人工智能不仅是新一轮科技革命和产业变革的重要驱动力量，也是推动金融行业从数字化迈向智能化发展的新质生产力。华夏银行积极推进人工智能与大数据融合发展，围绕人工智能环境构建、算法研发、算料准备、算力支持和人才支撑等多个领域开展AI技术应用研究，推动人工智能大模型为金融行业的数智升级持续注入动能，为业务高质量发展提供有力技术支撑。
一、华夏银行人工智能技术应用发展
图片来源于网络，如有侵权，请联系删除
（一）人工智能环境构建
华夏银行与高校院所、科研机构、科技企业等多方合作，积极构建开放协作的人工智能创新生态。通过提升异构算力池化能力，华夏银行持续夯实人工智能算力基础；推进构建人工智能就绪数据（AI-Ready Data）体系，打造企业级知识中台；在此基础上，稳步推进基础大模型、垂类大模型等人工智能算法模型建设，开展判别式人工智能、生成式人工智能、策略式人工智能和行为式人工智能算法模型研发应用，逐步形成感知智能、认知智能、决策智能和行动智能多种智能能力；以符号规则智能体、统计学习智能体、深度学习智能体和大模型智能体等智能体技术驱动各类人工智能创新应用落地，有效支撑智能营销、智能风控、办公运营、研发辅助、业务创新等高价值场景应用，并以语言用户界面为统一入口将分散的人工智能能力整合为有机整体，通过交互范式革新降低智能化应用门槛，实现业务流程贯通，推动人工智能技术与业务发展的深度融合。
（二）人工智能算法研发
在人工智能模型算法方面，华夏银行开展了一系列技术创新研发。
一是为推进模型性能提升与高效部署，通过构建“数据—模型—反馈”的增强闭环，融合金融场景沉淀的提问与结构化反馈信息，驱动模型能力持续优化。面向营销、风控等高价值场景，依托银行内部积累并标注的训练数据集，运用强化学习对大模型进行迭代优化，实现在特定垂类任务上的能力跃迁。此外，针对要求低时延、低成本推理的场景，采用基于思维链标注数据的监督微调与知识蒸馏相结合的方法，在不牺牲效果的前提下，将大模型能力迁移至参数量更小、部署更高效的垂类模型，为企业级人工智能应用提供可持续进化的模型算法技术能力。
二是为保障大模型及智能体在金融业务核心场景的安全合规运行，构建了技术与实施双维度管控方案。技术层面，采用智能风险识别技术，通过对模型输入输出、中间过程及智能体交互过程的实时分析，识别如偏见、错误信息、恶意攻击等风险；运用可解释性技术，确保安全监控的可追溯性。实施层面，推进建立全生命周期安全管理流程，从模型训练数据的安全审计，到模型部署后的实时监控预警，再到应急处置机制，形成闭环管理。同时，按照合规要求，确保模型及应用符合国内外数据安全、人工智能伦理等相关法规标准，从而全方位保障大模型、智能体及相关应用安全可控。
三是引入量子科技，探索人工智能前沿布局与算力成本控制的平衡路径。随着人工智能大模型的持续演进，模型训练对算力资源的需求呈指数级增长。华夏银行自主研发的龙智·康熙（QuantumSeek）量子基础大模型运用量子傅里叶变换技术对Transformer结构中自注意力层进行部分替换，并采用MLA多头潜在注意力和MSG模型生长等机制，有效提升模型训练速度、节省算力资源；基于单机8卡英伟达H800算力以单次训练7天和生长训练18天（共计25天）的速度完成了1B和14B参数规模的MoE稀疏架构量子基础大模型训练；基于双机16卡天数智芯天垓150国产GPU算力以单次训练9天和15天的速度完成了0.5B和1.5B参数规模稠密架构量子基础大模型训练；相关工作助力推动绿色人工智能体系建设，为构建可持续、低成本的人工智能发展模式提供了创新思路。
（三）人工智能算料准备
华夏银行深刻认识到高质量数据是提升人工智能模型性能的关键基础，并已逐步成为人工智能能否真正发挥价值的决定性因素之一。
华夏银行系统推进人工智能就绪数据体系建设，着力打造支撑大模型训练和智能决策的高质量数据底座。通过实施数据采集、标注、清洗、脱敏等全流程规范化管理，强化数据可追溯与质量监控机制，确保数据源真实、结构合理、语义一致；同时注重数据与业务场景的双向映射，综合使用多种技术不断提升数据的可用性与智能关联能力，为大模型提供可调用、可信赖的训练材料，从源头上夯实模型性能优化与智能能力跃升的基础。
