交通银行软件开发中心副总经理 韩静

  中央金融工作会议强调，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。交通银行作为金融领域的“国家队”，以习近平新时代中国特色社会主义思想为指导，积极贯彻落实党中央决策部署，主动发挥国有大行在推进数字金融高质量发展中的“主力军”和“压舱石”作用。

  当前，人工智能作为引领新一轮科技革命和产业变革的战略性技术，尤其是生成式人工智能(AIGC)的涌现，为数字金融高质量发展注入强大的驱动力。为此，交通银行前瞻布局，把握人工智能发展战略先机，深化与头部科技企业、高校院所的合作，共同成立人工智能联合创新实验室，并作为核心参编单位完成7项金融行业AI大模型标准的制定，逐步形成“1+1+N”的人工智能建设框架，即1个企业级AI能力平台、1套AI治理体系、N个AI应用场景。

  近年来，交通银行以“降成本、控风险、创价值、优体验”为总体目标，坚持问题导向，集中优势资源，强化重点突破，持续夯实AI基础能力，加强AI运营治理，创新AI金融应用，深入推进数字化转型，扎实书写数字金融大文章。

  一、夯实AI基础能力，建设企业级AI能力平台底座

  交通银行以实现算力、算法、数据、服务、运营的有机统一为技术目标，整合大模型、自然语言处理、图像识别、智能音视频、机器学习、生物识别、知识图谱、RPA八大能力，持续建设并完善企业级AI能力平台。在此基础上，交通银行搭建了统一千卡异构AI算力集群，对AI算力资源进行统一管控，通过企业级AI能力平台，整合建模工具，为AI参建人员提供统一、规范的训练环境;建设统一AI服务模块，实现大小模型服务的封装，为应用场景提供高效、标准的调用服务;建设统一算法管理模块，逐步形成千亿级金融大模型算法矩阵，通过智能体连接大小模型以及其他企业级能力，实现能力高效复用，降低AI使用门槛，快速落地金融应用场景。

  1.搭建千卡异构AI算力集群

  随着大模型技术的迅猛发展，算力的关键作用愈发凸显。交通银行以敏锐的洞察力和前瞻性思维，积极推进算力储备布局，搭建以国产高性能GPU服务器为主的千卡异构算力集群，实现算力集群全栈自主可控。为高效调度千卡级算力资源池，交通银行持续建设并完善“一云统管、一云多算”云平台，解决了大模型应用中诸如镜像体积大、内存消耗大、GPU使用粗放等痛点问题，为全行大模型应用筑牢坚实的算力基础。

  2.构建千亿级金融大模型算法矩阵

  当前，大模型参数规模不断扩大，模型算法日臻成熟。交通银行勇于创新，博采众长，积极推进开源模型和闭源模型的应用实践，基于“基础—行业—企业—领域”四层大模型架构，结合应用场景特性，运用金融公开、交行私有、场景专用等不同数据对模型进行增量预训练、微调和对齐，逐步形成“多层次、多能力、多形态”的千亿级金融大模型算法矩阵。

  二、强化AI运营机制，建设全面AI治理体系

  交通银行不断加强模型管理，强化数据治理，夯实运营机制，持续建设和完善全面AI治理体系，为AI在金融业务中的规模化应用提供坚实保障。

  交通银行持续推进AI应用的全生命周期管理，建立可信、可控、可靠的安全运营机制，完善业务价值成效动态评估体系，打造友好易用的AI应用新范式，全方位保障AI应用安全稳定运行，为金融业务的智能化发展注入强劲动力。

  1.加强模型管理，构建模型安全防护体系

  近年来，交通银行的模型数量呈逐年递增之势。为了实现对模型的高效安全管控，交通银行采取了一系列有针对性的举措：一是对模型进行分级分类，制定差异化的管理标准和策略。二是对模型进行全生命周期管控，涵盖模型开发、训练、评测、审核、发布、监控、更新以及退出等各个阶段。基于交通银行标准软件过程(BSSP)管理，交通银行制定了模型管理以及各阶段需遵循的规范与机制，确保模型交付质量，保障模型的稳定性、可靠性与准确性;打造大小模型协同研发新范式，建立向导式、规范化、流程化的AI-DevOps模型研发流水线，使模型研发效率提升30%，支撑AI场景快速落地。三是构建金融级多维立体的模型安全防护体系，实现对AI应用场景的全渠道、全链路、全生命周期的信息安全防护，充分保障AI模型数据和模型应用的安全可靠，满足金融级安全管控要求;针对大模型安全管控，逐层梳理大模型应用安全薄弱点，通过基础设施安全、模型安全、数据安全、应用安全等全链路安全加固，保障大模型应用安全可靠。

  2.强化数据治理，打造统一AI数据底座

  交通银行着力丰富数据种类、强化数据治理、提升数据质量，建立“业务沉淀数据要素、数据要素转化为数据资产、数据资产反哺业务发展”的闭环机制;打造统一AI数据底座，完善全行知识运营机制，建立企业级统一知识库，不断加强知识采集、更新、存储等全流程管理，支撑业务知识保鲜和总分行数据联动;建立统一数据标注平台，支持总分行持续推进数据清洗、加工、标注和审核，并构建了知识采编大模型，不断提升自动化标注质量和效率，为全行各类AI模型训练提供高质量语料基础。

  3.夯实运营机制，构建统一AI门户

  交通银行持续完善场景运营机制，通过对场景、模型、资源的穿透式管理，实现资源最优化配置、模型高效化运行和场景最大化效益。一是对算力资源进行监控和动态调度，确保算力资源持续高效利用;二是持续监测模型运行表现，借助模型后评估机制及时优化升级模型，切实保障模型应用效果;三是对场景的价值成效实施精准的闭环评估，动态调整资源投入。同时，交通银行构建了统一AI门户，整合模型研发、运营监控、资源调度、价值评估、风险评测、合规检查等功能入口，致力于为各类人员打造集研发、运营、管理等于一体的一站式服务平台，进而为AI应用场景的高效运营及管理提供有力支撑。

