文章核心观点 - 金融业应主动融入国家“人工智能+”行动，通过平衡开源与闭源模型、协同决策式与生成式AI、优化算力供给与保障安全性等多维路径，提升人工智能应用的普惠性，推动技术与业务深度融合，最终提升金融服务质效和内部管理效能 [3][4][5][8][9] 开源模型与闭源模型 - 开源模型意味着技术平权和自主可控，通过分布式协同创新降低企业应用成本，提升AI普惠性，但存在模型迭代速度较慢、幻觉率较高的特点 [4] - 闭源模型在稳定性和可靠性上相对更高，同等参数规模下性能可能更优，服务支持更成熟，但自主定制化程度受限且模型透明度较低 [4] - 金融业应重点考虑“AI+”应用而非自建大模型，融合开源与闭源优势，围绕场景建设提升服务质效和管理效能 [4] - 以农业银行为例，采取“两条腿走路”策略：在普惠服务、办公等领域加快探索应用开源模型以提高普及率；同时通过本地化部署闭源模型，在客户服务、知识优化推荐等场景确保数据隐私和极致体验 [4] 决策式AI与生成式AI - 决策式AI擅长“确定性优化”，在强可解释性和准确性要求高的场景中仍是最优选择，目前金融业应用占比超过八成，主导风险评估、算法交易和欺诈检测等核心业务领域 [5] - 生成式AI擅长“可能性涌现”，在开放式和创意性场景中泛化能力更好，主要应用于智能客服、知识助手、报告撰写等非核心业务领域 [5] - 随着大模型能力增强、生态完善和算力突破，生成式AI应用可能实现指数级增长，并与决策式AI协同，形成以智能体为主的通用范式，二者边界趋于模糊 [5] - 多智能体配合的“双AI”编排协作模式能更好实现AI能力普惠化，例如在客户营销中，用决策式AI构建客户画像，用生成式AI形成个性化服务方案，提升服务精准性和获得感 [5] AI普惠与算力供给 - AI普惠性提升导致数据处理规模和复杂度指数级增长，数据中心计算量膨胀速度将远大于CPU处理效率进化速度，AI大规模应用意味着进入加速计算时代 [7] - GPU凭借强大并行计算能力能高效应对计算密集型任务，未来通用计算将退化为“控制平面”，高时效高计算负载场景由专用加速计算实现 [7] - AI加速普及过程中，GPU算力需求与供给将始终处于“紧平衡”状态，从绿色发展角度看这种平衡是必要的 [8] - 需从存量挖潜和增量扩容两端发力平衡矛盾：一方面通过算力灵活调度、参数合理匹配、模型压缩加速等工程化手段降低运行成本；另一方面加快建设支持AI高性能计算的智算中心 [8] - 以农业银行为例，依托“农银智+”平台构建参数多样、能力丰富的模型矩阵，通过模型蒸馏、微调等手段精细化匹配业务并充分利用GPU资源，同时建设支持多类型GPU组合的算力云平台，保障AI算力弹性、韧性和可持续供给 [8] 普惠性与安全性 - 提升AI应用普惠性同时必须高度重视安全性，需强化AI稳定性以保障大众利益，未来AI将成为数字世界“基础设施”，需建立模型安全护栏、主动防御等技术手段应对提示词注入、资源消耗攻击等风险，保障AI稳定运行和业务连续性 [9] - 需提升数据质量以增强模型可信度，在AI广泛应用背景下，数据来源更丰富、结构更复杂，数据倾斜、数据投毒等问题会加剧模型决策偏差，引发公众信任危机，需建立全生命周期模型评测和监控体系，加强算法公平性约束，提升模型稳定性和可解释性 [9] - 需避免模型共振以防范系统性风险，随着竞争加剧，市场主流大模型集中度会越来越高，商业银行依赖的模型算法逐步趋同，局部缺陷可能形成机构间模型共振并引发系统性风险，需加快构建更可靠知识体系，开展差异化模型训练，提升金融系统整体韧性 [9]

