......................................................................................37 2.4 风险评估与合规................................................................................................... .........................................................................................70 3.3.2 合规性检查................................................................................................ ..........................................................................................186 8.2 合规风险.................................................................................................

③投资者数量增长、用户基数提升，投融资需求提升，市场交投活跃促进存量业务边际增长率提高。增 量： AI 赋能下新兴产品及应用应运而生。 AI 赋能券商： AI 终端加速金融后台智能化转型，在风控、合规、人力等基础岗位中提升效率。 AI 智能客服嵌入 APP 助力客户交互率提升， AI 支撑画像分析助力精准营销，帮助券商实现各业务条线收入提升，推动行业稳健发展。 AI 赋能互联网金融：在 C 投资效率提升，投融资需求提升， 市场交易活跃度提高。 AI 赋能券商业务的三种形式 与现有模型合作 本地化部署开源模型与自研模型结 合 纯自研模型 投研、投顾 资管业务 自营业务 新生业务 2.1. AI 赋能券商行业逻辑链条梳 理 风控合规 战略支持 市场研究、人力资源等后台部门 赋能 经纪业务 两融业务 投行业务 AI 大模型 ，覆盖头部及中型机构 ，包括华泰证券、 国泰海通、广发证券、财达证券等。 技术优势： DeepSeek-R1 凭借“性能倍增、成本递减”特性 ，在数据处理、逻辑推理及多模态分析方面表现突出。 安全合规：本地化部署满足金融行业数据安全要求，结合 RAG （检索增强生成）和 AI Agent 技术，构建智能中台。 场景渗透：应用已从内部效率工具（如智能问答、流程指引）延伸至核心业务。 行业展望：

角色示例2:科技金融合规官Al助理 生成式Al通过定义好的提示词模版，帮助特定角色提效 确立合规性 创建一份全面的清单，列出适用于[行业]初创公司的所有合规法规。 合规最佳实践 识别并解释每个金融科技公司应实施的反洗钱 (AML)和了解你的客户 (KYC)的最佳实践。 合规检查 对照相关的合规法规交叉检查[特定企业操作],并指出任何潜在的法律风险。 制定审计清单 为金融科技初创公司创建一个详细的合规审计清单，特别关注AML和KYC。 清单，特别关注AML和KYC。 探索合规软件 列出适合金融科技初创公司的五个最佳合规软件选择，并为每个软件提供简短评论。 ⽣成式AI通过定义好的提⽰词模版，帮助特定⻆⾊提效 检测欺骗技术 描述[数量]种保险⾏业中出现的新的欺诈⼿段，重点是它们如何利⽤[⾏业漏洞/技术⼯具]，以及 如何检测这些欺诈⾏为。 利⽤数据分析 提出⼀种挖掘和分析保险索赔数据以揭⽰隐藏欺诈模式的⽅法，包括[统计模型/算法参数]，适⽤ ，适⽤ 于⼤型数据集。 推进数字画像 概述使⽤[公共数据/社交媒体分析]创建潜在保险欺诈者数字画像的⽅法，同时遵守隐私法。 预测监管变动 预测即将到来的监管变动对保险欺诈调查的潜在影响，集中在[合规要求/数据隐私问题]。 揭⽰欺诈模式 分析[数量]最近的保险欺诈案件，识别[作案⼿法/技术]中的共性，并提出[数量]个可能表明欺诈 索赔的具体迹象。 ⻆⾊⽰例3：保险欺诈调查员AI助理 组织利⽤⽣成式AI的⼏个级别

在《践行可持续发展之路—����上海ESG发展报 告》首次系统呈现上海ESG生态全貌的基础上，本年 度报告进一步以实践案例为核心，聚焦不同类别主体 在应对共性挑战中的探索与经验。通过数据与案例结 合，本报告提炼可复制的实践模式，并对存在的瓶颈 问题提出跨主体的系统化行动建议，以为未来发展提 供清晰蓝图。 政府与监管机构在制度供给和治理创新方面发挥 了核心作用。在过去一年里，国家和地方密集出台政 系，涵盖劳工权益保障、职业健康与安全、性别平等、 供应链责任以及社区发展等，展现企业社会责任的具 体实践；治理（G）维度强调企业内部治理结构的规 范性与透明度，包括董事会的独立性与多元化、股东 权益的保护、反腐败与合规机制的健全等，以确保企 业经营的合法合规和长期稳健。 图�.� ESG多方协同机制图：共建可持续市场与社会 资料来源：根据《Who Cares Wins》翻译整理 分析师/券商 排放（温室气体、有毒物等）、废弃物管理、环境合规、供应 链中的环境筛查 雇佣与劳工实践、劳动关系管理、职业健康与安全、培训与教育、多样性与机会平等、歧视与反歧视、结社自由与集体谈 判、童工与强迫劳动风险、安全实践、土著社区权利、人权评估、供应链中的社会影响筛查、公共政策与社区参与、客户健 康安全与隐私 反腐败与商业道德、反垄断行为、公司治理结构与合规、风险管理与内部控制机制、董事会结构与多样性、高管薪酬与决

