j9九游会ღღ✿✿ღ，九游会官网J9ღღ✿✿ღ，九游ღღ✿✿ღ！j9九游会 - 真人游戏第一品牌ღღ✿✿ღ，J9九游ღღ✿✿ღ，真人游戏第一品牌ღღ✿✿ღ。j9九游会官方登录ღღ✿✿ღ。2021年5月ღღ✿✿ღ，富滇银行与阿里云合作ღღ✿✿ღ，启动“滇峰计划”ღღ✿✿ღ，全面开启数字化转型ღღ✿✿ღ，凭借数字化转型的模式创新九游会老哥ღღ✿✿ღ、转型方案完整度ღღ✿✿ღ、市场影响力及社会价值ღღ✿✿ღ，成为城商行中依托数字化转型实现业务经营模式及服务范式转变的典型案例ღღ✿✿ღ。转型期间ღღ✿✿ღ，该行引入和实践大模型辅助研发技术ღღ✿✿ღ，持续探索中小银行金融大模型实践之路ღღ✿✿ღ，在多个场景中实现了大模型技术应用ღღ✿✿ღ。

　　“2025年ღღ✿✿ღ，在DeepSeek等基础模型的革新推动下ღღ✿✿ღ，大模型技术将重塑各行各业ღღ✿✿ღ，其中金融业作为先锋领域ღღ✿✿ღ，将迎来金融专属大模型应用的元年ღღ✿✿ღ。”日前ღღ✿✿ღ，富滇银行数字金融中心主任赵理明接受《每日经济新闻》记者（以下简称“NBD”）专访时表示ღღ✿✿ღ，在全过程开源ღღ✿✿ღ、强化学习ღღ✿✿ღ、自我反思ღღ✿✿ღ、冷启动与多阶段训练的多重加持下ღღ✿✿ღ，DeepSeek将带来巨大的成本优势和同等的效能ღღ✿✿ღ，使得中小银行也能获得先进的算法资源ღღ✿✿ღ。

　　在赵理明看来ღღ✿✿ღ，中小银行不必复制大型银行的“重模型九游会老哥ღღ✿✿ღ、全场景”的路线囚徒wingyingღღ✿✿ღ，而应从“小场景ღღ✿✿ღ、深融合ღღ✿✿ღ、快迭代”的思路入手ღღ✿✿ღ，取得非对称竞争优势ღღ✿✿ღ。同时ღღ✿✿ღ，他强调ღღ✿✿ღ，需警惕技术激进风险囚徒wingyingღღ✿✿ღ，尽管近期多家头部大模型公司公布了各自的智能体框架ღღ✿✿ღ，但稳定应用于商业场景尤其是银行业ღღ✿✿ღ，还需要较长时间的孕育磨合期ღღ✿✿ღ。

　　赵理明ღღ✿✿ღ：从2017年开始ღღ✿✿ღ，一些城商行已经开始了数字化尝试ღღ✿✿ღ，以由点及面的方式稳妥推进数字化转型ღღ✿✿ღ。而在今天ღღ✿✿ღ，如富滇银行等中小银行显然已经没有了这样的时间和空间囚徒wingyingღღ✿✿ღ。在这场竞赛中ღღ✿✿ღ，面对的是一场非对称竞争——随着数字化技术在金融领域的渗透ღღ✿✿ღ，特别是在这个“无界时代”ღღ✿✿ღ，中小行与大行之间的差距实际上是在拉大ღღ✿✿ღ。如果不搞数字银行ღღ✿✿ღ，小银行的本地网点优势就是一个“伪命题”ღღ✿✿ღ。