核心观点 - 掌握人工智能实战能力是打造未来核心竞争力的关键[1] - 金融行业正通过决策式AI与生成式AI协作的方式进行智能化转型[3][4] - 理论与实践交织的培训，旨在解锁AI生产力，推动大模型深入金融业务逻辑[5][7][8] 行业动态与活动 - 百度文心大模型与新京报贝壳财经于12月6日-7日在北京联合主办“文心导师培训营——‘金融+AI数据’专场”[2] - 活动吸引了三十余位来自银行、证券、保险、基金及学术机构的资深从业者与研究学者参与[2] - 培训以“AI数据驱动金融智能”为主线，提供系统性、强实战性的学习研讨，为金融与AI融合提供方法论和实践路线[2] 金融行业AI应用路径 - 金融行业应用AI需适应其强调合规性、可解释性、数据安全与隐私保护的特殊性[3] - 决策式AI与生成式AI可协作助力转型：决策式AI特点精准，适用于分析海量金融信息、精准匹配金融产品、识别信贷风险及反欺诈[4]；生成式AI擅长逻辑推理与创造，可在智能APP、AI营销获客、用户陪伴、智能催收、AI办公助手、智能合规及投资者教育等方面发挥作用[4] 培训内容与成果 - 培训课程涵盖高质量数据生产的全生命周期，帮助学员从数据层面理解大模型工作流程，掌握数据与模型的迭代优化路径[6] - 课程教授提示词万能公式，通过理解大模型提示词核心机制，引导大模型从“随机游走”转向“精准生成”[7] - 实战环节设置四大工作坊，分别提升复杂金融业务体系拆解与重构、提示词优化迭代与场景适配、领域知识数据构建与方法论总结、模型效果系统评估与调优等关键能力[7] - 学员围绕风控、投研、合规等真实场景进行方案共创，产出了多组具备业务价值的高质量数据与评估框架[8] - 学员完成培训后获得结营证书，并成为“文心导师计划”储备导师，未来将参与金融行业AI数据标准研讨、模型效果评估与前沿应用探索等工作[8] 未来展望与合作 - 当金融人士掌握AI数据语言，大模型有望更深入金融业务逻辑，为行业智能化转型注入力量[8] - 百度将持续基于文心大模型，与多行业伙伴深度合作，培养兼具行业认知与AI思维的复合型人才[9] - 贝壳财经将发挥专业媒体优势，深度参与人工智能建设与发展，助力AI赋能千行百业[10]

文章核心观点 - 新一代人工智能技术正全方位赋能千行百业 中国战略强调抢占“人工智能产业应用制高点” 金融行业可借助决策式AI与生成式AI的协作实现智能化转型 [1][2][3] 新一代人工智能技术特点与战略机遇 - 新一代人工智能具备四大特点：可创造性生成内容、以人为核心的人机交互方式、多模态内容生成能力、具备逻辑推理能力 [1] - 人工智能作为新技术趋势将带动核心产业链发展 包括算力、算法和数据 [2] - 中美人工智能战略存在差异 美国强调AI作为核心产业的带动作用 中国则更强调“AI+应用” 通过实现智能化的大规模低成本供给 降低赋能各行业的成本 [2] - “AI+人”时代正在到来 新一代AI将直接提升个人工作效率、实现降本增效并带来技能重构 [2] 金融行业智能化转型路径 - 金融行业具有重视合规性、可解释性及数据安全与隐私保护的特点 AI大模型需适应这些特性才能广泛应用 [3] - 金融行业可通过决策式AI与生成式AI协作的方式进行智能化转型 利用两者不同特点完成不同任务 [1][3] - 决策式AI特点在于精准 可用于分析海量金融信息、为客户精准匹配金融产品、识别信贷风险及进行反欺诈以降低业务风险 [3][4] - 生成式AI擅长逻辑推理和创造 可在智能APP、AI营销获客、用户陪伴、智能催收、AI办公助手、智能合规及投资者教育等方面发挥作用 [3][4] - 生成式AI尤其适合以有趣、互动性强的方式进行投资者教育 帮助提升市场金融素养 [4] 对行业与个人的启示 - 当前从国家顶层设计到个人职业规划 人工智能的风口已至 机遇与挑战并存 [4] - 根据科技行业的阿玛拉定律 人们倾向于高估新技术短期影响而低估其长期影响 面对新一轮技术浪潮 个人与企业需思考如何避免站在技术进步的逆风位 [4]

