金融科技的数智革新：共创未来生态

专题：第28届北京科博会-未来产业推介会

2026年5月8日，第28届北京科博会-未来产业推介会在京举行。国家金融科技风险监控中心总经理范贵甫，中国工商银行大数据和人工智能实验室资深经理黄炳，郑州银行总行零售业务部副总经理常晓斌，武汉农村商业银行零售信贷部总经理刘抒颖，围绕“数智共生 金融致远——科技赋能下的金融变革与未来生态”这一主题进行了深入探讨。北京农商银行数字化转型推进办公室副主任张陌担任此次圆桌对话的主持人。

以下为对话实录：

主持人/张陌：非常荣幸能够主持今天的压轴圆桌对话。我是北京农商银行数字化转型工作推进办公室的副主任张陌。本次对话的主题聚焦“数智共生 金融致远——科技赋能下的金融变革与未来生态”。除了我们熟悉的金融与科技，‘变革’、‘未来’和‘生态’无疑是我们共同关注的焦点。

在“人工智能+”行动的引领下，金融业正经历着从“数字化转型”到“数智化融合”的深刻转变。诸如大模型、区块链、隐私计算等前沿技术，不仅在重塑风控、营销、运营等核心业务环节，更在普惠金融、绿色金融、产业金融等领域催生出新的业态。我们正身处一个数据驱动、智能引领的时代。金融科技，早已超越了最初的渠道创新，深入金融服务的肌理，重塑着行业的格局与未来。

今天，我们有幸汇聚了在金融科技领域耕耘多年的领军人物，共同探讨科技如何驱动金融变革，以及我们如何携手构建未来的金融生态。

现在，进入第一个环节，请各位嘉宾用1到3分钟的时间进行简短介绍或对本次话题进行初步阐述。

首先，请范总发言。

范贵甫：大家下午好。很感谢大家在百忙之中仍在此聆听。我来自国家金融科技风险监控中心，担任总经理一职。我中心成立不足三年，核心职能正如其名，在于监控新技术在金融领域的应用风险。我们一方面为监管提供支持，另一方面也服务于金融机构，共同构建联防联控体系，防范新技术应用可能带来的风险传导。

今天的会议主题“数智共创”非常有意义，这与今年3月人民银行科技工作会议的精神不谋而合，会议强调要积极稳妥、安全有序地推进金融行业人工智能应用，释放数字化、智能化的发展潜力。因此，本次会议的主题恰好是对这一精神的生动诠释，希望能为大家带来新的启发。

主持人/张陌：有请黄经理。

黄炳：各位专家、各位领导，下午好。我是来自工商银行大数据人工智能实验室的黄炳。我们实验室成立于2017年，主要负责研究大数据和人工智能的前沿动态与发展趋势，并承担“工银魔方”、“工银图灵”两大技术体系下各技术平台的建设与运营工作，旨在为我行数字化转型提供关键技术支撑，全面提升数字化、智能化水平，持续为高质量发展注入新动能。

我对“数字共创”的理念深表认同。无论是对内赋能组织，还是对外服务客户，我们始终致力于金融行业数字化转型的探索。各类AI产品和应用在银行体系的落地，核心在于解决与金融业务的深度融合问题。行业发展不仅需要生产力和技术能力的提升，更需要围绕生产关系的重构，构建可规模化复制的应用模式。通过打破部门壁垒、盘活现有业务能力，推动科技与业务深度耦合，构建AI原生的行业生态。这不仅对金融行业人工智能的规模化落地至关重要，也对全国“人工智能+金融”生态的完善、赋能实体经济和国计民生具有深远的战略意义。

主持人/张陌：感谢黄总。稍后我们还有深入的研讨环节，期待您的精彩分享。接下来，有请常总。

常晓斌：非常感谢主办方为中小银行提供这样一个交流与探讨的平台。我于半年前加入零售业务部，此前在科技领域工作了二十余年，涵盖了基础设施、应用开发、架构设计及业务支撑等多个方面。转岗零售业务部后，我深切体会到，对于中小银行而言，AI是跟上大型银行业务发展步伐的绝佳机遇。作为一家A+H股上市的城商行，我们虽在本地化特色业务方面有优势，但在科技投入和发展上与大型银行存在显著差距。借助数智共创，或者跟随大型银行的节奏，通过AI投入可以缩小这一差距，甚至成为我们追赶一流城商行的机会。我希望通过本次交流，能与大家共同探索合作机会，助力郑州银行实现更大发展。