　　因此ღღ✿✿ღ，我们经过仔细调研和慎重讨论ღღ✿✿ღ，决定制定一场体系化ღღ✿✿ღ、系统化的数字化转型战略ღღ✿✿ღ，围绕“组织ღღ✿✿ღ、业务ღღ✿✿ღ、技术”进行三位一体的全面转型ღღ✿✿ღ。2020年7月ღღ✿✿ღ，我们出台了《富滇银行数字化转型总体方案》ღღ✿✿ღ，并在2021年5月全面启动了“滇峰计划”数字化转型基础平台建设项目ღღ✿✿ღ。

　　“滇峰计划”数字化转型项目以业技融合为依托ღღ✿✿ღ，围绕“前台场景化ღღ✿✿ღ、中台智慧化ღღ✿✿ღ、后台云化”的企业级架构转型战略ღღ✿✿ღ，打造了“十大数字化核心能力平台+N个前端客户数字化触点平台+N个场景生态平台”ღღ✿✿ღ，总计49个数字化能力经营平台ღღ✿✿ღ，共同形成前中后台一体化的敏态应用架构体系ღღ✿✿ღ，支撑数字化产品的快速迭代和敏捷创新囚徒wingyingღღ✿✿ღ，以及数字化经营体系的形成ღღ✿✿ღ。

　　在形成数字化支撑能力的基础上ღღ✿✿ღ，富滇银行圈定了“数字化零售金融”“数字化公司金融”和“数字化信贷经营”三大业务板块ღღ✿✿ღ，并取得了显著的阶段性转型成效ღღ✿✿ღ，全部经营指标较转型前翻番ღღ✿✿ღ，部分指标呈现10倍速增长ღღ✿✿ღ。

　　通过这些年的努力九游会老哥ღღ✿✿ღ，我们已初步实现跨越式突围ღღ✿✿ღ，快速迈过朦胧期ღღ✿✿ღ、反应期ღღ✿✿ღ、到达进展期和沉浸期临界点ღღ✿✿ღ。同时ღღ✿✿ღ，我们始终坚持长期主义及数字化转型没有终点的论断ღღ✿✿ღ，持续深化数字化转型实践ღღ✿✿ღ，不断进行迭代优化和改进ღღ✿✿ღ，持续坚持“以数强实”补充各版块数字化能力ღღ✿✿ღ。

　　NBDღღ✿✿ღ：我们看到ღღ✿✿ღ，富滇银行引入大模型辅助研发技术ღღ✿✿ღ，实现了研发管理的智能化ღღ✿✿ღ，目前AI代码生成占比已超过30%ღღ✿✿ღ。这对贵行软件开发流程带来了哪些具体改变？是否进一步提升了整体研发效能和创新能力？

　　赵理明ღღ✿✿ღ：我们是主要通过本地部署算力和“通义灵码”大模型ღღ✿✿ღ，引入和实践大模型辅助研发技术ღღ✿✿ღ，并探索适合自身技术栈和研发流程的新一代智能研发解决方案ღღ✿✿ღ。

　　AI辅助研发为金融科技带来编码效率提升ღღ✿✿ღ、质量增强ღღ✿✿ღ、可读性和维护性优化ღღ✿✿ღ，并进一步激活数字化转型过程中沉淀的规范文档和代码样例库ღღ✿✿ღ，提高代码规范性ღღ✿✿ღ，减少重复开发ღღ✿✿ღ，进一步提升研发效率ღღ✿✿ღ。

　　另外囚徒wingyingღღ✿✿ღ，我们计划在今年落地AI业务需求生成ღღ✿✿ღ、测试案例生成等产研场景应用ღღ✿✿ღ，并继续探索大模型与测试管理平台ღღ✿✿ღ、自动化测试平台集成的解决方案ღღ✿✿ღ，进一步将基于大模型的辅助研发管理链条向左和向右延伸ღღ✿✿ღ，逐步形成研发全生命周期覆盖ღღ✿✿ღ。

　　赵理明ღღ✿✿ღ：从去年开始ღღ✿✿ღ，我们持续探索中小银行金融大模型实践之路ღღ✿✿ღ，结合现有条件ღღ✿✿ღ，根据“信息密集-知识密集-决策密集”等阶段性特点ღღ✿✿ღ，规划符合富滇银行实际情况的差异化发展路径ღღ✿✿ღ。