纪要涉及的行业或公司 * 纪要涉及的公司为百融云创 一家专注于金融科技领域的AI科技公司[1][2] * 公司业务主要服务于金融行业 包括银行 保险 消费金融等 并正积极扩展至泛行业 如互联网 电信 零售 消费品 医药 政府教育等[3][8][24] 核心观点和论据 **财务表现与运营效率** * 公司毛利率长期保持在70%以上 调整后净利润2024年全年为3.76亿元 2025年上半年为2.54亿元[2][13] * 截至2025年中期 现金及等价物达37.29亿人民币 资产负债率低 显示出强大的自我造血能力[2][13][25] * 员工总数约1,400人 研发人员占比57% 平均人效达200万元 是传统IT软件供应商的3-4倍[2][3] * 系统稳定性达到99.999% 日均调用量超过3亿次[2][6] **业务模式与市场空间** * 公司提供两种核心服务模式 RaaS占2025年上半年收入的31% BaaS占69%[2][5] * MaaS业务营收规模约10亿元 市场空间至少小百亿 BaaS业务市场空间达万亿级别[3][22] * 公司是纯技术公司 不提供资本金 按最终促成的交易规模收取技术服务费[3][11] * 核心客户留存率高达98% 服务机构客户超8,000家 2025年上半年核心客户LPU值为228万元 2024年全年为337万元 部分大客户贡献达三四千万元[2][3][20] **技术优势与产品能力** * 公司采用决策式AI技术 拥有11年行业经验和丰富数据标签 核心优势在于高度自动化和高效人机协作[2][6] * 拥有专属大模型BILM和智能体工厂 产品如"百融百工"检索速度小于50毫秒 准确率达98% VoiceGPT通话延迟控制在40毫秒以内[2][4][24] * AI产品渗透率达80% 内部端到端任务分配自动化率达80%[2][6] * Voice GPT在语音识别和理解准确度均超过99% 打断识别准确度接近100%[24] **发展战略与未来方向** * 公司计划扩展泛行业布局 并加强AI应用人才招聘以保持技术领先[3][8] * 通过产品叠加 从信贷拓展至保险 财富管理及非金融领域 并创新收费模式 以BaaS作为第二增长曲线[22] * 未来将优化RaaS和BaaS模式 通过创新型硅基人解决方案提供定制化服务[3][8] * 泛行业云业务在2025年客户体量和增速较2024年有显著提升 正从零散单点状态转向快速扩展[24] 其他重要内容 * 公司在ESG方面做了大量工作 包括绿色办公 员工培训及公益活动[17] * 公司基于自有大模型BILM开发了智能体构建工厂Cyberstar 用于内部应用并服务客户[23] * 研发投入持续增加 2024年研发费用总额超过5亿元 2025年上半年研发费用为3.02亿元 预计全年会进一步增长[25][26] * 公司有回购计划 过去两年每年回购金额都超过2亿元并全部注销 同时会进行战略投资评估[13][25] * 公司的竞争优势在于不专注于底层通用算力 而是依托大厂基础设施 在垂直应用端进行开发 拥有更低的调用成本 如MASS模型每次调用仅几毛钱到一元左右[15][19]

