

　　什麼叫智呢？前幾年我們在談的智能，可能叫商業智能，叫BI。後面又出了RPA，相對有AI的一種感覺，但也是一種智。現在又出了Agent，也是一種智。這三種智參與到數智化轉型，除了這些之外，還有其他更多的「智」參與進來，我們的智會越來越豐富。我們不能說今天AI是主力了，就忘了前面的「智」。

　　我們想推進的一個數字轉型是怎麼樣推進的呢？我們是以文化為引領，為什麼要提以文化為引領這件事情？這是我一直比較主張的一件事情。很多公司是提科技引領，我說一定要文化引領。因為我們公司比較小，只有320多人，需要一個切實可行的組織方式推進數字化轉型。如果提科技引領，很多業務部門的人可能就認為自身要具備科技的能力才能夠幹這件事。第二，有些人認為只有科技部門才能幹好這件事情，這件事情推到科技部門去了，也就是說，說數字化轉型的事是科技部門的事。我為什麼說要做文化引領這件事呢？文化引領解決了大家都共同認可的，公司有一個數字文化，做的所有決策都要基於數據，大家基於同樣的數據去做這個判斷的，是正確的程序化決策。

　　說到這兒之後大家才能理解，那我們公司的數字化該怎麼去推呢？我剛纔講的不管是BI也好，RPA也好，我們公司所有的BI數據分析師，或者做看板也好，給領導做駕駛艙也好，全部來自於業務部門，沒有一個是技術部門。還有做RPA開發的，也全部是業務部門的，沒有技術部門。我們通過培養業務技術性複合型人才，實現了數字化轉型，也可以說是數智化轉型。

　　現在推廣AI，我同樣的理念給大家宣傳。因為我們現在沒有算力，我們只能夠藉助一些市場免費的工具，或者我們少花一點錢去買一些公有云的算力AP，讓大家先去驗證。現在的發展速度太快了，拿前年來說，DeepSeek R1出來之後，在R1出來之前，很多券商都做了自有的大模型的調優，那會兒有的已經花了2、3千萬了，有的企業投入接近上億了，結果一個R1出來之後把所有的投資全部都打掉，幾乎沒有用了。包括現在的大模型還沒有達到相對穩定，我們現在在觀察、研究、跟進AI發展趨勢，或者去思考如何去用。我們怎麼用呢？客戶的數據是上不了雲的，我們沒辦法用，那麼做什麼事情呢？比如說投行裏面，現在很多的底稿歸檔，是有PDF的、Word的，又有jpg的、掃描的，各類的文件都有，他需要在這個項目結束之後，歸檔之後，這是監管機構要求的，必須是存檔多少年的數據。以前是人工去歸檔，一個項目要一兩個小時、兩三個小時才能歸完這些數據，用AI去開發一個小工具，只要這個項目文件夾裏面的命名，1、2、3、4、6、7、8命名排序，自動就歸檔完了。開發的工具也都是業務人員自己開發的，開發這個工具不到半個小時就開發完了。歸檔這個事情，一個項目歸檔十分鐘就完成了。這種工具，我們只能換一種方式來想，不能夠直接用AI的時候，我可以用AI開發一些工具幫助我們提效，這是一種方案。

　　還有一種方案，我們有一些不敏感的數據，脫敏之後的數據，我們做一些投資的績效歸因分析，這個事情就是我脫敏之後，不是敏感數據了。歸因分析可能分析去年和今年的對比，去年牛市，今年市場的波動比較大，到底我們錢賺到哪裏？到底是從交易賺到的錢？還是我們持有賺到的錢更多一點？這個分析下來之後，大家可以看到，賣的時機好還是買的時機好，也才能夠看出來。

　　這樣的Skill出來之後，是通用的，給到同事，他們都可以用這個Skill去驗證自己的投資邏輯是不是正確的，或者驗證自己的操作有哪些是可以改善的，這些是我們可以做的事情。不能做的事情先暫時不做，因為我們沒有資源、沒有卡，未來會不會有更多卡呢？目前還不清楚，但是希望是越來越好，可能會有一個上下游的資源。剛纔講生態應該給我們做些什麼東西。

　　我們上游，我更希望有一些類似專屬金融雲或者借用銀聯雲，這樣一些可信的雲。如國家給銀行業推可信數字空間，大家把數據都推到同樣一個可信數據空間。如果證券行業和其他的行業，或者金融行業，能夠有專屬雲，這些工具和模型都在這個雲上，小券商也好、小銀行也好，都能夠公用，這是我們期待的上游的生態。

　　下游的生態，我們期望是什麼樣的生態呢？我們做出這麼多AI的東西來，我們怎麼去服務到客戶？金融行業所有的人可能跟我們企業的目標都是相近的，希望自己的客戶財富能夠更好、更穩健的增長，就是我們這些服務怎樣觸達客戶呢？現在很多是通過AI去問，或者通過服務客戶人員推薦，能夠實現這樣的一個轉化。

　　那我們更希望，如果在AI的生態裏面，他能夠通過連接器、Skill，或者說我們提供的一些電子化的服務，通過AI之間的連接，我們的AI和客戶的AI的連接，來實現Agent跨上下游的連接，我覺得會更好一點，這是我的分享。

