上海推动银行业人工智能应用：支持自主开发行业特定模型，鼓励组建跨部门AI项目团队

正文：

在9月24日，国家金融监督管理总局上海监管局发布了《推动上海银行业保险业人工智能应用的若干措施》。该措施强调了深化场景应用的重要性，鼓励金融机构利用人工智能技术来优化智能营销和全渠道服务，以提升效率和客户体验。同时，推动业务流程的智能重塑，深化智能信贷、核赔和运营的应用，以提高业务效率和风险管理能力。此外，措施还指出要强化内部管理的智能化赋能，提升办公、投研、研发和运维的效率，并建立智能化风险控制体系，构建多维度的风控模型，以增强对舆情监测、非法集资、欺诈和洗钱等风险的预警和防控能力。在可控风险的前提下，支持金融机构稳妥探索新一代智能终端和金融智能体的建设，推动服务方式从数字赋能向智能驱动转型。

在垂域模型的开发与应用方面，支持金融机构自主开发行业特定模型，并在实时性、准确性和可解释性等方面平衡不同应用场景的优先级。建议采用“通用大模型兜底及行业大模型落地”的采购策略，构建大模型和轻量模型相结合的分层协同模型架构，打造一站式大模型应用平台，提供场景化模板以降低应用门槛。同时，鼓励金融机构完善人工智能测评体系，结合行业实践和风险防控要求，参与模型评估和认证标准的制定。

为推动企业级人工智能平台的建设，鼓励金融机构打造统一的开发、训练和部署环境，降低技术门槛，并推动能力封装为标准化接口，以供业务系统调用；实施微服务架构，解耦人工智能能力模块，实现独立的开发、部署和升级。

此外，鼓励金融机构创新组织结构，打破部门壁垒，组建跨业务、技术和数据的人工智能项目团队；建立人工智能应用绩效评估机制，定期评估战略资源保障、场景落地效果、工具应用贡献及需求收集成效，为决策和改进提供支持。

为进一步推动上海银行业和保险业的人工智能应用，本文提出的措施旨在助力上海建设国际金融中心和全球金融科技中心，落实金融监管总局和上海市政府的相关要求，促进人工智能与金融行业的深度融合。

（一）深化场景应用。鼓励金融机构运用人工智能技术，优化智能营销和全渠道服务，提高服务效率和客户体验；推进业务流程的智能重塑，深化智能信贷、核赔和运营应用，提升业务效率和风险管理水平；强化内部管理的智能赋能，提升办公、投研、研发和运维的效能；建设智能化风险控制体系，构建多维风控模型，以增强对舆情监测、非法集资、欺诈和洗钱等风险的预警和防控能力。在可控风险的前提下，支持金融机构稳妥探索新一代智能终端和金融智能体的建设，推动服务方式从数字赋能向智能驱动转型。

（二）优化智能算力资源配置。支持金融机构在确保安全合规的基础上，采用“租购并举”的模式，构建混合云算力平台，灵活分配、调度和扩展智能算力资源；完善云边协同架构，将云端算力下沉至边缘场景，结合分布式存储技术提升数据处理效率，以满足高并发和高容量需求。

（三）统筹垂域模型开发应用。支持金融机构自主开发行业特定模型，平衡不同应用场景下模型的实时性、准确性和可解释性；建议采用“通用大模型兜底和行业大模型落地”的模型采购策略，构建大模型与轻量模型相结合的分层协同模型架构，打造一站式大模型应用平台，提供场景化模板以降低应用门槛。鼓励金融机构完善人工智能测评体系，结合行业实践与风险防控要求，参与模型评估和认证标准的制定。

（四）发挥数据要素的价值。推动金融机构加强数据治理，完善数据治理体系和质量管控机制。鼓励金融机构整合多源数据，构建高质量的数据集，制定数据采集、清洗、标准化处理和标注等全流程管理规范，夯实数据资产基础。推动金融机构建设知识库，绘制知识地图，明确知识边界和关联关系。鼓励金融机构构建知识管理体系，完善知识生成、入库、更新和下线的全生命周期管理机制，强化知识审批、内容质检和有效期管理，结合用户访问数据与专家评价，不断优化知识库的内容和质量，利用人工智能技术提取形成知识；探索隐私计算与区块链技术，在隐私保护和安全合规的前提下，依法开展数据共享。

（五）建立“数据+模型”的双闭环机制。鼓励金融机构完善“采、建、用、管”的数据闭环，以及模型的训练、管理、部署、运行和应用闭环体系，不断完善“数据驱动模型优化，模型反哺数据治理”的双向赋能机制，系统性解决人工智能落地中的数据碎片化与模型过时问题。

（六）建设企业级人工智能平台。鼓励金融机构建立统一的人工智能开发、训练和部署环境，降低技术门槛，推动能力封装为标准化接口，供业务系统调用；实施微服务架构，解耦人工智能能力模块，实现独立开发、部署与升级。

（七）促进行业应用生态建设。鼓励中小金融机构借鉴行业先进经验，引入成熟解决方案，融入行业应用生态。支持金融机构与政府、高校和金融科技企业共建联合实验室和创新中心，加速技术成果在金融行业的转化应用，共同培育金融领域标杆性的大模型产品，助力上海的发展。

（八）完善治理架构。推动金融机构将人工智能应用纳入数字化转型战略规划，加强顶层设计，制定建设规划方案，明确短期目标与长期战略，确保战略转型与金融科技创新发展相互促进；建立并完善人工智能治理体系，明确管理流程、组织架构、责任分工和考核机制，实施人工智能应用的全生命周期管理，将人工智能风险纳入全面风险管理体系。鼓励金融机构创新组织架构，打破部门壁垒，组建跨业务、技术和数据的人工智能项目团队；建立人工智能应用绩效评估机制，定期评估战略资源保障、场景落地效果、工具应用贡献和需求收集成效，为决策和改进提供依据。

（九）加快人才培养。推动金融机构构建人工智能人才培养体系，通过标准化课程辅导、专兼职师资引领、校企合作、项目研发和创新应用比赛等方式提升员工技能。支持金融机构设立创新研究基金，与高校和科研机构联合培养人才，构建产教融合的人工智能人才培养生态。推动金融机构建立人工智能应用运营体系，使人工智能应用惠及所有员工，促进人工智能应用从“能用”到“好用”，员工应用从“会用”到“爱用”的转变。

（十）强化合规管理。金融机构应完善数据合规管理体系，确保依法合规地采集、存储和使用数据；严格按照网信部门的规定，对面向公众服务的生成式人工智能模型进行备案或登记，包括但不限于自研、微调、私有化部署和API调用等情形；建立人工智能高风险应用场景的准入控制机制，并经本机构的风险管理委员会批准后实施，构建系统化的评估框架，按照“风险可控、成本集约、价值提升”的原则进行场景准入，确保应用范围与风险管控能力相匹配，应用场景与技术实现能力相适配，始终坚持价值引导，避免盲目投入，防止技术滥用，遏制数字形式主义；定期对人工智能系统进行安全评估和审计，提高人工智能应用的稳健性、合规性和透明度；加强对高风险应用关键环节的人工监测，建立人工干预机制，完善应急处置流程，以提高应对人工智能系统合规事件的能力。支持金融机构将模型底座与上层应用解耦，准备多模型部署

来源：移动支付网