AI技术赋能基金业培训 - 未可知人工智能研究院副院长张孜铭为招商基金投研团队开展《AI赋能基金业：办公、营销与投研》专题培训[1] - 培训系统梳理AI技术发展脉络，重点解析生成式AI与决策式AI的核心区别：生成式AI关注内容创造，决策式AI侧重于优化决策[3] - 强调AI不是要取代投研人员，而是让投研人员从繁琐信息处理中解脱，更专注于价值判断和决策本身[4] 提示词工程与AI协作 - 详细讲解CO-STAR、TCREI、CRISPE等结构化提示词框架，并通过RBTR四步法生成高质量基金营销文案[3] - 指出好的提示词不是对AI发号施令，而是与AI进行高效协作的艺术，该技能将决定AI时代的工作效率[3] - 利用DeepSeek分析基金产品卖点，结合碳中和等热门主题快速生成具有吸引力的营销内容[3] AI在基金营销场景的应用 - 培训展示AI生成软文、生图、生视频的实用技巧，通过讯飞绘文等工具实现从市场热点分析到完整营销文案生成的全流程[3] - 参会人员现场体验AI工具操作，培训帮助建立AI思维模式，这种思维转变将对工作产生深远影响[3][4] AI在投研场景的赋能 - 介绍Reportify、Alpha派等专业AI工具在数据采集、信息整理和可视化分析中的应用，极大提升投研人员信息处理效率[4] - 招商基金投研部门负责人评价培训不仅提供实用AI工具操作指南，更重要的是帮助建立了AI思维[4] 未可知人工智能研究院服务能力 - 研究院在AI企业培训、技术方案落地和战略咨询方面具有丰富经验，提供深度定制企业培训服务[6] - 推出GEO（生成式AI搜索关键词优化）和DeepSeek+知识库等企业级解决方案，帮助企业实现安全高效的数字化转型[6] - 未来将以"AI战略+技术赋能"双轮驱动，助力更多企业完成"AI+"战略转型，在智能化时代保持竞争优势[6]

**百融云电话会议纪要关键要点总结** **涉及的行业与公司** * 公司为百融云 一家专注于金融科技领域的AI科技公司[2][3] * 核心业务服务于金融行业 包括银行 消费金融公司 互联网金融企业等 并正积极向非金融行业拓展 如法务 医疗 教育 零售等[3][8][16][19] **核心业务结构与财务表现** * 业务分为两大板块 MaaS（模型及服务）贡献约1/3收入 BaaS（业务及服务）贡献约2/3收入[2][3] * 2025年上半年净利润超2亿元 净利润率达12% 调整后净利润率达16%[2][3] * 过去几年收入增长稳定 每年增速保持在20%以上 2025年上半年收入同比增速为22%[12][14] * 公司拥有1400名员工 研发人员占比高达57% 人均年收入超200万元[2][3] * 累计服务超8000家机构 包括阿里巴巴 百度 字节跳动 京东 小米等大型互联网公司[2][3] **MaaS业务详情** * 利用决策式AI技术为金融机构提供信贷决策支持 日调用量超3亿次[2][4] * 运营高效且成本低 提供丰厚的运营现金流[3][4] * 截至2025年上半年有211家核心客户 每家平均贡献收入337万元 头部10家客户每家平均贡献两三千万元[20] * 长期市场空间对标FICO 预计可实现60亿元收入 利润率25%~30%[20] **BaaS业务详情** * 利用智能语音机器人协助机构进行销售 客户运营和情绪疏导 采用分润模式收费[2][3][5] * 依赖生成式AI技术和大模型 实现高度仿真人类对话 语音识别和理解准确度均达99%[3][7] * 智能语音机器人成本仅为人工的1/10到1/5 大大提高了效率[6][7] * 在信贷场景中通过VoiceGPT转化率提升20%~30%[21] * 市场空间巨大 信贷余额预计从2022年17万亿元增长至2030年45万亿元 公司BaaS业务增速为30%~40%[20] **新产品与技术布局** * 推出Cyber Star（百工）智能体平台 旨在提升企业内部效率 已通过网信办备案[2][9][16] * 平台支持C端和E端场景 可灵活调用各种大模型并组合AI组件 如Voice GPT和Text GPT[3][9] * 