主持人/张陌：谢谢常总。下面有请刘总。

刘抒颖：大家好，我是来自武汉农商行的刘抒颖。在金融行业从业近十年，我曾先后负责我行电子银行、网络银行业务，并统筹管理客服、信用卡及网贷等业务。我的工作始终在业务与技术两条线上并行，既深耕业务场景，又落地技术应用，在专业领域持续精进。这种双线工作模式使我能够紧贴市场前沿，第一时间洞察并应用各类新技术到金融业务中。

今年我调任零售信贷部总经理，该部门整合了信用卡、网贷及传统零售信贷业务。业务的多元化带来了协同挑战。本次参会，我希望学习前沿技术与同业的优秀实践，以数智化手段解决传统银行在人力和技能上的短板，从而提升运营效能。

主持人/张陌：接下来，我也简单介绍一下我的背景和过往实践经验。在我过往的从业经历中，2021年，我们通过产学研融合的方式，成功落地了一个人工智能开发平台项目，该项目还获得了2021年度国家工信部“揭榜挂帅”的成功揭榜，并于2023年结项。然而，随着2023年大语言模型的到来，一个企业在预训练时代所拥有的卡片数量和模型人才储备，直接决定了其人工智能的成长速度和应用速度。

随着DeepSeek、龙虾以及Agent等相关技术的成熟和落地，目前看来，Token的消耗量和运行时Agent的数量，可以作为衡量一个金融机构或企业人工智能应用水平的明确指标。在此过程中，我与许多同业交流，包括我自己也常感到技术焦虑，这在技术变革时代是普遍现象。

如果从个体角度来看，认知力、学习能力和执行力是应对变化的关键。而对于企业和组织而言，认知力可以类比为人工智能战略规划，执行力对个人和企业都至关重要。那么，学习能力对组织而言又有哪些具体内涵呢？接下来，我将从组织创新能力系统构建的角度，分享北京农商银行的实践经验。

下面，我们进入话题讨论阶段。本次讨论的议题包括：

1、数智化转型的“落地之道”——从技术选型到业务融合

2、数智化转型的“支撑之基”——组织、生态与风险治理

首先，有请范总。作为国家级金融科技风险监控的“守门人”，您一定见证了不少技术落地中的风险案例。请您分享一下，当前大模型在金融创新过程中面临的数据安全风险、模型幻觉等挑战。国家金融科技风险监控中心正在推进的“金融行业可信数据空间”将如何帮助金融机构在“安全合规”与“创新效率”之间找到平衡，确保大家既能放心运用技术，又能坚守风险底线？

范贵甫：谢谢张总。我们中心确实在建设金融领域可信数据空间，该项目已纳入北京市重大项目库，并正向国家层面申报。金融领域可信数据空间建设意义重大，其核心在于支持发展与防控风险并重。该空间以场景驱动，众多金融机构已成为其成员，包括工农中建交邮等大型金融机构。鉴于监管要求数据不出域，但金融机构又存在跨行数据共享的需求，我们利用隐私计算技术，实现了“数据可用不可见”的共享模式，这正是可信数据空间的核心价值。

此外，金融行业每年在购买外部数据上投入巨资，但面临成本高、质量待提升等问题。通过可信数据空间，我们希望代表行业降低数据使用成本，提高数据质量。同时，在财政部和人民银行的指导下，我们搭建了银行电子凭证互联互通平台，涵盖税务发票、财政收据、火车票、民航行程单等10类凭证。我们负责金融行业的银行电子回单和对账单，旨在解决银企直连、网银多头连接的痛点。企业只需一点接入平台，即可获取其开户银行的电子回单和对账单。从这个意义上说，通过场景驱动，可以实现绿色、低碳、环保，并总体降低社会成本。大家或许已经感受到，现在出差无需再打印纸质火车票，直接下载电子火车票即可报销，未来银行的电子回单、对账单也将如此。

