文章核心观点 - 人工智能是驱动金融行业从数字化迈向智能化发展的新质生产力，公司正积极推进AI与大数据融合，为业务高质量发展提供技术支撑 [1] 人工智能环境构建 - 公司与多方合作构建开放协作的人工智能创新生态，提升异构算力池化能力，推进AI就绪数据体系和企业级知识中台建设 [2] - 稳步推进基础大模型和垂类大模型建设，开展判别式、生成式、策略式和行为式AI算法研发，形成感知、认知、决策和行动智能能力 [2] - 以多种智能体技术驱动智能营销、智能风控等高价值场景应用，并通过语言用户界面整合AI能力，降低应用门槛，实现业务流程贯通 [2] 人工智能算法研发 - 构建“数据—模型—反馈”增强闭环，融合金融场景反馈信息，运用强化学习优化大模型，实现垂类任务能力跃迁 [3] - 采用监督微调与知识蒸馏方法，将大模型能力迁移至更小参数量的垂类模型，以支持低时延、低成本推理场景 [3] - 构建技术与实施双维度管控方案，采用智能风险识别和可解释性技术，并建立全生命周期安全管理流程，保障安全合规 [4] - 引入量子科技，自主研发龙智·康熙量子基础大模型，运用量子傅里叶变换等技术提升训练速度并节省算力资源 [5] - 量子基础大模型在8卡H800算力下以25天完成1B和14B参数规模训练，在16卡国产GPU算力下以24天完成0.5B和1.5B参数规模训练 [5] 人工智能算料准备 - 系统推进AI就绪数据体系建设，实施数据全流程规范化管理，强化数据可追溯与质量监控，确保数据源真实、结构合理 [7] - 构建企业级知识中台，推动知识要素高效流动与智能应用，打造数据与知识驱动相结合的智能中枢 [7] - 在量子大模型训练中采用自动化数据处理流水线及质量抽检等机制，并使用安全审核技术确保数据质量，最终仅用0.87TB数据完成训练 [8] 人工智能算力支持 - 对智能算力的管理从单一物理资源分配转变为具备异构算力调度、弹性资源分配等综合能力，依托算力虚拟化平台构建动态资源分配机制 [9] - 通过实时监控负载状态并结合业务优先级策略，实现计算资源弹性伸缩与均衡分布，提升整体算力利用率 [9] - 已在GPU加速卡上实现资源按需分配和聚合功能，并将进一步推进GPU算力资源池化，构建统一的人工智能加速算力资源池 [9] 人工智能人才支撑 - 构建总行科技条线与金融科技公司的一体化AI融合团队，实现从战略规划到应用落地的全流程联动 [10] - 向全行开放AI大模型语言用户界面和智能体应用平台，降低AI应用门槛，推动业务需求快速转化为智能化应用 [10] 人工智能技术应用成效 - 已积累AI大模型场景需求240个，正式上线应用24个 [11] - 智能营销领域：超级客户经理顾问智能体对话满意度超过70% [11] - 智能风控领域：授信尽调报告自动生成工具将报告撰写时间从天级缩短到分钟级 [11] - 办公运营领域：语音催收质检智能体违规话术识别准确率超90%，人工工作量减少90% [11] - 辅助研发领域：AI辅助生成测试相关内容的平均采纳率为70.6% [11] - 业务创新领域：“智能数据分析师”将非标准数据查询任务从天级缩短至秒级，报告生成由天级缩短至分钟级 [11] 未来发展方向 - 公司将以智能化为主线，持续深化AI与大数据、量子科技等前沿科技的协同演进 [12] - 探索量子计算赋能AI的新路径，完善企业级AI平台建设，推动AI应用在全业务条线的规模化应用 [12]