钱斌先容，金融机构和科技企业正积极探索天生式人工智能在金融业的合理、有效运用，在三季度发布的上市公司半年报中，超过10家银行提及AIGC、大模型等干系内容。
作为环球系统主要性银行，交通银行持续关注并积极布局天生式人工智能技能，当前已制订天生式人工智能培植方案，组建GPT大模型专项研究团队，并与复旦、华为、科大讯飞等共建联合创新实验室，推进大模型及算力集群等前辈技能在金融领域的落地运用。

“有机遇，就有寻衅。
天生式AI在算力、算法、数据、安全、人才等领域面临诸多痛点难点，比如如何实现大规模算力模式下的绿色低碳供给，天生式人工智能和决策式人工智能算法之间如何有效结合、完成平滑升级，如何供应适宜大模型的大规模、高质量、实时性数据，如何将模型的公正性、代价不雅观与 人类更有效的对齐，如何培养复合型金融科技人才。
”钱斌称，这些既是技能寻衅也是管理难题，须要家当各界配合尽力、协同办理。

对此，钱斌提出三点建议：一是科技领悟，构建人工智能大模型金融运用家当生态。
钱斌建议加大产学研互助，金融机构与科技企业、高校、开源生态等技能力量联合攻关，在家当协同方面实现上风互补。
在算力供给方面加强统筹布局，在算法创新、工程化所需的配套中间件等关键领域集中优势力量进行联合攻关；在数据供给方面，提升数据管理水平，促进数据要素合规高效流利，建立安全、可信、高效的数据供给能力；在运用落地方面，实现各方领悟共创，尽快出台管理制度和运用标准，为大模型金融运用供应行动指南。

二因此人为本，培养人工智能领域专业人才，推动上海金融科技人才高地培植。
钱斌认为，大模型培植须要海量数据处理、大规模算力组网运营、GPT算法研究、海量参数模型调优、提示工程构建等专业技能。
当下，具备干系能力的金融科技人才在数量与质量上远远难以知足市场需求。
在此背景下，建议强化在金融科技人才高地培植中的计策布局，针对所需的多种能力设置专业的课程体系，加快培养急需的金融科技人才；拓宽对现有人才的培养渠道，供应跨领域、跨机构的金 融科技人才培养机制，在学习、探索、实践中提升员工对前辈技能的驾驭能力。

三是关注人工智能的伦理培植，培植可信、安全、公正的人工智能金融运用。
在钱斌看来，伴随天生式人工智能在金融领域的全面运用，可能引发的安全性、公正性、透明性问题将会得到监管机构和市场主体越来越多的关注，须要通过有效管理确保运用过程的安全可控、做事工具的合法权柄得到有效保障。
金融机构要关注大模型天生内容的准确性、可靠性、稳定性，建立有效的管控机制及应急策略，防止涌现代价偏离、算法偏见、歧视性内容天生等问题。
负任务地利用好金融科技手段，在数字化转型的年夜水中努力践行“负任务金融”的代价理念，让金融为民、科技向善落地生根，滚滚向前。