后Sora时代，多模态大模型快速迭代，新质生产力浪潮来袭。人工智能（AI）作为新质生产力的主要阵地之一，正引领着新一轮的技术革新。为帮助业界深入了解AI最新趋势、把握AI发展机遇，金链盟于近日在深圳南山举办“数字化转型聚焦之：后Sora时代的AI应用与治理”沙龙。
本次会议由微众银行金融科技微洞察高级研究员许桐桐博士主持，特邀腾讯金融云副总经理王丰辉、毕马威中国智能应用服务主管合伙人赫荣科、微众银行数字金融发展部AI架构专家王亚盛等三位嘉宾，聚焦后Sora时代AI技术的发展趋势、应用场景及治理策略等话题，分享最新实践经验与思考。本次会议吸引了超过100名来自金融和金融科技行业的单位代表，以及各大高校的学生。
在主题分享环节，首先由王亚盛作了“AIGC在金融机构的应用实践”的分享。他提到，目前AIGC在银行业的应用方向探索主要分为三大类：一是企业级Copilot最具落地潜力，二是自动Agent在中后台有大幅提效率空间，三是直接对客交互应用短期落地有挑战。其中，企业级Copilot在银行业围绕财富管理、零售、对公银行三大业务板块开展，将有效覆盖前、中、后台的多个用例场景。微众银行目前大模型落地的应用场景包括办公助手（提供自然语言意图识别、文档搜索增强、指令执行等功能）、营销素材生成（围绕文生图模型打造营销素材生成工具，从背景生成到广告素材合成）、代码助手（赋能开发前中后期，提升编码效率，促进团队协作）等。接着，王丰辉以“大模型浪潮之下，金融机构如何构建算力和模型能力”为题进行了分享。他提出从GPT3到GPT5，训练时投入的算力急剧增加，横梗在面前的是算力、显存、通信的瓶颈，任何机构在选择大模型时都要充分考虑投入和产出。大模型在金融机构的落地方式包括了从0到1预训练、精调垂直任务、直接调用等不同方式，相关的成本和复杂度也不同。同时介绍了腾讯面向金融行业的大模型解决方案及实践经验，包括客服助手，解决知识冗杂的问题，让人人都能成为专家；代码助手，涉及到代码的生成、补全等，提高研发效率；跟行情资讯相关的舆情大模型，助力分析师进行投资分析和研报撰写。最后他提出大模型的透明度和可解释性、数据隐私和安全、资源消耗等挑战都亟待关注及思考。最后，赫荣科以“AI在金融行业的应用展望与风险治理”为题，分享了毕马威在AI领域应用治理的最新实践与洞察。他提到，金融机构应用大模型时所面临的挑战主要包括系统集成的挑战、人工智能伦理和算法偏见、不断变化的监管环境等，其中最核心的是数据挑战问题，需要尤为关注机构是否具备数据基础及数据打通等能力。同时他也对比了国内外的监管环境，建议金融机构：一是从低风险地区和场景进行试点部署开始，以评估收益，积累专业知识；二是通过引入、培训和多元化团队融合，培养人工智能道德文化和技术力量；三是培养制定好人工智能大模型治理框架，监督审计模型开发、测试和部署全过程，严格评估模型偏差和可解释性；四是围绕数据开发和技术基准，积极参与行业联盟与合作，提升数据、技术、资源的自主可控能力。在圆桌对话环节，嘉宾们基于各自所在领域及独特视角，围绕中美AI差距、金融机构在AI应用方面的特色、在降本增效及保持工作岗位之间的平衡、区块链和AI融合应用的发展空间等话题展开深入对话和交流，共谋后Sora时代AI应用与治理的最佳路径，为行业把握并适应AI发展趋势提供有益的参考建议。AI在金融行业的可持续发展离不开行业主体、监管机构和生态伙伴的共同参与，金链盟作为国内最大的区块链组织和最具国际影响力的区块链联盟之一，未来将在主管单位的指导下，积极联合生态内合作伙伴，持续关注使模型更具可解释性、公正性和安全性的基础技术，把握“AI+区块链”的发展机遇和应用价值，促进前沿金融科技技术交流，推动最佳实践应用共享落地。