　　目前我们已上线智能营销文案应用和播报型数字员工ღღ✿✿ღ，正在和厂商共创基于“对话即服务”的全新用户交互模式APPღღ✿✿ღ，以及智能客服ღღ✿✿ღ、AI营销策划ღღ✿✿ღ、合同质检ღღ✿✿ღ、客户经理助手等场景应用ღღ✿✿ღ。

　　后续我们还将进一步围绕智能问数ღღ✿✿ღ、复杂数据分析ღღ✿✿ღ、信贷报告生成ღღ✿✿ღ、合同审批ღღ✿✿ღ、产品智能推荐等垂直应用展开实施ღღ✿✿ღ，并前沿规划了私域知识数据发展智能风控辅助ღღ✿✿ღ、智能数据驾驶舱ღღ✿✿ღ、多模态支持下的个性化九游会老哥ღღ✿✿ღ、标准化的AGI应用ღღ✿✿ღ。

　　NBDღღ✿✿ღ：当DeepSeek大模型面世时ღღ✿✿ღ，你的第一反应是什么？你认为它对银行业的服务模式和业务流程将产生怎样的影响？

　　赵理明ღღ✿✿ღ：2024年政府工作报告中明确提出了“人工智能+”的概念ღღ✿✿ღ，富滇银行将加速推动基于金融专属大模型的垂直智能应用的落地实践ღღ✿✿ღ，但在此过程中ღღ✿✿ღ，尤其对于中小银行来说ღღ✿✿ღ，仍然存在前期投入较大ღღ✿✿ღ、产品服务成熟度和匹配度较低等行业共性的尴尬局面ღღ✿✿ღ。

　　其中ღღ✿✿ღ，主要存在路径选择ღღ✿✿ღ、成本约束和实际成效等因素的困扰ღღ✿✿ღ。DeepSeek（尤其是R1模型）的“横空出世”ღღ✿✿ღ，有别于以OpenAI o1为代表的思维链（CoT）技术ღღ✿✿ღ，在全过程开源ღღ✿✿ღ、强化学习ღღ✿✿ღ、自我反思ღღ✿✿ღ、冷启动与多阶段训练的多重加持下ღღ✿✿ღ，带来巨大的成本优势和同等的效能ღღ✿✿ღ，使得中小银行也能获得先进的算法资源ღღ✿✿ღ。

　　我认为ღღ✿✿ღ，2025年ღღ✿✿ღ，在DeepSeek等基础模型的革新推动下ღღ✿✿ღ，大模型技术将重塑各行各业ღღ✿✿ღ，其中金融业作为先锋领域ღღ✿✿ღ，将迎来金融专属大模型应用的元年ღღ✿✿ღ。今年的金融大模型应用将如同2024年的通用大模型百花齐放般涌现ღღ✿✿ღ，以更智能ღღ✿✿ღ、更高效的姿态全面服务用户ღღ✿✿ღ，开启金融智能服务的新纪元ღღ✿✿ღ。

　　NBDღღ✿✿ღ：目前一些中小银行已在部署DeepSeek或利用DeepSeek开发自己的大模型ღღ✿✿ღ，对此你怎么看？

　　赵理明ღღ✿✿ღ：在大模型产业链中的分层赛道中ღღ✿✿ღ，基础设施层（算力ღღ✿✿ღ、数据标注ღღ✿✿ღ、云服务）和基础模型层显然不是中小银行能够触及的ღღ✿✿ღ，我更倾向于以下路径ღღ✿✿ღ：

　　第一ღღ✿✿ღ，在行业模型层ღღ✿✿ღ，重点投入金融专属模型的微调和优化ღღ✿✿ღ，结合本地数据做轻量化垂直调优ღღ✿✿ღ，走“小而专”的领域模型路线ღღ✿✿ღ。