PC端、手机端双边发力，打造多场景应用AI功能集合 2.东方财富妙想：致力于搭载“懂金融、懂用户、强数据”的金融生态基因 3 . 恒生电子LightGPT+WarrenQ：打造更专业、更合规、更轻量的金融行业大模型 4. 幻方量化DeepSeek LLM 67Bt：数学能力表现突出，指令跟随、编程能力遥遥领先 5. 金融大模型百花齐放，引领金融行业效率变革，开启数字金融新时代 妙想金融能力评测行业领先。一方面 ，使用开源金融评测数据集 OpenFinData 对妙想金融大模型的金融场景能力进行 360 度诊断。 在横跨金融知识、金融计算、金融解读、金融判别、金融分析、金融合规等六大金融模块共十九项金融任务维度的多元金融场景能力的 测试中 ，妙想金融大模型评测综合评分整体较高。 金融场景评测比较优势凸显。另一方面 ，研发团队针对常见金融应用场景 ，对妙想大模型和通用大模型的输出结果进行了人工标注盲 LihgtGPT 金融行业大模型，较通用大模型更专业、更合规、更轻量。 LightGPT 拥有更专业的金融语料积累处理和更高效稳定的 大模型训练方式。在金融专业问答、逻辑推理、超长文本处理能力、多模态交互能力、代码能力等在内的金融大模型能力评测中均有不错表 现，并保证内容和指令的合规安全，处于业内领先水平，可以为投顾、客服、投研、运营、风控、合规、研发等金融业务场景提供底层 AI 能 力支持。

度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 2 ）通用大模型通过金融语料训练超越金融垂类模 型 可能性较小。通用大模型在行业数据量 ，性价比 ，精确性、适用性、实时性、推理速度 ，合规性和风险控制等方面表现欠佳。 通用大模型“ 百模大战 ” ， 头部模型国外领先较大 ， 平均水平国内外差距较小 大量数据训练提高了模型的准确率，并可以应 用于多种任务中 针对性的解决方案 更适合解决金融行业的具体问题，与行业需求 和合规性要求相匹配 可迁移性强 在数据量较少的特定任务上，通用模型也可以 通过微调进行有效的迁移学习，大大减少模型 的训练时间和计算资源 高精度和合规性 提供更精确、可信赖的金融信息和建议，同时 符合行业规定 劣势 特定领域深度较浅 可能不具备特定领域（如金融）的深入理解和 用性可能有限 模型复杂 通用大模型的结构非常复杂，使得模型的解释 性变得困难，导致模型的计算量增加，影响模 型的效率 更新和维护复杂度 金融政策和法规的变化可能要求模型频繁更新 以保持准确性和合规性 训练时间长 通用大模型的训练需要大量的计算资源和时 间，这对于一些小型企业来说是一个挑战 数据利用率低 垂直领域模型的训练数据相对较少，模型的准 确率可能会受影响 当前 AI 与金融的结合主要有两条技术路径：①通用模型

低生产力水平导致 商品生产分散，缺 乏规模化的供应能 力，且信息闭塞 消费需求： 商品多样化增加， 交易便利度提升， 如超市、百货商店 等零售业态满足日 常消费 推动因素： 流水线技术推动商 品工业化生产与规 模化供应，人口聚 集区催生高密度零 售网点 消费需求： 线上购物突破地域 限制，提供选择与 比价便利 推动因素： 移动互联网技术的 成熟带动电商平台 崛起，支付技术的革 新推动线上交易便 捷化，物流网络快速 技术驱动服务 满足更多中小企业对在线运营、 数据采集等数字化需求，中小企业 的零售商们可按自身需求独立组 合功能模块 通用SaaS供应商的出现是为了 围绕某些特定功能提供经济实惠 的数字化解决方案，如对小商家很 有吸引力的仓储管理系统 受已有ERP系统的限制，大型本 地零售商采用通用SaaS和ERP混 合的方式来实现数字化管理的不 同功能 围绕供应侧的 初步数字化探索 强调计划性管理并 开始构建数字化供 数据驱动服务 通过实时数据快速响应外部市 场变化，强调数据驱动业务 创建具有端到端功能模块覆盖 的全渠道数据闭环，以扩展零售商 数据采集的维度 从会员管理向会员运营转型 将行业层面的技术与业务相结 合，快速部署迭代，基于订阅服务 的收费方式节省了中小企业的 IT 支出 功能模块覆盖范围有限，数据未 能相互整合链接 有效改善了消费者的购物体验 同时管理 通用SaaS和ERP系统 不仅增加了管理的复杂性，还会导

浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 攻防对抗 隐私保护 多模态 幻觉问题 可解释性 价值对齐 人工智能 面临的挑战 合规伦理 算法共振 郑小林，浙江大学人工智能研究所，2025.3.16 新一代人工智能面临的挑战 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 智能客服、投资咨询 营销问答…… 智能投研、报表分析 交易辅助…… 智能投顾、智能监管 营销推荐…… 金融数据可信 人工智能可信 应用合规可信 可解释 隐私保护 公平性 鲁棒性 可靠性 可溯源 数字化监管规则 金融合规测评 智能监管沙箱 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 数据在密态交换、计算，保证数 据可用不可见 数据可用不可见 计算过程经过严格的校验、密码 学理论证明，保证算法过程可信、 可互通 计算可信可链接 数据提供方贡献度计量，区块链 存证、审计，保证数据合法、合 规使用 用途可控可计量 ◼ 国家重点研发计划课题（No. 2018YFB1403001 ）， 多源多模态海量实时征信大数据模型与多维度表示方法。 （2019-2022） ◼ 国家重点研发计划课题（No

世纪初 -2010 年 代） 移动互联网开始普及 ， 出现移动支付、 社交媒体、 在线教育、 在线娱乐等领 域的数字化服务模式 ，线上和线下融 合的 OTOTO 服务兴起 ，如各类视频网 站、外卖、 共享单车出现。 现代阶段（ 2010 年 - 至今） 大数据、 大模型、 人工智能开始出现、 推动了数字化服务向智能化、 与大数据的算法深入推进 ，如 智 能推荐算法使得广告点击率提升 30% ， 用户画像精度已超 90% AI 营销工具使用率年增长 20% ， 《数据安全法》等法规推动了数字 服务与运营的合规保障。 根据 Marketsand Markets 报告 ， 2019 年至 2024 年全球数字化运营服务市场 规模 12.4% 规模提升 40% 复购率 【数字营销占比】 【 2 0 2 完美授课五步法 PPT 制作 录音辅导 员工面谈 P5 角色转换 三会经营 目标管理 面试技巧 人员履历 合规档案 质量档案 效能档案 工作效率 学习经历 兴趣爱好 软件使用 员工数字化档案 常态化人员关怀 定期查阅员工的工作记录 定期了解员工职位变动 关注员工晋升情况 , 新岗位适应情

积极发展以消纳新能源为主的智能微电网，实现与大电网 兼容互补。 2021 《“ 十 四 五” 工 业绿色发展规划》 工信部规〔2021〕 178 号 鼓励工厂、园区开展工业绿色低碳微电网建设，发展屋顶 光伏、分散式风电、多元储能、高效热泵等，推进多能高 效互补利用。 2023 《电力现货市场 基本规则（试行）》 发 改 能 源 规 〔2023〕1217 号 经营主体包括各类型发电企业、电力用户（含电网企业代 理购电用户 914 号 扩大分时电价政策执行范围，优化分时电价动态调整机制， 完善终端用户零售套餐约束机制，推动代理购电用户电价 机制并轨。 2023 《电力现货市场 基本规则（试行）》 发 改 能 源 规 〔2023〕1217 号 经营主体包括各类型发电企业、电力用户（含电网企业代 理购电用户）、售电公司和新型经营主体（含分布式发电、 负荷聚合商、储能和虚拟电厂等）。畅通批发、零售市场 价格传导，推动新能源、新型主体、各类用户平等参与电 大型厂房屋顶光伏和充电桩为基 础，实现了双向配网、分布式光 伏风电、智慧储能、电动汽车充 放电、电热转换等多能源交互管 理。既可以与外部电网并网运行， 也可以孤网自治运行。该系统将 原先各个电力系统冗余的功能合 并之后，设备投资下降 30%，用 户用电成本也将下降 30%。 2020 青岛东软载 波园区微 电网 东软载波 股份有限 公司 工信部公布 第一批智能 光伏示范企 业及示范 项目 并网