谷澍：對AI在金融業應用的幾點思考

中國農業銀行董事長、黨委書記谷澍表示，當前，人工智能技術迭代演進速度非常快，下一步往哪個方向發展、發展成什麼樣，難以形成統一的共識。但普惠是人類始終應當堅持的價值取向。提升AI應用普惠性的路徑，有四方面問題需要考慮。

一是開源模型與閉源模型方面，從金融業角度看，要重點考慮「AI+」，而不是考慮自己怎麼去構建一個大模型；要融合開源、閉源模型的優勢，重點圍繞「+」來推動場景建設，持續提升金融服務質效和內部管理效能，讓客户和員工更滿意。

二是決策式AI與生成式AI方面，隨着大模型能力的增強、生態體系的完善、算力上限的突破，生成式AI的應用可能實現指數級增長，並與決策式AI協同，形成以智能體為主的通用範式，二者涇渭分明的邊界將趨於模糊。

三是AI普惠與算力供給方面，在AI加速普及過程中，GPU算力的需求和供給將始終處於「緊平衡」狀態，這種「緊平衡」從節省能源、綠色發展角度看是必要的。要從存量挖潛和增量擴容兩端發力，平衡好AI普惠和算力供給之間的矛盾。

四是普惠性與安全性方面，在提升AI應用普惠性的同時，也要高度重視AI應用的安全性，應強化AI穩定性、提升數據質量、避免模型共振。

本文系作者於2025年12月6日在2025中國金融學會學術年會暨中國金融論壇年會上的發言，題為《提升AI應用普惠性的若干思考》，刊於《中國金融》2025年第24期。

；

黨的二十屆四中全會審議通過的《中共中央關於制定國民經濟和社會發展第十五個五年規劃的建議》多次提及「人工智能」，指出要全面實施「人工智能+」行動，全方位賦能千行百業。2025年8月，國務院印發的《關於深入實施「人工智能+」行動的意見》明確要通過「三步走」，不斷提升新一代智能終端、智能體等應用普及率。金融業應主動融入「人工智能+」發展進程，當好提升AI應用普惠性的踐行者，推動技術創新與業務應用深度融合。當前，人工智能技術迭代演進速度非常快，下一步往哪個方向發展、發展成什麼樣，難以形成統一的共識。但普惠是人類始終應當堅持的價值取向。提升AI應用普惠性的路徑，我認為有四方面問題需要考慮。 

開源模型與閉源模型

開源、閉源的選擇不只是技術問題，而且對技術的應用有深遠影響。開源意味着技術平權和自主可控，開源模型採用分佈式協同創新，各類社會主體深度參與模型共建、共享複用集體智慧，節約了企業的應用成本，提升了AI的普惠性。相對來説，模型迭代速度較慢，模型幻覺率較高。閉源意味着穩定性和可靠性相對更高，在同等參數規模下，閉源模型性能可能更優，服務支持更為成熟，但是自主定製化程度受限，模型透明度較低。

開源模型和閉源模型誰更優？從金融業角度看，要重點考慮「AI+」，而不是考慮自己怎麼去構建一個大模型；要融合開源、閉源模型的優勢，重點圍繞「+」來推動場景建設，持續提升金融服務質效和內部管理效能，讓客户和員工更滿意。以農業銀行為例，我們採取「兩條腿走路」的策略，推動AI在更大範圍內應用。一方面，積極跟進開源模型技術發展趨勢，在普惠服務、辦公等領域加快探索應用，提高AI應用的普及率；另一方面，通過本地化部署閉源模型，在客户服務知識優化推薦等場景落地應用，確保數據隱私保護和用户極致體驗。

決策式AI與生成式AI

決策式AI擅長「確定性優化」，在強可解釋性和準確性要求高的場景中，決策式AI仍是最優選擇。生成式AI擅長「可能性涌現」，在開放式和創意性場景中，生成式AI具有更好的泛化能力，拓展了AI的應用邊界。從當前應用情況看，不能簡單把AI等同於大模型，決策式AI的應用仍是各行各業的主流路徑。從金融業應用情況看，目前決策式AI的使用佔比超過八成，在風險評估、算法交易和欺詐檢測等業務領域佔據主導地位；生成式AI主要應用於智能客服、知識助手、報告撰寫等非核心業務領域。

從發展趨勢看，隨着大模型能力的增強、生態體系的完善、算力上限的突破，生成式AI的應用可能實現指數級增長，並與決策式AI協同，形成以智能體為主的通用範式，二者涇渭分明的邊界將趨於模糊。多智能體配合，實現「雙AI」編排協作的模式，可以更好實現AI能力的普惠化。近年來，農業銀行在多智能體協作方面積極探索，推動AI創新應用成果惠及更多人羣。例如，在客户營銷場景中，我們利用智能體，通過決策式AI構建客户畫像，通過生成式AI形成個性化服務方案，有效提升金融服務的精準性和獲得感。

AI普惠與算力供給

隨着AI普惠性的持續提升，數據處理規模和複雜度指數級增長，數據中心計算量的膨脹速度將會遠大於CPU處理效率進化的速度，而GPU憑藉其更強大的並行計算能力，能夠高效應對計算密集型任務。AI的大規模應用就意味着進入了加速計算的時代。當然，加速計算的到來，通用計算也不會消失，通用計算會退化為「控制平面」，而高時效高計算負載的場景將通過專用加速計算來實現。

當前，AI正在加速普及，在這一過程中，GPU算力的需求和供給將始終處於「緊平衡」狀態。從節省能源、綠色發展角度看，這種「緊平衡」是必要的。要從存量挖潛和增量擴容兩端發力，平衡好AI普惠和算力供給之間的矛盾。一方面，通過工程化手段，如算力的靈活調度、參數規模的合理匹配、模型的壓縮加速等，降低模型的運行成本，節約算力資源；另一方面，要主動適應加速計算的範式變革，加快建設支持AI高性能計算的智算中心。以農業銀行為例，我們依託「農銀智+」平臺，建成參數多樣、能力豐富的模型矩陣，精細化匹配業務場景需要，並通過模型蒸餾、微調等手段，充分利用GPU資源。同時，我們建設了支持多類型GPU組合的算力雲平臺，保障AI算力彈性、韌性和可持續供給，為AI的規模化應用做好算力儲備。

普惠性與安全性

我們在提升AI應用普惠性的同時，也要高度重視AI應用的安全性。

一是強化AI穩定性，保障大眾利益。未來AI將像電力和互聯網一樣，成為數字世界的「基礎設施」。提示詞注入、資源消耗攻擊等風險會威脅AI安全，進而影響人民羣眾的日常生活。要建立模型安全護欄、主動防禦等技術手段，切實保障AI穩定運行和業務連續性。

二是提升數據質量，增強模型可信度。在AI廣泛應用的背景下，數據來源更豐富、結構更復雜。數據傾斜、數據投毒等問題會加劇模型的決策偏差，更易引發公眾信任危機。要建立全生命周期的模型評測和監控體系，加強算法公平性約束，提升模型的穩定性和可解釋性。

三是避免模型共振，防範系統性風險。隨着競爭的加劇，市場上主流大模型的集中度會越來越高。商業銀行依賴的模型算法將逐步趨同，局部缺陷有可能會形成機構間模型共振，並引發系統性風險。要加快構建更可靠的知識體系，開展差異化模型訓練，提升金融系統整體韌性。