　　第二ღღ✿✿ღ，在场景应用层ღღ✿✿ღ，不急于横向通用能力建设ღღ✿✿ღ，而是优先将资源集中在垂直应用上ღღ✿✿ღ，以高ROI场景作为切入点ღღ✿✿ღ，实现短期突破变现ღღ✿✿ღ，提升大模型项目落地信心ღღ✿✿ღ，打造智能助手和自动化流程引擎ღღ✿✿ღ，例如智能客服ღღ✿✿ღ、营销助手ღღ✿✿ღ、客户经理助手ღღ✿✿ღ、业务质检ღღ✿✿ღ、合规与反欺诈等ღღ✿✿ღ。

　　第三ღღ✿✿ღ，在生态服务层ღღ✿✿ღ，可以考虑两个方向上的开放合作ღღ✿✿ღ。一方面ღღ✿✿ღ，有选择性地采购较为成熟的标准化MaaS应用（模型即服务）进行能力补充ღღ✿✿ღ；另一方面ღღ✿✿ღ，银行可以基于自身的金融大模型ღღ✿✿ღ，形成标准化API输出能力ღღ✿✿ღ，提供对客服务ღღ✿✿ღ，例如在公司金融服务领域ღღ✿✿ღ，与企业综合服务平台集成ღღ✿✿ღ，进一步形成SaaS+MaaS的全新范式ღღ✿✿ღ，为中小微企业提供诸如智能财税诊断助手等垂直应用ღღ✿✿ღ。

　　赵理明ღღ✿✿ღ：和大型银行相比ღღ✿✿ღ，中小银行的大模型应用短板还非常明显ღღ✿✿ღ。比如ღღ✿✿ღ，基础设施薄弱ღღ✿✿ღ、技术人才储备匮乏ღღ✿✿ღ、试错成本承压等等ღღ✿✿ღ。

　　中小银行自身算力不足ღღ✿✿ღ，缺乏自建GPU集群计算资源ღღ✿✿ღ，依赖第三方云服务可能导致数据延迟和安全隐患ღღ✿✿ღ。同时ღღ✿✿ღ，数据治理落后ღღ✿✿ღ，缺乏统一清洗和标注能力ღღ✿✿ღ，数据规模和数据质量存在劣势ღღ✿✿ღ，影响模型训练效果ღღ✿✿ღ。

　　在技术人才储备上ღღ✿✿ღ，中小银行通常仅有少数IT人员兼职负责AI项目ღღ✿✿ღ，没有专门的AI团队ღღ✿✿ღ。在构建金融专属模型上ღღ✿✿ღ，人员能力同样缺乏模型微调ღღ✿✿ღ、强化学习等专业技能ღღ✿✿ღ。产学研合作也普遍不足囚徒wingyingღღ✿✿ღ，难以获得前沿技术支持ღღ✿✿ღ。

　　另外ღღ✿✿ღ，中小银行的容错空间小ღღ✿✿ღ，模型失误可能导致客户流失ღღ✿✿ღ、资金风险ღღ✿✿ღ、声誉风险ღღ✿✿ღ、监管和行内严肃问责ღღ✿✿ღ，无法通过规模效应稀释风险ღღ✿✿ღ。长期投入不确定性突出ღღ✿✿ღ，大模型投入产出周期较长ღღ✿✿ღ，使得中小银行更倾向于短期见效的数字化项目九游会老哥ღღ✿✿ღ。

　　赵理明ღღ✿✿ღ：中小银行不必复制大型银行的“重模型ღღ✿✿ღ、全场景”的路线ღღ✿✿ღ，而应从“小场景ღღ✿✿ღ、深融合ღღ✿✿ღ、快迭代”的思路入手ღღ✿✿ღ，取得非对称竞争优势ღღ✿✿ღ。