　　主持人/馬捷：感謝朱總的分享。您剛纔提到的低成本使用AI、藉助AI開發工具等做法，我很有共鳴。對中小金融機構來說，算力資源有限並不意味着要錯過AI發展機遇，關鍵是找到與自身資源稟賦相匹配的應用路徑。我們也在關注可信算力等外部資源，希望通過更靈活的方式提升AI應用能力。這些問題具有較強的行業共性，值得同業之間相互借鑑。謝謝。

　　朱兆臣：我要補充一點是？小的公司確實需要這樣的一些機會，好用的小模型也是一個路徑。如智能問數這件事情，原來的技術路徑NL2SQL，會有很多幻覺，或者問的數據會超越權力邊界。我們現在也在嘗試，嘗試通過AI問數據模型這種模式，在問數的準確性上有很大很高了。也許可以用一個30B左右的模型就可以跑起來，我現在只需要再加一張GPU卡就可以把智能問數這件事完成了，換一個思路，可以低成本的形式來用AI。

　　主持人/馬捷：好的，感謝朱總。下面我結合城商行實踐，談兩個問題。

　　第一個問題，是銀行數智化建設過程中如何打通數據壁壘，讓算力和數據能力真正賦能業務，避免平台建設與業務脫節。

　　先談數據基礎。我們較早建立了專門的數據管理機制，並持續推進數據中台建設，統一管理數據資源，逐步打通部門間的數據壁壘。我的體會是，沒有高質量的「數」，就很難形成可靠的「智」。隨着大數據和人工智能技術的發展，數據處理能力大幅提升，但數據質量仍是決定智能化應用效果的基礎。我們也在探索用AI輔助數據治理，提升治理效率，讓更高質量的數據支撐智能化應用。歸根結底，數據治理要先做紮實，智能化建設纔有可靠基礎。

　　再談如何避免平台與業務脫節。我們在開展AI研究和實踐之初，就堅持從真實場景、真實痛點出發：用AI不是目的，解決問題纔是目的。前期我們選擇少量業務痛點場景先行驗證，在實踐中積累經驗，再逐步把有效做法工程化、體系化。在此基礎上，我們形成了AI應用規劃綱要，並啓動「吉智工程」專項建設，圍繞重點場景逐步完善AI中台、知識平台等基礎能力。整體路徑可以概括為「從場景出發、由點及面、逐步體系化」。

　　第二個問題，是在行業快速轉型、生態重塑背景下，城商行在數智化建設中如何找準定位，聯動同業科技機構和本土產業場景，打造輕量化、高適配、高時效的數智服務體系？

　　我認為一個關鍵點是把投入產出賬算清楚。我們在推進AI項目時，首先同業務部門一起明確需求、預期效益和業務價值，並據此確定優先級。高價值、剛需場景優先推進；價值不清晰的場景則審慎投入。另一個原則是，不為AI而AI。能用RPA等成熟技術高效解決的問題，就不必強行使用大模型。選擇最合適的技術解決具體問題，才能真正實現提質增效。

　　再談輕量化。我們的基本思路是，不盲目追求模型越大越好，而是根據具體場景選擇「夠用、適配」的模型。了解前沿模型能力很重要，但在真正落地時，更要回到業務需求、成本和效果本身：能夠以較小模型、較低成本穩定解決問題，就沒有必要一味追求更大參數和更高算力。也就是說，模型選擇應以場景效果和成本效率為核心。

　　在生態協同方面，我們也在探索與高校開展聯合研究，圍繞大模型等方向攻關，同時關注可信算力等外部資源的協同使用。對於中小金融機構來說，很多前沿問題僅靠自身力量難以深入推進，需要藉助高校、科技企業和同業的專業能力。我們也期待大型金融機構在合規和風險可控的前提下，加強成熟經驗、通用能力和行業知識的共享，幫助中小機構降低試錯成本、提升轉型效率。

　　主持人/馬捷：各位嘉賓，圍繞今天的主題，還有哪些觀點想補充？

　　朱兆臣：我就補充一句話，數智講完了，轉型沒有講。我認為所有的轉型都是業務轉型，業務部門只有承擔起了轉型的主體責任，你這個公司纔有希望，如果只是IT在轉型，這個是沒有希望的，所以就這一句話，業務部門由業務部門承擔，它是主體責任，就可以了，謝謝。

　　主持人/馬捷：朱總剛纔強調了業務部門在提質轉型當中的重要性，我非常認同。無論是AI應用還是傳統數字化建設，「業技融合」最終都要落實到業務與科技共同解決問題，只有業務部門深度參與、科技條線協同支持，才能更好地推動金融機構提質轉型。朱總剛纔的發言點出了關鍵，給我們很好的啓發。

　　所以，真正的業技融合，不是業務或科技單方面推動，而是業務部門主動參與、科技條線協同支持，共同把轉型往前推進。朱總剛纔的觀點點出了關鍵，也給了我們很好的啓發。

　　主持人/馬捷：剛纔，三位嘉賓分別從銀行數字化轉型、保險AI風控應用、證券生態協同等角度分享了實踐與思考。可以看到，金融行業的數智化轉型不僅是技術工具升級，更涉及業務能力、運營模式、風險管理和生態協同的系統性提升。未來，金融機構還需要進一步推動數字技術與業務場景深度融合，在提質增效、風險防控、服務實體經濟和開放合作等方面持續探索。感謝各位嘉賓的真知灼見。

　　今天的圓桌對話到此結束。再次感謝各位嘉賓的精彩分享，也感謝各位來賓的聆聽。第八屆金融科技交流會圓滿結束，期待明年再見。謝謝大家！