金融领域可信数据空间的应用场景远不止于此，还包括短时多头信贷、贷后资金回流追踪、反欺诈等。只要金融机构有需求，都可以通过联席会议机制将其纳入。这是我所说的“支持发展”。

在“防控风险”方面，一是利用金融科技创新监管工具，对金融机构的创新项目进行风险测试，我们正在支撑全国金融科技创新监管工具的运行。二是，在北京市政府的支持下，我们建立了人工智能、量子计算、区块链等金融应用风险监控平台，为新技术在金融行业的应用保驾护航。三是，今年4月，工信部、人民银行等十部委发布了《人工智能伦理审查服务管理办法》，我们正依据该办法筹建金融行业人工智能伦理审查服务中心，未来也将为金融行业新技术应用提供服务。通过这些举措，我们致力于解决发展过程中的各类问题。谢谢主持人。

主持人/张陌：谢谢范总。接下来有请黄总。工商银行在金融大数据和人工智能的创新应用方面一直处于行业领先地位。您认为金融机构要实现深度智能化转型，从技术选型到业务融合，最关键的抓手是什么？此外，许多企业在推动人工智能落地应用时，容易陷入技术炫酷或炫技的误区，导致业务脱节。工商银行对此有何看法和解决方案？在实现业务与技术深度融合方面，是否有可规模化、可复制的方法论分享？谢谢。

黄炳：今天主题中的“落地之道”四个字非常精辟。大模型的真正价值在于规模化、高效地赋能业务价值创造，因此必须脚踏实地地推进业务与技术的融合落地。

我想用工商银行的实践总结为三个关键词：高价值场景牵引、技术体系攻坚夯实、规模化应用方法提炼。

1、技术选型的起点应是业务痛点，而非技术前沿。工商银行提出“从对话生成向智能体执行演进”，是因为信贷审批、智能客服等场景存在明确的效率与体验瓶颈。因此，首要目标是解决具体问题。例如，在许多时效性要求高的场景中，模型选型不会一味追求通用大模型的绝对领先，而是基于小参数模型，利用行内金融数据进行后训练形成金融模型进行应用。又如，在许多功能流程性需求中，使用热门的动态规划自主智能体技术路线，效果和成本反而不如静态编排。所以，技术选型一定是业务价值驱动的，不能为了技术而技术。

2、业务融合的关键在于适配的技术能力支撑。当前技术发展日新月异，如何提炼贴近业务实际应用的标准化应用范式，以不变应万变，成为关键所在。我们在场景赋能中，提炼了适配金融行业的“1+X”范式工程化解决方案。“1”是指动静融合的智能体运行引擎，负责感知、理解、规划、执行、反思、记忆等中枢调控。“X”则是标准化能力组件，例如智能金融文档编写、数据洞察组件智能体等。通过标准化共性能力的沉淀，避免重复建设。运用1+X范式解决方案，我们有效地解决了规模化赋能的标准、效率和质量问题。

3、规模化应用方法的提炼。在实践中，我们提炼了金融大模型应用创新的方法论。一方面，科技部门主动前移，深入业务一线，协同业务分析现有工作流程，端到端地挖掘赋能场景，形成覆盖全链路的、按岗位和专业的赋能场景地图。另一方面，业务部门深度介入原型设计、知识梳理、运营迭代，使业务人员能够更直观、专业地重塑未来的工作流程。通过业务与科技的深度融合，以“All in Chat”的新理念为指引，实现从单场景赋能模式到端到端业务重塑模式的变革，加速大模型业务价值的创造。

主持人/张陌：感谢黄总的分享。接下来有请常总。郑州银行近年来在零售业务数字化方面进行了诸多创新尝试。零售业务直接面向客户，客户对体验、效率和安全的要求极高。在推动零售业务与科技融合的过程中，您认为最大的挑战是什么？另外，能否分享一下郑州银行在提升客户体验、优化业务流程方面的特色数字化实践？在“业技融合”过程中，业务部门是如何与科技团队协同合作的？

