21世紀經濟報道記者 余紀昕 上海報道

今年8月，國務院印發《關于深入實施“人工智能+”行動的意見》，從國家層面對各行業人工智能應用提出指導，并明確了時間表與路線圖。在此背景下，上海作為全球金融中心，正積極推動金融科技與人工智能的深度融合。早在2024年9月，上海市政府辦公廳就發布了《上海高質量推進全球金融科技中心建設行動方案》，提出力爭用3至5年將上海建成具有全球引領性的金融科技中心。

10月17日上午，“臨港新片區金融科技集聚區發展座談會——暨智能投研技術聯盟（ITL）成員機構代表座談會”在臨港中心舉辦。來自上海市委金融辦、臨港新片區管委會、金融機構、金融科技企業及投資機構等代表齊聚一堂，共商金融科技高質量發展路徑。

同天下午，第六屆1024資管科技開發者大會（ITDC 2025）也在臨港中心順利舉行。大會由臨港新片區管委會指導，資產管理協會、智能投研技術聯盟等共同主辦。

從產業AI到金融AI，上海資產管理協會黨的工作小組組長、秘書長韓康在本次座談中指出，上海資產管理業未來數智化工作將突出三個“一致性”：一是新質生產力產業AI與金融資管AI在技術應用上的一致；二是資管機構戰略定位與AI、資管復合型人才培養的一致；三是資管行業“AI+”創新與區域AI發展生態構建的一致。

資料來源：由上海資產管理協會提供

大模型金融應用實踐駛上“快車道”

步入“AI時代”，以人工智能大模型為代表的數字化技術正以前所未有的廣度和深度賦能資管行業，驅動各投資機構積極布局金融科技建設。

智能投研技術聯盟主席楊強院士指出，可以預見，未來的資管機構將同時擁有兩種資產：一種是資產負債表上的資金，另一種是模型權重里面的知識，一個是傳統風險收益曲線，另一個是基于聯邦學習隱私計算，多模態對齊的可信收益曲線，“誰能率先把兩類資產打通，就能在全球新一輪的AI加金融競賽中定義規則，輸出標準以及收獲復利。”

關于大模型對金融機構的賦能與重塑，浦銀理財金融科技部總經理吳苗作為銀行理財子公司代表，在活動中分享了浦銀理財在大模型應用方面的探索與實踐。

吳苗強調，當前大模型應用遵循兩大原則：一是“對內不對外”，二是“輔助不決策”。他解釋這是基于技術成熟度的階段性定位，未來可能隨技術發展調整。在架構上，浦銀理財設計了分層體系：底層是“智庫大腦”，依托浦發銀行的算力基礎（包括傳統與高端算力）提供支撐；其上是雙中臺——數據中臺與智能中臺。智能中臺部署了大模型、NLP、RPA等多種能力；頂層則是面向業務的兩大賦能平臺——統一工作臺“智浦魔方”和員工數字助理“智浦小鹿”。

“智浦小鹿”被賦予四大定位：一是知識小管家，學習內外部制度、產品說明書等資料，通過自然語言交互實現知識傳承。二是辦公小助理，結合RPA等技術實現自動化操作，提升辦公效率；三是投研小顧問，輔助投研人員整理報告摘要，減輕閱讀海量資料的壓力；四是運營小秘書，通過NLP技術自動查詢業務狀態，簡化后臺對前端的支持流程。

展望未來，浦銀理財規劃了“助理-協同-自主”三階段發展路徑：當前助理階段以輔助為主；協同階段將部分替代人力；自主階段可能實現更高程度的自動化。吳苗認為，這一趨勢未來三五年內不可逆轉。

東方匯理金融科技（上海）有限公司總經理高嵩分享了關于大模型應用的一些國際經驗以及對國內資管公司的借鑒意義。

他指出，自2018年獨立擔任法人資管公司以來，東方匯理資管規模從7000億歐元迅速增長至2.2萬億歐元。而這一快速增長正依賴于兩大驅動因素：持續并購，以及在并購過程中系統集成化對提升效率和降低成本的關鍵作用。

在獨立后的第二年，公司開始自研組合管理平臺；經過十余年發展，已形成一套端到端的企業級投資管理平臺。從投資研究管理起步，逐步擴展至ESG評級能力，該平臺覆蓋銷售與分銷環節，實現了全鏈條打通。平臺提供增值服務，包括中后臺外包服務、資產服務、合規檢查及交易服務等，覆蓋整個價值鏈。

對于下一階段計劃，高嵩指出，在2.0階段公司將更深入投資核心業務，重點布局四個金融科技方向：一是利用算法識別人類難以發現的因子，加強投研分析；二是開發投資助手，生成替代性投資方案供投資經理決策參考，提升決策效率；三是通過大量回測訓練模型，優化資產配置與風險識別；四是借助AI生成定量化ESG標簽，提升ESG評級的真實性與可靠性，尤其重視歐洲市場對ESG投資的高要求。

資管科技發展挑戰仍存：創新型人才稀缺成行業痛點

在資管機構“積極擁抱”AI技術的當下，隨之而來的多項挑戰也引發來自業內的廣泛關注。

嘉實基金首席信息官劉偉表示，在大模型測試與應用發展過程中，資管機構主要面臨三大挑戰。

第一是數據、算力、算法三大要素的問題。數據作為大模型的“燃料”，在公募基金機構中包括大量行情數據、財務報表等結構化數據，近年也增加了許多網絡非結構化數據。雖然當前對結構化數據的處理準備度較高，但如何將知識有效向量化、讓機器更好理解知識點仍為一大挑戰。

第二是數據安全與權限控制。在構建企業向量知識庫時，需打通所有知識點，但數據分類分級與安全管控面臨新挑戰。以往結構化數據可以按行列控制權限，而現在需要探索新的權限管理機制。

第三是AI工程化與人才轉型問題。技術不確定性導致需求與實際效果可能存在較大差距，如何管理研發流程、調整人才結構是一大挑戰。原有機構中優秀人才多為編程或傳統算法背景，轉向大模型需更新知識體系，因而內部轉型與外部引進需同步推進。

國泰海通資產首席投資官孫佳寧指出，當前行業面臨的核心挑戰并非技術迭代、算力或路徑選擇，而是高水平復合型人才的嚴重短缺。他強調，擁有充滿好奇心、能主動思考的團隊才是突破各類難題的關鍵。

他指出，將技術轉化為用戶覺得“好用”的工具，是復雜的工程問題。例如在交易場景中，交互組件使用下拉菜單還是復選框，會對操作效率產生秒級影響，這取決于開發與業務人員是否深入場景、精益求精。

孫佳寧坦言，既精通技術又具備主動探索和協作精神的人才極為稀缺。技術可學習，但內在的好奇心與跨前一步的擔當意識難以培養。算力、數據、技術路徑均可通過投入解決，但人才短缺仍為實現資管科技高效發展的一項突出挑戰。