近日，，，，由北京金融街服务局和北京立言金融与发展研究院联合主办，，，国家金融与发展实验室金融科技研究中心、、金融科技 50人论坛学术支持的金融街论坛系列闭门会之“AI 智能体赋能数字金融高质量发展”在京举办。。

本次研讨主题紧扣政府工作报告中提出的“支持大模型广泛应用”要求，，以及央行在科技工作会议中强调的“安全稳妥有序推进人工智能大模型等在金融领域应用”的政策部署。。大模型
，，，，尤其是智能体的进一步发展
，
，，正深刻改变金融业的运营方式和业务流程
，，为金融行业智能化转型和业务升级提供了关键技术支撑
。。。来自中国工商银行、
、、中国邮政储蓄银行、、中国农业发展银行
、
、、、中国民生银行、、、北银金科等众多金融机构相关负责人参会，
，，，凯时尊龙数据研发中心总经理李庆刚代表公司参会并发言。
。

针对AI智能体在金融领域的技术发展和业务应用，，，
，李庆刚表示
：从技术维度看，，，以数据驱动的架构将转向以决策为中心的架构。。随着AI编程以及多智能体技术的快速发展，
，，企业决策能力相较传统方式实现了质的飞跃
。。。
。7月11日，，，谷歌收购了Windsorf，，，以增强其AI编程和智能体技术能力；7月16日
，
，，，Anthropic发布了Claude多智能体金融分析解决方案，，，通过MCP Connector整合了标普、
、
、、FactSet等外部权威金融数据，，，，并融合了Databricks的大数据处理能力与Palantir的AI驱动平台能力，，
，实现了数据集成、
、、分析与快速决策。。然而
，，，金融机构传统的数据驱动架构（包括存算能力
、、、数据洞察能力、
、、建模能力等）难以适应以决策为中心的新要求，，，亟需新一代一体化平台能力，，，以满足决策导向的架构体系需求。
。。。

从业务维度看，
，，智能工作流将迎来快速发展，，，未来银行的竞争可能演变为智能体间的竞争
。。今年3月，，，，IBM商业价值研究院发布报告预测
，，智能工作流的应用比例将从年初的3%提升至年底的25%
。。。。更为重要的是，，
，，领先银行可能通过大模型将先进业务实践沉淀为企业知识库，，，，并以智能体为载体落地应用，，
，服务于业务经营，
，
，，从而形成强者恒强的格局。。
。。

关于大模型在金融业的应用展望，，李庆刚提出两点建议：组织层面
，，金融机构应设立专职实体机构统筹推进大模型与智能体发展
，
，高效整合业务、、、、数据、、、、算力等资源，，，，实现业务价值的有序释放；行业协作层面，，
，建议行业协会以“一表通”等标准化报送数据为基础
，，
，通过本体建模构建行业知识库，
，使其成为金融机构数字资产的操作层，，实现人机协同
。。
。

国家金融与发展实验室副主任杨涛在致辞环节表示：随着人工智能、
、、、大模型在行业的快速应用和迭代，
，，，需要更多关注如何处理其未来的风险与挑战，，，，做好价值与场景的平衡
。。大模型在金融行业的应用要把握好风险底线，，避免在长期内低估
、、短期内高估人工智能应用的挑战。。
。

第一，，，，要推动完善AI大模型金融应用的制度和标准。。当前，
，大模型在国家层面的制度规则在不断完善，，，但从整体来看，，大模型在金融领域的应用仍存在一些制度规则的缺位。
。2024年5月21日，，，欧盟理事会正式批准《人工智能法案》，
，对不同风险层级的人工智能分层管理。。
。。其中，，，银行和保险的AI应用被归为高风险层级
，，，需满足一系列严格的透明度与合规要求。。
。尽管该监管政策存在一些争议
，，但其分层分类的监管理念在某种程度上可以借鉴。。。。例如，，
，通过分级分类策略帮助解决大模型的可解释性问题
。。。在某些需要较高可解释性的产品和业务上，
，，尽可能将黑箱背后的逻辑讲清楚。
。
。而面对那些不需要太高可解释性的产品和业务，
，则不一定需要解释原理，，，
，这就需要完善的制度和分级分类管理加以支撑。。。
。

第二，，要做好创新风险与责任的明确与分担。
。伴随着数字化新技术的演进，，，大模型等新技术的持续应用为金融全产业链带来重构
，
，，，原有金融机构的边界、
、、
、金融业务的合作方式受到了颠覆式冲击，，这带来了一些不确定性的风险积累
。
。。。对此，，要把握好创新与安全的跷跷板。。。关键在于明确潜在风险
，，，实现各方参与者责任的有效分担。
。例如，，
，可借鉴美国跨部门监管机构联邦金融机构检查委员会（FFIEC）的实践，，，通过标准和规则建设，
，，推动金融与科技融合过程中的参与主体各司其职、、、、风险自担。。。

第三，
，要理性看待大模型在金融领域应用的功能与价值
。。。。从技术角度来看，，，大模型的金融应用逐渐体现出较高的灵活性和实用性，，，结构小而精
，，向轻量化方向发展。。在现实中，，
，，不同金融机构的资源禀赋不同，，在专业性、、
、、成本控制、、价值追求方面存在差异。。。对于众多小金融机构而言，，数字化时代的马太效应将会越来越突出。。因此，，，金融行业在拥抱大模型的过程中，，例如在Agent方面的布局
，，，要避免一哄而上。
。。要探索真正必要的数字化手段，，
，短期内降低预期，
，，长期持续稳定健康发展。
。。

第四，，
，，要提升监管科技和智能监管的能力。。
。面对大模型对金融业务、、、金融产品
、、金融活动带来的深刻影响，，，，需要提升智慧监管能力、
、
、、改善监管流程的数字化水平。。。当监管部门拥有更多技术手段，，
，就能有效实施穿透式监管，，，减少对技术的担忧。
。。

第五，，，
，把握好金融科技伦理和金融科技的底线。。。2022年，，中国人民银行发布了《金融领域科技伦理指引》，，，对金融科技创新活动的伦理底线加以约束
。。然而大模型的使用为原有的一般性伦理挑战带来了更多突出性问题
。。。因此
，，，需要探索推动伦理标准的建设，
，，，让未来的应用更加符合技术责任，，
，解决信息真实性和金融安全等一系列伦理问题。
。同时
，
，进一步地和当前中国特色金融文化的建设结合起来。。