　　一是敏捷性实施ღღ✿✿ღ。中小银行具有决策半径短ღღ✿✿ღ，可以充分发挥灵活性优势ღღ✿✿ღ，快速试点场景化应用ღღ✿✿ღ，同时便于开展轻量化改造ღღ✿✿ღ；通过生态合作补足算力ღღ✿✿ღ、数据和模型服务短板ღღ✿✿ღ。

　　二是本地化服务ღღ✿✿ღ。利用本地化洞察打造差异化AI服务ღღ✿✿ღ，将区域资源转化为数据壁垒ღღ✿✿ღ，放大区域数据独占性优势ღღ✿✿ღ，掌握本地中小微企业ღღ✿✿ღ、商户的非标数据ღღ✿✿ღ，可构建差异化模型ღღ✿✿ღ；场景贴合度高ღღ✿✿ღ，针对区域经济特点定制模型ღღ✿✿ღ，比通用方案更精准ღღ✿✿ღ；通过本地化服务团队+AI模型服务的组合ღღ✿✿ღ，增强客户黏性ღღ✿✿ღ；更容易聚焦高价值的垂直单点场景获得AI应用突破ღღ✿✿ღ。

　　三是成本优化空间ღღ✿✿ღ。通过采购云服务弹性计费ღღ✿✿ღ，避免重资产投入ღღ✿✿ღ；同时可以采用参数规模较小的轻量化模型ღღ✿✿ღ，平衡效果和成本ღღ✿✿ღ。

　　NBDღღ✿✿ღ：对于银行业而言ღღ✿✿ღ，大模型技术在提升运营效率和智能化水平的同时ღღ✿✿ღ，是否会带来新的风险挑战？

　　赵理明ღღ✿✿ღ：人工智能应用一定会带来新的风险ღღ✿✿ღ。我认为ღღ✿✿ღ，主要包括以下方面ღღ✿✿ღ。其中ღღ✿✿ღ，最突出的是数据安全与隐私泄漏风险ღღ✿✿ღ。银行业具有高价值数据密集性和强监管特点ღღ✿✿ღ，客户资产和交易数据的价值远高于一般行业九游会老哥ღღ✿✿ღ，一旦数据脱敏不彻底或被渗透ღღ✿✿ღ，可能引发隐私泄露和合规风险ღღ✿✿ღ。

　　其次是模型的可靠性与可解释性问题ღღ✿✿ღ。由于黑箱决策ღღ✿✿ღ、算法幻觉ღღ✿✿ღ、算法偏见等复杂情况ღღ✿✿ღ，或导致决策逻辑难以回溯ღღ✿✿ღ、模型误判纠纷ღღ✿✿ღ、责任界定困境ღღ✿✿ღ，这些都不符合金融行业对透明性和可审计性的硬性要求ღღ✿✿ღ。同时ღღ✿✿ღ，也存在技术壁垒造成的运营依赖风险ღღ✿✿ღ。如果加上冗余体系不完备ღღ✿✿ღ，模型失效时缺乏应急能力ღღ✿✿ღ。

　　此外ღღ✿✿ღ，同样需要警惕技术激进风险ღღ✿✿ღ，“一个智能体就是一个App”的设想实现还为时尚早ღღ✿✿ღ。尽管近期OpenAIღღ✿✿ღ、Anthropicღღ✿✿ღ、Google等头部大模型公司都公布了各自的智能体框架ღღ✿✿ღ，基于智能体的规划ღღ✿✿ღ、反思ღღ✿✿ღ、智能路由与多智能体协同等新玩法进一步浮出水面ღღ✿✿ღ，但稳定应用于商业场景尤其是银行业ღღ✿✿ღ，还需要较长时间的孕育磨合期ღღ✿✿ღ。