在法务领域应用效果显著 审合同时间从53分钟缩短至3-4分钟[16] * AI技术布局分为六层 从底层算力硬件到顶层人工参与系统 提供端到端解决方案[11] * 专注于垂直领域的小模型 参数为百亿级 成本更低且在特定领域准确度更高[8] **政策影响与应对策略** * 面临政策不确定性 包括保险业务的报行合一政策 利率下调带来的利差压力 以及9号文要求消费金融公司不能收取高利率[14][18] * 保险业务自2024年起已呈现负增长状态 但2025年上半年保费规模仍增长9%[14] * 电销管控新政策要求商业外呼进行健康分评估和投诉率考核 公司拥有强大的筛选能力以确保合规[14] * 公司采取保守态度看待下半年业绩 但坚持长期主义 对长期前景充满信心[13][14][22] * 积极拓展非金融领域业务以增强公司韧性和业务弹性[14][18][19] **研发投入与未来规划** * 2025年上半年研发投入增长超30% 主要投向AIGC 算力集群及智能体平台[19] * 全年计划增量投入约3亿元 上半年已投入1.6亿元[19] * 未来将继续拓展泛金融场景 BUS金融云业务2025年上半年同比收入增长45%[14] * 期望未来三年内非金融行业AI业务收入占比能逐步提升[19] * 公司现金储备充足（37亿元）且有运营现金流产生 每年进行约总股本10%的股票回购[20] **市场展望与公司韧性** * 2025年上半年信贷行业表现强劲 尤其是二线消费贷公司 但下半年受政策影响不确定性较大[15] * 公司是一家具有韧性的公司 即使面临短期波动（如2020年收入下滑） 只要公司本质不变 对长期前景依然充满信心[13][22]

人工智能行业活动 - 杭州市科学技术协会主办人工智能科普辅导活动 全市220余名科普骨干参加专题学习[1] - 活动旨在锻造基层科协干部和科普工作者的科普活动组织力与创新力 加快适应新时代科普工作要求[1] 人工智能技术发展趋势 - 生成式AI已成为驱动科普内容创新的核心引擎 与决策式AI存在核心区别[3] - 系统讲解当前人工智能发展脉络 通过详实全球AI市场数据支持论断[3] 人工智能工具应用 - 重点剖析DeepSeek 文心一言 通义千问等主流国产AI工具 差异主要体现在产品生态与功能设计[5] - 科普工作者应根据具体场景精准选择工具功能 提升科普内容质量与创新科普形式[5] 机构合作与发展规划 - 未可知人工智能研究院聚焦AI前沿趋势 商业落地与人才发展 致力于成为AI时代认知基础设施[6] - 未来将持续跟踪AI技术发展趋势 携手杭州市科学技术协会开展高质量科普宣传活动[8]

公司业务发展 - 易宝支付是国内首批获得央行支付牌照的企业，年交易量近3万亿元，日均处理交易近千万笔，是航旅行业支付龙头企业 [1][2] - 公司构建了全产业链支付流，打通航旅业从消费者、OTA、批发商、航空公司等上下游资金闭环，已与国内所有航空公司、主流OTA、TMC及千余家批发商合作 [2] - 除航旅业务外，跨境出海成为战略增长极，2020年疫情催化中企出海，公司借势打造跨境电商外综服平台，整合支付、通关、税务服务，目前跨境业务占比15% [2][3] - 公司采取"全球本地化"策略，已在东南亚布局并于新加坡成立公司，同时积极进入中东市场并申请当地支付牌照 [3][7] 行业定位与竞争优势 - 易宝支付与支付宝、微信支付形成互补关系，主要聚焦后端支付链条聚合，而非前端支付入口 [2] - 公司定位为"实体经济传统行业真实场景数字化的赋能者"，尤其在航旅等垂直领域具备核心壁垒 [7] - 后台风控能力是核心竞争优势，能结合行业特性识别异常交易模式，例如航空旅游领域几千元交易正常但同样金额出现在游戏充值中则风险高 [7] 技术布局与创新方向 - 公司深度布局AI技术，将决策式AI应用于风险控制、反欺诈、反洗钱及KYC等"底线类应用" [4][5] - 生成式AI被用于提升客户体验、发掘销售线索、优化智能客服等"上线类应用"，公司积极探索利用其赋能百万级商家 [6] - 支付智能化未来方向包括无感支付（通过生物特征确认身份）和跨境智能路由（本地资金池实时对冲） [4] - 公司拥有海量高质量原生交易数据优势，正研究如何在保护隐私前提下进行智能训练以开发商业应用 [6] 市场机遇与战略 - 疫情加速全球尤其是东南亚数字化进程，为公司带来发展机遇 [7] - 国际化战略伴随中国企业出海与海外企业入华双向浪潮，公司强调中国"最后一公里"跨境落地能力优于海外公司 [7] - 公司提出"守正创新"为支付企业最深的护城河，在智能化、国际化、行业深耕三个维度持续发力 [1][7]

生成式AI与提示词工程 - 生成式AI核心在于生成新内容如AI绘画和生成对话 决策式AI则关注满意决策如人脸识别和风险管理 [3] - 生成式AI发展脉络从早期萌芽到快速进步 技术进步推动应用发展 [3] - 提示词工程通过设计和调整输入改善模型性能 控制生成结果 [4] - 经典提示词框架包括CO-STAR TCREI CRISPE 通过案例展示优化生成内容 [4] - 符号划重点 提供模板和案例帮助AI理解需求 生成精准结果 [4] AI提示词技巧与工作应用 - 提示词技巧提升AI生成内容质量 优化工作应用效果 [5] AI办公工具协同提升组织效能 - AI工具优化办公流程 提高效率 提升整体效能 [9] - 应用场景包括会议纪要整理 PPT生成 Excel数据处理 [9] 实践与互动激发创新思维 - 实践环节如DeepSeek生成宣传文案 撰写种草文案 体验AI功能 [11] - 实际操作激发创新思维 帮助理解应用AI技术 [11] 助力民营企业数字化转型 - 工作坊提供学习交流机会 把握AI时代发展机遇 [14] - 未来继续举办活动 助力企业在数字经济时代发展 [14]

培训背景与目的 - 未可知人工智能研究院副院长张孜铭受邀为南方基金开展主题为"DeepSeek+：企业的AI战略落地"的企业培训 [1] - 培训聚焦AI技术在企业战略中的应用与落地 旨在帮助员工理解AI如何赋能运营 提升效率并推动业务创新 [1] 主讲人背景 - 张孜铭为未可知人工智能研究院副院长 拥有北京大学与新加坡国立大学双硕士学历 [2] - 著有《DeepSeek使用指南》等作品 参与起草《生成式人工智能数据应用合规指南》等行业标准 [2] 技术内容分享 - 详细介绍了生成式AI技术发展脉络 包括GAN、Diffusion、Transformer等关键技术的演进 [4] - 对比生成式AI与决策式AI的区别 强调生成式AI在内容创作和创意激发方面的优势 [4] - 重点讲解国产AI产品DeepSeek的深度思考模式(R1) 理工科解题能力及对中国语言文化的理解 [4] 实操演示 - 通过实际操作展示DeepSeek在文案撰写 数据分析 投资研究等场景的应用功能 [5] 企业AI战略建议 - 建议企业培养员工AI技能 掌握工具使用方法 并思考用AI替代重复性任务 [7] - 鼓励员工关注行业新产品动态 及时跟踪时事热点 以更好利用AI创造价值 [7] 互动与总结 - 培训后与员工就AI在投资研究 客户服务 风险管理等应用进行互动交流 [9] - 培训为员工提供前沿AI知识及实际工作中的应用方法和思路 [9] 研究院能力 - 未可知人工智能研究院在AI培训 解决方案开发 咨询研究方面有丰富经验和成果 [7] - 研究院拥有深厚学术背景和实践经验的专家团队 [7]