金融业隐私计算互联互通 技术与场景实践 北京金融科技产业联盟 2025 年 6 月 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 编制委员会 编委会成员： 何 军 聂丽琴 涂晓军 何 朔 高鹏飞 编写组成员： 周雍恺 赵庆杭 李定洲 戚文彬 侯 腾 谢袁源 公司、 科技企业、通信运营商、科研院所和开源社区等 50 余家单位组 建金融业隐私计算互联互通课题工作组。经过两年多的持续攻 关，工作组形成了《金融业隐私计算互联互通技术研究报告》《金 融业隐私计算互联互通平台技术规范》（T-BFIA 031—2024）团 体标准等一系列重要成果。 2 2024 年，金融业隐私计算互联互通进入全面落地阶段，工 作组依据互联互通团体标准进行了多个层面的落地实践。本报告 二、实践总览 工作组将金融业隐私计算互联互通分为四个主要阶段：技术 研究、标准研制、试点落地和行业互通。 图 1 隐私计算互联互通发展阶段 在技术研究阶段（2022 年—2023 年），工作组各参与单位 通过充分讨论弥合分歧，逐步形成了以“管理面与数据面切分， 管理面分模块定义，数据面逐步解耦”为核心特征的金融行业隐 私计算互联互通统一框架，并于 2023 年 5 月发布《金融业隐私 计算互

金科创新社 金科创新社 金科创新社 金科创新社 金科创新 前言 在数字经济时代，数据作为新型生产要素、算力作为核心生产力，正深刻重塑金融业发展格局。数 据中心作为金融数字基础设施的核心载体，不仅是业务稳定运行的基石，更是驱动创新、赋能转型的重 要引擎。随着金融业务线上化、智能化、场景化程度的不断提升，数据中心的架构设计、运营模式与技 术能力也面临着前所未有的挑战与机遇。 近年来，金融数据中 供电 等创新实践不断涌现。同时，在自主可控的战略要求下，数据库国产化、芯片替代、软硬件适配等工作 稳步推进，构建安全、可信、高性能的金融 IT 底座。 《2025 金融业新一代数据中心创新发展案例集》系统梳理了近年来金融业在数据中心领域的创新 实践与典型成果，涵盖“数据中心智能化与云化升级、灾备与多活数据中心建设、数据库国产化实践、 数据库迁移与运维管理、智能运维与 AI 应用、云网融合 中国人民银行《金融科技发展规划（2022-2025 年）》（以下简称《规划》）明确提出，要加快 构建自主可控的金融业关键信息基础设施安全体系，全面提升金融业关键软硬件基础设施的安全保障能 力。2025 年是《规划》的收官之年，也是金融科技迈向深化发展、提质增效的关键阶段。面对新一轮 技术革新与日益严格的监管要求，数据中心作为金融业的核心基础设施与竞争力载体，必将持续演进、 不断突破创新。本案例集旨在凝聚行业智慧，推

................................... 9 （一） 金融业业务场景痛点 .......................................9 （二） 金融业数字孪生需求方向 ..................................12 （三） 金融业数字孪生建设进展 ..................................13 ......................................... 38 （一）数字孪生有望助力金融机构做好“五篇大文章” ...............38 （二）数字孪生与金融业务联系更加紧密 ...........................38 （三）数字孪生与物联网、5G 等技术的融合逐渐加深 ................ 39 （四）数字孪生与虚拟现实的结合为金融带来了新机遇 （四）数字孪生与虚拟现实的结合为金融带来了新机遇 ...............39 （五）安全意识提升 .............................................40 附录 A：金融业数字孪生应用实践 .....................................41 案例一：中电金信数据孪生实验室 .................................41

