在数据治理方面★，高峰建议夯实数据资产。加强非结构化数据的治理★，建立企业级用户，加强多部门协同★★★，构建完善的信息资产，以更好地支撑知识检索和提升大模型的生成质量★★。

　　在大模型的创新应用方向上★★，高峰观察到★★，当前金融业正在积极推动由大模型驱动AI Agent（智能体）的应用拓展★，通过深入挖掘行业数据、精准适配业务流程，展示出强大的渗透力与深远的影响力。“相信未来金融智能体可以在金融领域感知环境、进行决策并自动执行，深度结合专业知识与业务场景来实现赋能。★”他表示。

　　高峰指出★★★，随着人工智能技术的快速发展，一场由大模型技术引起的变革★★★，不仅改变了银行业的传统服务模式，还重塑了客户体验、优化了业务流程。与此同时，高峰也提到大模型应当在安全合规的前提下审慎使用、积极探索，最终赋能银行业数字化转型★★★。

　　高峰提到★★，从调研实践来看，目前大模型在代码生成★★、AI办公、运营管理等银行业内部场景下落地应用，通过辅助员工达到流程优化和降低成本的目的★。★★“准确地说，大模型还是聚焦于非决策类应用场景，以业务助手的角色赋能全流程的各个环节，在核心业务场景下还是难以落地。”高峰表示。

　　从目前大模型实施的技术路线来看，高峰提到，整体来看国际头部大模型在架构、能力、参数、标注等等方面具有领先优势★★★，但随着国产大模型的快速发展★，也出现了立足自身大模型的产品架构基础与生态体系建设。“考虑到金融业处于信创和数据保护的较高要求★★，金融领域国产大模型体系的建设要更加审慎。”高峰表示。

　　具体而言，高峰认为，大型银行可以引入业界领先的基础大模型，来自建企业大模型，但考虑到建设周期较长，可以采用微调的方式形成专业领域的任务大模型★★★，从而实现快速赋能。对于中小银行而言，在考虑投入产出比的情况下，可以引入各类大模型进行私有化部署，以适用于业务发展★。

　　在算法模型方面，高峰建议形成多模型的服务体系。构建“商用+开源★★★”★★、“大模型+小模型”以及“通用+专用”等协作机制。经过综合测评并优化，从而提高模型应用水平。

　　在业务场景方面★，高峰建议应用大模型赋能降低成本。应当结合大模型的技术成熟度，优先落地面向企业内部容错率较高的场景。中小银行可以探索在知识助理★★★、文档助手★★、编码助手以及智能客服、智慧办公和智慧运营等方面的★★“单场景★”应用。

　　他特别提到，大模型和数据治理是相得益彰★★★、互相成就的★★★。一方面，大模型应用过程中的数据★、语料是一大瓶颈，如果使用更好的语料资源★★，可以大幅提高模型精准度★★。另一方面，过去银行数据治理是以人工实施为主的，涉及大量重复性劳动，如果引入大模型可以提高数据治理的效率。

　　14天13板，南京化纤再度涨停！ 10万元的人形机器人订单能支起股价吗？

　　在风险防控方面，高峰建议压实模型安全风险防控的责任★★。应当制定企业级的人工智能相关管理办法，保证AI应用在各领域的要求★★★，有效防范各类风险★★。重点是围绕隐私安全、可解释性、公平、价值观等具体要求，落实各方的责任。

　　高峰认为，大模型开启了人工智能的新纪元，其标志是从判断式AI到生成式AI的转变★★。★“以往的人工智能都是基于小模型、单任务的判断型AI★★，大模型是基于多数据、多任务的生成式AI。”高峰指出，大模型具有规模的可扩展性★★、任务的多样性★★、能力的可塑性等三大特征，为银行业数字化转型提供了强大的技术支持。

　　在高峰看来，人工智能属于新质生产力★，生成式AI又是人工智能的主要发展方向，但依然需要关注多方挑战★★★。

　　对于当下大模型在银行业的多场景应用，高峰指出★★★，2023年金融机构与科技公司开始在客服、运营、风控、风险评估等方面尝试大模型技术应用，特别是今年，大模型应用不仅在技术层面取得了突破，相关行业标准也在不断完善★。

　　12月6日，上海市临港新片区主办的“2024年滴水湖新兴金融大会”隆重举行。当日下午★，在南方财经全媒体集团★★、21世纪经济报道承办的“2024南财数字金融领航者论坛”上★★，中国银行业协会首席信息官高峰出席并发表主题为《关于人工智能新时代背景下金融业数字化》的演讲★★★。

　　在演讲的最后，高峰对大模型在银行业的应用提出四点建议★★，推动大模型在合规、安全前提下★★★，实现业务创新、赋能数字化转型。

　　最后★，高峰总结道，大模型经过这两年的实践★★，由开始的观望到如今多场景的尝试，出现了大量的涌现。大行不断加大科技投入自建大模型，中小行则借力大行经验和第三方技术，开始倒逼机制，强化顶层设计，加强基础设施★。“相信在金融业和科技界供给侧和需求侧的共同努力下，大家会共享这个时代赋予AI发展的红利★，为金融业高质量发展注入新的动能★★。”高峰表示。

　　高峰指出★★，虽然大模型确实能够带来新的体验，但也带来了不可解释、不可审议、不可追溯等风险，这需要银行业应用时格外注意。同时，由于中小银行在使用大模型时还存在短板★，希望大行和科技厂商加强对中小银行的输出，让中小银行加强第三方合作，找到适合自己的道路。

　　从提高精准性能的角度，高峰提到，银行在使用大模型的时候不能忽略与小模型的协同★★★，以及与知识谱图的使用相吻合。