由北京市通州区人民政府指导，《财经》杂志、财经网、《财经智库》主办的“《财经》年会2025：预测与战略暨2024全球财富管理论坛”12月13日至15日在北京举行。

12月14日，恒生电子股份有限公司执行总裁官晓岚在论坛上指出，金融对安全和数字化的要求特别高，随着AI的发展，行业将由分布式技术底座向以AI为基础的底座变革。

同时，官晓岚还表示，AI幻觉是一个较大问题，其联想能力在数据或要求不完备时，就会出现幻觉。他认为，要保证在AI有幻觉时能被及时发现，由此就可以追溯到不足，从而解决风险。

恒生电子股份有限公司执行总裁 官晓岚

以下为部分发言实录：

官晓岚：当前，财富管理从产品销售为主过渡到以买方角度、投顾角度为主。在这个过程中，行业对系统的需求也发生转变：最早叫“信息化”，把手工的东西变成电脑来处理；后来是“网络化”，中国资本市场不断扩容，在这个过程中，我们也是服务各家金融机构。

然后是“数智化”。技术进步的推动下，最大的变化是各种费都下来了。从去年开始，监管部门引导基金佣金等各方面费用大幅度下降。某种程度上，这倒逼行业提高效率，发挥系统能力来降低成本。所以必须先把数字化的工作做好，否则人工智能发挥不了作用。

这三个阶段，恒生在不同的位置见证和推动着行业发展。目前，我们想把以前的流程化转化成数字化，做专、做精、做细。比如资产配置，要在流程上要做得精细，这对数字化的要求非常高。比如各部门数据打通就是个痛点，特别在多资产配置时很难打通。解决数据打通之后才能完成数字化，让数字化程度越来越高。人工智能特别是大模型出来之后，算力的要求降低了90%，效果可能有10倍以上的提升，可以发挥作用的地方就更多了。恒生也推出一些列大模型智能应用产品，其中一个智能投研平台叫“WarrenQ”。去年它的一些回答问题还不那么到位，到今年基本上像一个专家，金融行业问题都能给出特别到位的回复。

分享一个小故事。有位从事不良资产处置的律师说，最近在忙四家ST公司的事，大量数据整理是个非常耗时的事。我说：“我们的产品里有所有上市公司的公开数据。”他们团队要花一个多月时间梳理的数据，我们用半个小时就把情况搞清楚了。大模型泛化能力特别强，确实超过传统AI的能力。传统模型在A起了作用后，在B不起作用；基于大模型的AI是在A发挥作用，在B处也可以。恒生希望提供最优秀的技术，将行业经验消化下来，在金融机构数字化转型过程中，能够助力其在每一个细的领域做深、做透，最终成就数智化底座。

前段时间，我与硅谷跟不少高手聊了聊。我发现在美国，大家已经把自己的技术底座逐渐迭代成了AI。目前我们的主流还是分布式的技术底座，下一步要发展到以AI为基础的底座。也就是说，大量的流程工作、重复工作要交给AI大模型来处理，人发挥其独特的个性。恒生电子在行业生态的信息化阶段、网络化阶段、数智化阶段，都希望提供最好的技术，消化、吸收最前沿的成果，为金融所用。因为金融对安全要求特别高，对数据要求也特别高，在这两点上取得比较大的突破，可以支撑很多底层技术方面的需求。

恒生把先进的技术和对金融行业的深刻理解相结合，加上旗下数据公司恒生聚源的公开数据和恒生客户的私有数据融合起来，通过按需选择云部署或私有化部署的形式提供解决方案，助力金融机构更深度地服务个性化客户。目前，我们与华为也有一些合作，他们提供硬件支撑，为金融行业打造一整套联合解决方案和服务。

袁雪：这一轮问下来可以看到，虽然主题叫“数字化财富管理”，但各位不约而同都谈到了AI，而且承认AI是改变整个行业模式的重要工具。接下来，这轮请各位分享一下，你们觉得这个行业，本来我们做不到什么，但AI可以怎么帮我们做到？