常晓斌：我先回答关于挑战的问题。零售业务的数字化转型是从2023年9月开始的。在此之前，我们零售业务的占比非常小。大家知道，2017年至2018年，郑州房地产市场曾一度火爆，但到2022年至2023年，郑州烂尾楼现象全国居首，这反映出金融机构在房地产领域投入巨大，但增长主要依赖对公业务，零售业务占比很低。

2022年房地产市场下滑后，我们意识到零售业务是我们的短板。为此，我们成立了零售条线，下设零售业务部、渠道管理部、小企业金融事业部、资管部、财富管理部、运营管理部等六个部门，并将运营部门也纳入零售条线。我们的目标是集中力量，形成合力。基于2023年9月我们制定的零售数字化转型目标——“一年小成，三年大成，五年翻番”，从2023年至今（3月），我们零售资产已增长近一倍。这是整体情况。

在实现这一目标的过程中，我们首先要“做强总行”。这意味着我们将原先更多以产品为中心的模式，转变为以客户为中心。我们确立了“一二四”目标：围绕零售数字化转型建立金融智能服务体系；实现“两个第一”，即对外客户第一，对内效率第一；并推进“四大工程”，助力零售数字化转型。

在此过程中，我们面临人员投入不足、资源不足以及科技支撑不足的挑战。为此，我们召开了多次数字化转型大会和零售数字化转型大会，统一了思想。我们将零售业务的考核与科技的考核纳入统一体系，这样一来，不仅零售业务可以完成目标，科技部门也能达成任务。尽管阻力很大，但通过整合资源、人员，打破内部部门壁垒，我们最终实现了3月份零售资产翻番的目标。

关于“业技融合”，正如宫总（此处应为主持人张陌的笔误，前文未提及宫总）所提到的，起初科技部门只是按需完成需求，而不关注是否达到预期目标。这显然无法满足零售数字化转型的要求。因此，我们每个部门都建立了科技支撑小组，负责将业务语言转化为科技语言，并主导项目执行、实施和上线。这使得科技部门不再是孤军奋战，而是与业务部门形成合力，共同承担科技项目建设及后续评价的责任。通过这种方式，我们提升了业技融合的能力。这是第二个问题。

第三个问题是关于数字化转型过程中的资源、人员能力和组织保障。在这方面，我们与大型银行和头部城商行差距较大。为此，我们首先进行了思想上的统一。其次是组织保障，我们将此视为“一把手工程”，并定期（至少每月一次）向党委会汇报数字化转型的进展。第三是文化保障，零售数字化转型并非仅是零售部门的责任，对公业务和资产负债业务也需协同。例如，在发展对公业务的同时，也要兼顾零售业务，如代发工资、社保卡和工会卡的办理都与对公业务挂钩，从而带动零售业务发展，提升零售覆盖比。

最后是科技保障。针对“一二四”目标中的“四大工程”（焕新工程、磐石工程、燎原工程、登峰工程），科技部门将其分解，形成了针对财富管理、客群管理、零售信贷、厅堂服务管理，以及数据治理、客户体验等方面的完善措施。

我重点介绍一下客户体验和数据治理：

客户体验方面，我们经常使用手机银行，有时会遇到白屏现象。从用户角度看是手机银行的问题，但根源可能在于财富或核心系统。为此，我们设置了更多埋点，监测客户执行时长和路径，通过优化系统来缩短客户办理业务的时间，提升客户体验。其次，在客服方面，我们引入了智能问答，减少了客户等待时间。第三，鉴于监管政策要求，开户流程耗时较长。我们针对开户手续进行了简化，大幅提升了开户效率。通过这三方面措施，提升了客户体验。

数据治理方面，去年我们发现800多万客户中，有100多万是睡眠客户。数据治理一方面要唤醒这些客户，另一方面，针对过去各系统间未统一标识的问题，我们重新梳理了客户信息，确保所有系统标识一致，为后续数字化转型奠定坚实基础。