　　目前囚徒wingyingღღ✿✿ღ，大模型在实时性与准确性方面还难以应对金融领域低延迟的服务需求ღღ✿✿ღ；在部分领域的机器学习/深度学习等专用模型相较通用大模型仍然存在算法优势ღღ✿✿ღ，有能力的金融机构仍然要继续深耕ღღ✿✿ღ，不能唯大模型论ღღ✿✿ღ；一些模型如DeepSeek-R1ღღ✿✿ღ，暂时还不具备工具调用ღღ✿✿ღ、多模态ღღ✿✿ღ、结构化输出等能力ღღ✿✿ღ，应用场景存在一定制约ღღ✿✿ღ。

　　NBDღღ✿✿ღ：对于中小银行引入大模型技术ღღ✿✿ღ，在技术与风控平衡方面ღღ✿✿ღ，富滇银行有哪些经验可以与业内分享？

　　一是在数据层面ღღ✿✿ღ，采取联邦学习等手段实现“数据可用不可见”九游会老哥ღღ✿✿ღ，严格技术脱敏ღღ✿✿ღ，对数据进行分层隔离ღღ✿✿ღ。

　　二是在部署层面ღღ✿✿ღ，引入人工审核节点ღღ✿✿ღ，对高风险决策进行干预ღღ✿✿ღ，同时应该注重构建弹性ღღ✿✿ღ、异构的模型生态ღღ✿✿ღ，在避免单一技术路线依赖的同时ღღ✿✿ღ，保留传统人工流程作为备份ღღ✿✿ღ，定期进行智能-人工切换演练ღღ✿✿ღ。

　　三是在制度层面ღღ✿✿ღ，要明确模型风险评审机制和大模型应用白名单机制ღღ✿✿ღ，在严守风险红线的基础上ღღ✿✿ღ，鼓励应用创新和有限问责ღღ✿✿ღ。

　　四是在数字化人才建设方面ღღ✿✿ღ，要理清人员能力与模型能力之间的关系ღღ✿✿ღ，替代关系只能带来更多的依赖风险和人员能力弱化ღღ✿✿ღ，只有在人机协同能力基础上的赋能关系定位ღღ✿✿ღ，才是银行迈向数智化时代的核心竞争力ღღ✿✿ღ，以AI增强而非替代现有业务和人员能力ღღ✿✿ღ。

　　NBDღღ✿✿ღ：随着数字化转型的推进ღღ✿✿ღ，银行业对于金融科技人才需求是否会有新的变化？富滇银行是否会考虑引进能够适应大模型技术应用的专业人才？

　　赵理明ღღ✿✿ღ：我认为这种变化是巨大的ღღ✿✿ღ，相对于传统金融ღღ✿✿ღ，数字化的全新打法对人才的需求更应该对标互联网公司和金融科技公司ღღ✿✿ღ。

　　我们的做法是根据数字化转型特点和人才能力模型ღღ✿✿ღ，建立以产品经理为核心的数字化人才体系ღღ✿✿ღ，分层分类推进数字化人才的梯队建设ღღ✿✿ღ，通过项目制打磨ღღ✿✿ღ、轮岗交流ღღ✿✿ღ、外部引进等方式ღღ✿✿ღ，逐步提升数字化人才占比ღღ✿✿ღ。具体来看ღღ✿✿ღ，我们的数字化人才体系主要包含以下几类ღღ✿✿ღ：数字化规划及管理人才ღღ✿✿ღ、数字化产品人才ღღ✿✿ღ、数字化经营人才ღღ✿✿ღ、数字化开发人才等九游会老哥ღღ✿✿ღ。

　　而数字化开发人才中的大模型专家ღღ✿✿ღ，应重点关注领域适应微调ღღ✿✿ღ、定向任务微调ღღ✿✿ღ、智能体开发和场景落地等能力ღღ✿✿ღ。同时ღღ✿✿ღ，兼具业务分析能力和智能体规划的跨领域型专家也是重要的人才竞争高地ღღ✿✿ღ。