官晓岚：讲讲我们这方面做得实践：有家银行私人银行部卖保险，保险产品说明书特别厚，投顾不可能把那么多产品都熟悉起来，只能熟悉十个、八个。同样类型的客户，不同的人推荐的方案不一样，这对银行而言是一种风险。

大模型可以把所有保险的说明书一次性全读完，采用不同客户配置原则，做个性化配置，大大提高了效率。这个产品我们给客户做了POC（概念验证，指产品演示或试用）后就转到了生产环节，机构对大模型应用的价值也非常认可。

再比如一个托管机构，托管近5万只产品，每只产品都有不同要求，原来需要大量的人做双岗复核，这也是一个很痛苦的事。现在引入大模型驱动的智能运营，能自动读取海量产品说明书，把需要关注的点抓出来提示给人，人再做重点确认，目前效果还可以。

客服层面，目前恒生已经服务千余家金融机构。金融机构通过呼叫中心、钉钉、企微与我们联系，我们座席也很多。以往客户提需求时，上个月才讲系统怎么回事，今天打电话的时候又要重述一遍。用大模型赋能后，过往的、个性化的需求能被记忆，显著提升服务效果。例如客服可以在需求到来同时即刻从系统中获取近三年该客户系统版本升级情况，从而提供更加精准的支持。

尽管大模型能力有了显著的增强，但要用它时，需要把流程与私有数据灌给大模型，这个上线的过程很困难。我们内部要到明年年底，才能完成整个客服系统60%能力的大模型替代，要实现这些目标确实还有个过程，解决一些痛点。

袁雪：您主要讲的是针对复杂多变产品的准确性和专业性怎么提升，我想追问一下，既然涉及问答，有没有出现过刚才李行长讲过的AI幻觉这个问题？

官晓岚：AI幻觉是一个比较大的问题，我们企图消灭幻觉是错误的。通常大模型在数据不完备、要求不完备的时候容易出现幻觉。为了减少这类幻觉，提供给AI的数据应尽可能详尽，并且在提出具体任务时要清晰明确。此外，模型的观点和信息都应当有可靠的来源支持，并正确标注引用，增强透明度和可追溯性。知道这些问题，找到出现幻觉的原因，幻觉基本能解决。金融机构的员工要了解这个过程，保证有幻觉的话能够发现，只要能发现就可以追溯到不足，把风险解决。

袁雪：接下来还有不到10分钟时间，最后问一下关于人才建设的问题。之前在数字化建设上就会有这个问题，懂数字化的人并不懂业务，懂业务的人不懂IT，使得业务效果不尽如人意。在AI时代，对于技术的要求和对产业的理解会更高，各位在人才培养方面又有哪些可以跟我们分享的？

官晓岚：恒生电子正好跨在技术跟业务之间。有一次我去成都跟西南财大的领导见了一面，西南财经大学和电子科技大学有个金融科技人才联合培养项目，学生要学金融也要学计算机。我请他们推荐几个学生到我们公司。这些人才特别紧俏，可能大部分金融机构都希望找到这样的毕业生。我们现在主要招的是计算机专业学生，再花半年左右的时间培养对金融业务的理解。下一步这样的跨界人才需求量越来越大，如果很多高校慢慢把联合培养的方式做起来，能够缓解这方面的人才需求。

今天谈了很多AI的话题，AI对人才的要求更高一些。目前，恒生是在现有队伍里加强培训。我们有一个博后工作站，恒生研究院里有三四十个人，他们对前沿技术和业务都比较了解。通过加强他们的学习，反哺到我们员工里。此外我们线上的课程也挺多的，希望大家多学习，加速成长。人才对金融机构是一个比较头疼的事，可能需要更多的人关心。

（本文根据现场速记整理）