宇信科技张宁亮相新加坡金融科技节 深度解析金融AI的高效落地路径与未来趋势

宇信科技
Nov 14

近日2025新加坡金融科技节(Singapore FinTech FestivalSFF在新加坡博览中心隆重举行,本次展会聚焦构建未来十年金融科技蓝图”主题,宇信科技首席技术官(CTO )张宁受邀参与圆桌论坛,围绕The AI Frontier: Decoding Asias Finanial Revolution(人工智能前沿:解读亚洲金融演变)分享了其对金融AI思考,包括人工智能在金融领域的应用实践、核心挑战、产业生态变化及未来趋势呈现出来自中国领先金融科技服务商的前沿观察

● 宇信科技CTO张宁(右二)在2025新加坡金融科技节(SFF )中分享银行业AI最佳实践

大模型赋能信贷业务:

从信息处理到决策生成的全链条智能化

张宁表示,人工智能银行并非新鲜事物,长期以来主要应用于风险管理。然而,过去两年大语言模型的快速进化,使其在贷款审批等复杂业务中首次具备“覆盖全流程的能力——从资料收集、信息理解、实体识别,到分析逻辑构建、报告生成,都能AI自动完成,大幅提升效率宇信科技在多个银行信贷业务中落地全流程AI能力客户合作实践验证了其价值,为金融机构复制专家经验、缩短业务流程提供了有力支撑。

张宁还重点介绍了宇信科技在跨客户知识库构建上的探索他指出,本轮应用突破不仅在“流程自动化”,更在于“重构银行知识框架”。我们实际上正在构建一个可共享、跨客户的知识库,将专家经验外化,使不同银行客户在不同场景中都能调用并快速响应,他强调,知识库不仅能为不同银行客户提供专业化服务,更能赋予银行业务敏捷响应市场需求的能力,助力金融机构建立更稳健、可解释的智能决策体系,使其在复杂业务场景中做出更理性的决策。

直面 AI 落地挑战:

多模型校验+人工验证成为必要机制

谈及人工智能在金融领域落地的真正瓶颈张宁直言结果准确性” 是当前最大挑战“在关键任务(mission-critical的金融场景中,甚至97%的准确率都不够”。原因在于,在财务分析、授信审查等对精度要求极高的场景中,“一个数字”决定整体结果,任何偏差都可能使得整体分析失效,从而导致错误决策

此,他提出行业需要通过“多模型交叉校验人工审核嵌入产品相结合的方式提升结果准确性。不同模型给出不同结果时可以用一个模型与另一个模型交叉校验;同时,唯有通过将高效的人工验证融入产品流程中,对结果的管控才能真正可靠,”张宁强调。

● 宇信科技CTO张宁在圆桌论坛中发言

AI重塑竞争格局:

多元生态催生新机遇

针对大型科技公司是否会主导金融AI领域” 的行业担忧,张宁给出了不同视角。他表示,大型科技公司虽在基础设施建设和通用模型上投入巨大,但中小企业可凭借在细分领域的深耕建立竞争优势,例如在OCR技术、财务报表分析等垂直场景中,专注于特定需求的企业反而能提供更精准的服务比如像宇信科技这样的服务商则更贴近银行需求,为其提供端到端解决方案。

人工智能把所有人凝聚在一起,张宁进一步分析,这一生态中既有大型平台型企业、专注细分市场的中小企业,也包含不同类型的竞争对手。传统金融机构虽受监管约束更严格,但其在客户信任、业务积淀上的优势依然显著;而金融科技初创企业则可通过定制化解决方案,快速响应市场痛点,抓住发展机遇。“因此每家公司都可能发展自己的合作伙伴生态系统,我认为这是个非常好的趋势

国产轻量级模型快速追赶:

银行更需要“适用”而非“万能”模型

在讨论“国产模型与国际模型能力差距”时,张宁提出一个颇具中国特色的观察——中国银行业要求私有化部署,无法直接使用国际模型,同时大模型成本高、部署重,不符合多数银行需求。银行内部业务需要的是“稳定、可控、经过净化的专业知识”,并非开放式的大模型能力。

因此,对绝大多数金融场景而言,轻量级模型经过客户知识增强后,与大型国际模型之间的差距将进一步缩小,而且更具性价比更多机构将能以可控成本,获取高效的AI解决方案,推动人工智能在金融领域的规模化应用。

与部分海外企业重视基座模型的泛化能力不同,中国企业更注重成本效益的平衡,张宁表示,宇信科技则更加关注为客户提供实际解决方案的平台和策略,这种策略既符合中国金融市场的实际需求,也与国家推动人工智能全领域、可持续发展的战略目标高度契合,因此轻量级模型将成为更多金融机构的首选。

2025新加坡金融科技节是全球最具影响力的金融科技盛会之一,汇聚了来自134个国家和地区的约6.5万参会者、600+ 展商以及900+ 演讲者,是全球金融科技趋势的重要风向标。

作为金融科技领域的领军企业,宇信科技此次亮相不仅展现了在金融AI技术与场景落地上的深厚积累,更彰显了中国金融科技企业参与全球行业对话、共建开放生态的积极姿态和持续担未来,宇信科技将持续深耕金融AI技术研发与业务实践,为全球金融行业的智能化转型贡献中国力量。

海量资讯、精准解读,尽在新浪财经APP

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10