我就讲到这里。

主持人/张陌：感谢常总。下面有请刘总。您来自零售信贷业务一线，最能体会科技对业务的实际改变。当前许多农商行在推广“智能信贷”，但业务部门常反映“技术工具不好用”，例如智能风控模型给出的额度与业务经验不符，或是客户经理不愿意使用新的数字化工具，存在畏难情绪。您是如何推动业务团队接受并使用科技工具的？

刘抒颖：坦白说，银行业普遍存在业务与科技相互脱节，甚至互相推诿的现象。业技融合绝非简单的协同，必须依靠组织保障来落地，这也与今天上午IBM咨询总监董总分享的理念高度一致。

首先，技术迭代会迫使流程重构，进而需要配套的组织架构升级。传统模式下只有业务与科技两方，通常是“业务提需求、科技做开发”。进入智能化阶段，必须新增数据、模型两类核心角色，形成业务、科技、数据、模型四方协同。再加上零售信贷需要直接面对分支行，实际上是五大主体共同参与。各方立场不同、目标不一，很难形成合力。因此，关键在于从组织、考核与文化层面，将这五方打造成利益共同体，共享成功红利，共担失败责任，真正做到同频同向、一条船做事。

第二件事是，在落地应用方面，我们部门的模式与同业有所不同。我们的团队具备互联网业务背景，整合了技术、数据、模型、风控等能力，因此信用卡、互联网贷款及对外合作都能在部门内闭环推进，响应速度快、协同效率高，整体运转十分高效。

然而，当接管行内传统零售信贷业务后，挑战随之而来。原先的互联网模式是闭环运作，不涉及跨部门协同。而传统零售业务的前中后台分属不同部门，壁垒明显。这不仅涉及业务、科技、数据、模型、分支行这五类技术角色，更牵扯到授信审批、风险、贷后等责任主体。这些部门在数字化决策和模型应用程度方面存在差异，难以有效评判数字化工具和策略的有效性，协同难度显著加大。

尤其在效果评估机制上，传统零售信贷以房贷为主，资产质量稳定、不良率低，几乎不需要复杂的信用评分与风控模型。但近两年消费贷、个人经营贷快速扩张，叠加经济下行压力，信用风险集中暴露。全行业都在发力零售信贷，却普遍缺乏个人信用风控经验，不知道如何搭建评分体系、制定风控策略、验证模型效果。这套数字化、模型化的风控逻辑，传统零售团队既不熟悉，也没有成熟的评估标准，因此经常会问：怎么证明这套工具是有效的？ 这也成为了数字化转型推进中的核心卡点。

因此，我们将互联网业务的一体化闭环运营思路引入传统零售，将风险、合规等部门纳入统一协同体系，以整体运营效率为目标，统一标准、理顺流程，让前中后台目标一致、同向发力。在原有零售业务侧重控制不良资产的模式下，我们转向“收益–风险成本 = 真实利润”的核算逻辑，重点关注产品收入在覆盖风险后是否盈利、风险是否可承受，而非单一盯紧不良指标。将账算清楚、把逻辑讲明白，就能有效凝聚风险、审批、贷后等团队的共识，顺畅推进数字化转型与智能风控落地。以上就是我们在推动智能信贷方面的一些尝试。

主持人/张陌：好的，感谢刘总。非常感谢各位嘉宾的真知灼见，今天的讨论内容丰富，从技术落地延伸至组织变革，从风险底线探讨至未来生态，既有实战经验的分享，也有思想的碰撞。时间关系，我做一个简短的总结和分享。从范总作为金融科技“守门人”的角色，搭建金融科技风险防范的基础设施，到工商银行大行在金融科技创新过程中的实践，特别是技术实现、风险防控，以及一线业务人员对技术创新的诉求和组织机制的反馈，实际上我们今天所做的也是一个生态的构建。我相信未来已来，金融机构更应从战略、组织、人才、机制等层面进行系统性统筹，以提高自身在变化中的适应能力和客户服务能力。

再次感谢各位嘉宾的分享，谢谢大家。

明天上午8点30分，本会场将继续举办“机器人产业创新成果与场景应用交流会”，欢迎各位继续参加。谢谢！

新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅。新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：梁斌 SF055

新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。

郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。