例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 约 9% ~15% 的营业利润增厚空间；据清华经管联 合度小满等发布的《2024 年金融业生成式 AI 应用 报告》，大模型驱动的新商业模式有望为金融业带 来 3 万亿元规模的商业价值增量。 当前，金融机构主要将大模型应用于业务场景 简单的非决策类环节，而在核心决策环节应用大模 型仍面临较大挑战。从业务流程角度，大模型已开 出等环节，并在部分任务场景中与传统 AI 互补协 作以提升效率。 （二）展业流程角度 ：大模型正在赋能金 融业务各细分环节 大模型在非核心决策业务环节中已有落地应用且 已能创造一定的业务价值。本文将金融业务流程拆解 为营销运营、分析决策、中后台运营支持（见图 2）。 在营销和运营环节（包括面向客户的营销获客、 产品推介、客户运营等），大模型能够较好地赋能 前台对客环节，提升展业质效。一方面，大模型 大模型 难以胜任 （直接对客） 智能客服 （间接对客） 赋能服务顾问 Co-pilot 数据收集 整理、读取 分析决策 决策结果 输出 风险管理 交易执行 IT/行政/HR 业务流程×金融业务 营 销 和 运 营 分 析 决 策 中 后 台 运 营 资料来源：蚂蚁研究院，OpenAI官网，中金公司研究部 整理多模态数据 生成合成数据 整理多模态数据 征信报告解读 信用评估、定价、

金融行业数据、场景丰富，大模型走上金融大舞台 我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， 2022 年，以银行、保险、证券为主的金融机 构 技术资金投入预计将超过 2023 年系统年中工作座谈 会 资料来源：新华社、华西证券研究所 4 u AI+ 金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业 务高质量发展的一系列配套解决方案。 u Al+ 金融更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率， 带来整个产业的全面升级。 与者。 传统金融机构：具有较好的客户和数据基础；对业务具有更深刻的 理 解；金融牌照相对齐全。 互联网公司：拥有较好的客户和数据基础；研发和创新能力较强； 但 在特定的金融业务上仍然缺乏经验。 人工智能技术公司：独立的技术研发和创新能力是最大的优势；但 在 数据、客户资源和具体业务场景应用上大多依赖于第三方合作机 构。 u AI+ 金融产业链包括三层：其上游为基础层，中游为技术层，下游为

2010-2017 年 2017 年 - 至 今 二十一世纪 随着各项技术的日益成熟 , 有 22.1% 的企业紧跟时代潮流 , 使用先进的 AI 技术结合行业实际打造智能客服系统。 其中金融业占比 8.7% ，智能客服已经逐渐成为金融机构关注的重点。 88.2% 49.2% 38.4% 22.1% 智能客服既是客服的趋势，也是客服产业市场的重要拼图 住宿和餐饮 建筑与房地产 各行业智能客服应用情况 拥有智能客服的企业 有客服业务的企业 建设云客服的企业 4.5 4.3 3.7 3.5 自建客服的企业 数据来源： T 研究 2020/05 金融业 6.1 5.2 8.7 13.5 16.5 17 会话量大，期望智能客服降低坐席人员压力 需要 7x24 小时服务 期望建立覆盖售前到售后的全服务体系 传统客服系统无法同时处理在线和通话服务 京小科智能客服场景化解决方 案 电话营销场景（理财 / 贷款 / 存款产品业 务） 电话催收场景（信用卡 / 个人信贷业 务） 智能终端交互场景（网点大厅业务） 多媒体客服场景（线上金融业务） 移动交互场景（移动金融业务） 电话客服场景（电话金融业务） 智能导航 在线客服 智能质检 电话客服 语音导航 电话客服 语音机器人 坐席辅助 电销机器人 智能质检 导航机器人 电话客服 语音呼叫

2023 年 - 至今 引言： IT 电子化→互联网金融→ AI 金融，金融与科技融合持续深 化 互联网金融 — — PC 专业财经频道、财经网址兴起，成为金融业 “ 门面” 数据来源：艾瑞咨询 ，东吴证券研究所 金融信息化 技术作为业务基础设施，未能进入核心领域 科技从后台支持的位置走向前端，进入金融业务 核心环节 AI 成为金融公司业务发展核心力量，甚至发展 为企业主营业务，渗透率不断加速 — — A I 金 融 互联网金融 APP l 金融行业科技投入逐年提 n 与基础大模型相比，金融行业大模型结合金融 业务场景特征与数据资源，在专业度、业务模 型输出能力、场景适配度与成本把控等方面优 势较为明显。 n 随着行业大模型的不断涌现，未来将有更多的 金融业务板块与细分场景被模型能力覆盖。 ... ... 通用算法 行业算法 场景模板 ... ... 通用大模型 7 大模型服务