  三、打造端到端AI应用场景，持续赋能业务经营发展

  交通银行以用户为中心，遵循先内后外的原则，打造零售普惠、客服营运、风险授信、办公研发等重点领域的多个端到端、规模化AI应用场景，目前已经落地40多个大小模型融合的应用场景。

  1.零售普惠领域

  在零售普惠领域，交通银行通过零售信贷尽调报告智能生成、普惠授信报告智能生成、远程视频智能核实、贷款到期智能外呼提醒、全流程业务知识问答等AI应用，重塑业务流程，显著提升普惠金融的业务办理效率。在零售信贷尽调报告场景中，采用RPA、OCR等技术自动采集、识别和整合客户内外部数据，再通过大模型一键生成零售信贷尽调报告，大大节省报告撰写时间，切实为一线客户经理减负;在远程视频智能核实场景中，融合应用OCR、生物识别、智能语音等AI技术，实现语音识别、证照识别、人证比对、客户行为检测的远程核验，支持普惠、零售信贷等30多个产品的远程信息核实，通过远程核实替代线下核实，累计减少客户经理上门3.9万余次;在贷款到期智能外呼提醒场景中，通过智能语音和NLP等技术，由机器人智能外呼代替客户经理人工外呼，有效减少客户经理工作量;在全流程业务知识问答场景中，通过大模型结合检索增强生成(RAG)技术为客户经理提供普惠、零售信贷等业务办理流程问答服务，涵盖规章制度、管理办法、产品手册、操作手册等知识，使问答准确率达到85%以上，有效提升了客户经理的业务办理效率。

  2.客服营运领域

  在客服营运领域，交通银行围绕电话客服、流程银行、风险核实等业务场景，为金融服务中心座席人员提供“事前、事中、事后”全流程AI辅助，涵盖事前的话术生成、客诉摘要，事中的智能外呼、话术推荐，事后的智能质检、工单分类和工单小结。在流程银行新开户信息核实场景中，通过智能语音和NLP技术实现机器人智能外呼替代人工外呼核实，大幅节约运营成本;在反电诈风险核实场景中，运用大模型面向可疑交易流水生成在线交易总结和离线外呼话术，并在外呼核实后自动生成通话总结，使平均每笔核实任务时长缩短30%以上，有效提升了座席人员的工作效率;在文字客服场景中，通过大模型构建客户诉求摘要助手，基于客户通话记录和工单内容生成客户诉求描述，提升了座席人员业务办理效率;在电话客服工单辅助场景中，利用大模型对客服工单进行自动分类，并自动生成工单小结，使工单分类准确率达85%、工单小结采纳率超80%，进一步提升了工单处理效率。

  3.风险授信领域

  在风险授信领域，交通银行打造了反洗钱、反电诈、审计等AI应用，有效提高了风险管控效率。在反洗钱AI应用场景中，通过可疑事件智能排序模型减少全行35%的反洗钱核实任务量;运用隐案挖掘AI模型和团伙识别图谱模型发现潜在可疑案件，借助数智化手段使单笔反洗钱任务处理时长下降40%。在反电诈AI应用场景中，建立反电诈实时AI模型，提升预警准确率;通过客户分层分类限额管控AI模型提供开户限额建议，进一步提升非柜面限额管控的精细化管理水平。在信用风险管控场景中，通过临期预测模型、关联关系模型、资金追索模型等，有效揭示客户逾期、人企关联授信、资金用途合规等方面的问题，助力贷款“三查”工作。在审计AI应用场景中，推出审计知识问答、审计数据分析、审计问题定性定级等智能助手，支撑常规审计和专项审计，提升审计工作效率。

  4.办公研发领域

  在办公研发领域，交通银行为全行员工提供交心大模型、代码助手、会议纪要助手等智能化办公工具，切实提升员工办公效率。在交心大模型场景中，不仅构建了文稿写作、多语言互译、工作总结、PPT大纲撰写等通用工具，还打造了交行智能问答中心，其知识范围覆盖公司业务、个人金融、零售信贷、普惠金融、财务管理、数据管理等领域，累计提供超百万次问答服务。在会议纪要助手场景中，提供语音转写、会议记录及纪要生成等功能，提升会议材料整理效率。在代码助手场景中，推出智能化代码开发助手，为行内开发人员提供单测生成、代码辅助生成、代码解释、代码纠错、代码补全以及智能问答等一系列功能。目前，代码助手累计提供服务超过500万次，进一步提升了开发效率。针对单元测试AI生成任务，交通银行创新提出“测试用例—测试代码”的两阶段大模型生成方案，使单测代码生成编译通过率达到95%，AI生成的单测代码覆盖率超过30%。交通银行智能化代码开发助手-BoComCode项目荣获2024年中国国际服务贸易交易会“大模型应用创新论坛”AI4SE“银弹”案例征集“标杆案例奖”。

  乘风破浪奋进路，逐浪前行谱华章。未来，交通银行将深入贯彻落实国家战略，强化科技引领，持续深化人工智能在金融领域的创新应用，加快建设数字化新交行，推动全行金融业务高质量发展，践行金融工作的政治性、人民性;同时，始终胸怀“国之大者”，坚守金融初心使命，积极贯彻新发展理念，因地制宜发展新质生产力，为业务跨越式发展筑基赋能，为加快建设金融强国和社会经济高质量发展贡献金融力量。