在知识体系建设方面，华夏银行遵循“业务知识化、知识数据化、数据智能化”的整体思路，推进构建企业级知识中台，推动知识要素在全行范围内的高效流动与智能应用。同时，聚焦知识中台与人工智能模型深度融合，打造数据驱动与知识驱动相结合的智能中枢，为人工智能在金融领域的可信、可控、可解释性发展提供技术支持。
在量子基础大模型训练过程中，华夏银行探索形成了高效的数据处理方式，通过收集合法授权或开源许可数据集，并在使用前进行脱敏处理，同时构建自动化数据采集与预处理流水线并构建数据质量抽检、语义一致性校验、冗余检测等机制，以实现数据质量控制。此外，为避免量子基础大模型训练数据中可能存在的有害、数据隐私、偏见歧视等内容，采用中科闻歌数据安全审核技术，基于关键词匹配以及深度学习实现文本违禁内容审核，确保量子基础大模型训练数据的质量；最终仅使用0.87TB数据量完成量子基础大模型训练。
（四）人工智能算力支持
随着大模型技术的快速发展和广泛应用，对智能算力的需求呈现爆发式增长，对于智能算力的管理也已从单一的物理资源刚性分配转变为需要具备异构算力调度、弹性资源分配、全链路安全防护等综合能力，依托算力虚拟化平台，构建动态资源分配机制。通过实时监控算力的负载状态，结合业务优先级策略，实现计算资源的弹性伸缩与均衡分布，避免资源闲置或过载问题，提升整体算力利用率。目前业界主流的GPU虚拟化技术已经从初期简单虚拟化发展到资源池化，具有全局资源池环境下的资源发现、资源调度、资源回收、异构池化管理、日志监控等数据中心级别的运维功能。华夏银行面向OCR识别等智能应用场景，在GPU加速卡上，实现了资源按需分配、资源聚合等功能；后续，将进一步推进GPU算力资源池化构建，形成统一的人工智能加速算力资源池，有效释放GPU算力。
（五）人工智能人才支撑
人才是人工智能发展的核心驱动力，对技术落地与应用价值发挥具有决定性作用。一方面，华夏银行构建了总行科技条线与旗下金融科技公司的一体化人工智能融合团队，通过跨机构协作打破传统组织结构壁垒，实现从战略规划、技术研发到应用落地的全流程联动。另一方面，通过向全行开放人工智能大模型语言用户界面和智能体应用平台，实现了人工智能能力在业务端的广泛触达，降低了人工智能应用门槛，推动业务需求快速转化为智能化应用，促进人工智能应用在全行范围遍地开花。
二、华夏银行人工智能技术应用成效
截至目前，华夏银行已积累人工智能大模型场景需求240个，其中正式上线场景应用24个。在智能营销领域，构建含多路混合检索、重排序与上下文压缩功能的超级客户经理顾问智能体，通过提示词工程框架等控制生成内容、抑制幻觉，对话满意度超过70%。在智能风控领域，基于大模型智能体的授信尽调报告自动生成工具，通过将生成式AI与判别式AI技术融合，实现授信调查报告的自动生成，将原来天级的报告撰写时间缩短到分钟级。在办公运营领域，面向语音催收质检场景构建了多模型协同的智能体，融合量子经典混合模型与人工智能大模型开展违规话术识别，最终实现识别准确率超90%，人工工作量减少90%。在辅助研发领域，基于大模型技术实现辅助生成需求测试点、测试案例和测试数据等功能，生成结果平均采纳率为70.6%。在业务创新领域构建“智能数据分析师”，实现了从自然语言到结构化查询的技术跃升，并在此基础上构建了集对话式商业智能（ChatBI）与数据分析报告自动生成于一体的智能能力，实现了从“提问”到“洞见”的端到端智能分析链条，使非标准数据查询任务从原本的天级缩短至秒级，报告生成由天级缩短至分钟级，显著提升了金融数据服务的实时性与决策效率。
三、结语
数字化浪潮奔涌向前，智能化转型正当其时。人工智能不仅是一项技术革新，更是金融体系新的“计算引擎”和“认知中枢”。未来，华夏银行将以智能化为主线、以融合创新为方向，持续深化人工智能与大数据、量子科技等前沿科技的协同演进。一方面，探索量子计算赋能人工智能发展的新路径，推动智能算力体系的跃升；另一方面，持续完善企业级人工智能平台建设，推动人工智能应用在全行各业务条线的规模化应用，推动智能能力融入业务场景。华夏银行将牢牢把握人工智能发展的历史机遇，持续打造金融新质生产力，助力行业高质量、智能化发展。
(编辑：王欣宇) 关键字：