业分工：由于产融分离/持 牌经营等要求、同时金融机构出于自身投入/技术储备等方面的考量，AI浪 潮下金融机构与科技公司或将形成更加紧密的“竞合”关系；2）内部对 比：不同机构之间最终比拼的是谁能在金融业务中更好地使用AI并提升竞 争力——金融机构需结合重点业务场景、在大模型应用在发挥自身金融专 长，互联网平台通过AI加持提升流量和用户粘性、与金融机构深入合作提 升货币化转换，持牌金融科技公司聚焦自身擅长业务领域、通过AI扩大领 计算并得到结果，财富及资管领域分析决策中仍有较多主观因素影响，且产品服务的不确 定性相对较大，AI 大模型能够提升决策效率，使得财富资管决策多元化，提升市场有效 性。因此，我们认为，相较于保险、信贷、支付等金融业务，AI 尤其是 AI 大模型对财富 管理及资产管理的赋能空间或更大。 ► 对比财富及资管行业的各个环节，营销获客、客户运营、产品推介、投资投研四个环节 中 AI 或有更大应用空间，其中尤其 台、创业公司等主体，探讨 AI 对行业格局的潜在影响。整体而言，我们认为，AI 浪潮下科技 公司与金融机构将形成更加紧密的“竞合”关系，不同机构最终比拼的是谁能在金融业务中更 好地使用 AI 并提升竞争力，其核心仍是金融业务驱动、找准客群定位、夯实专业能力，我们 看好具备牌照资源/金融专长/业务场景/数字能力的头部金融机构及金融科技公司、同时部分中 小公司亦或在部分垂直领域实现突破。

，相较于其他金融模型 拥有 更突出的推理、数学、编程等能力。 2024 年开年之初， 同花顺和东方财富分别推出问财 HithinkGPT 和妙想金融大模型， 内测火热进行中。 2. 金融垂类大模型赋能金融业务 ，推动行业业务实现增量提升。 目前各家公司都在致力于以大模型赋能股基 APP 或是金融终端 ，为已有功能注入 AI 能力 ，实现智能客服、智能投顾、智能风险等多场景应用 ，通过大模型 量并行推理等技术优化推理框架的性能 ，在金融场景下算力的利用率提高了 数倍。 3 ） 高品质金融数据供给。得益于东方财富二十载深耕 ，平台聚集了海量用 户资源和用户黏性优势 ，积淀了多元的金融业务场景 ，东方财富构建了完备 的金融数据、产业数据等行业通用数据集 ，股吧、财富号等平台优质内容数 据持续涌现 ，持续丰富平台的独家特色数据集。 4 ） 实时性较强 ，并且能精准溯源。可以进行当天股票分析并给出来源， 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。 光子系列产品，基于 LightGPT 能力，光子大模型系列产品致力于在合规审核、投研算法、客户服务和营销分析方面成为金融从业人员的智 能 助手。 1

天，累计成交配额 6.30 亿吨，成交额达 430.33 亿元，平均交易价格 68.3 元/吨， 市场规模持续扩大，展现出良好的发展势头。与此同时，我国绿色金融政策体系 不断完善，金融机构积极布局碳金融业务，产品创新层出不穷，涵盖碳债券、碳 远期、碳期权等多个领域。经过十余年的发展，我国已构建起以市场机制为核心、 多层次金融工具为支撑、区域创新与全国统筹协同推进的碳金融政策框架，为实 现 “双碳” 产品，支持低碳转型，推动绿色金 融市场体系建设。 《关于贯彻落实金融 支持粤港澳大湾区建 设意见的实施方案》 2020 年 8 月 广东省、 深圳市相 关部门 依托广东碳交易平台，推动粤港澳 大湾区碳金融业务创新，支持境外 投资者以外汇或人民币参与碳排 放权交易。 《全国碳排放权交易 管理办法（试行）》 2020 年 11 月 生态环境 部 明确重点排放单位（年排放≥2.6 万 吨 CO₂当量），允许使用国家核证 化机构设置和队伍建设方面，明确鼓励金融机构设置绿色金融专业部门或特色分 支机构。这一举措旨在从组织架构层面，为碳金融业务的开展提供专门的运作主 体，保障相关业务能够得到充分的资源支持与专业管理。同时，出台专项激励制 度，通过设立具有吸引力的奖励机制，激发员工投身碳金融业务的积极性与创造 性，促使员工主动提升自身在碳金融领域的专业素养。配置专项资金，为碳金融 碳市场与碳金融发展报告 30