数理经济学教育部重点实验室（上海财经大学）举办“人工智能大模型助力经济高质量发展”研讨会暨金融大模型推进会

上海财经大学党委副书记周国良发表致辞，对各位嘉宾的到来表示热烈欢迎。他指出，本次会议不仅是一场学术交流活动，更承载着为深化人工智能大模型“产学研”应用探索路径、凝聚共识的重要使命。他希望，与会各方能借此机会深入交流、集思广益，共同推动大模型技术更好服务于经济高质量发展。

中国科学院大学洪永淼院士以《大模型范式与计量经济学建模》为题，深入探讨了大模型范式在计量经济学建模中的应用与潜力。他指出，人工智能大模型所呈现出的“双降现象”与缩放定律等特性，正在为经济建模带来新的思维框架。在应对高维数据挑战方面，他介绍了“数据缩减”和“模型简化”两种降维思路，为复杂经济系统的建模提供了可行路径。他强调，大模型范式不仅有助于提升经济预测的准确性与稳健性，更为计量经济学研究注入了新的活力，有望推动经济学理论与实证研究实现新的发展。

厦门大学姜富伟教授作题目为《人工智能大模型金融应用》为题的主旨演讲。他指出，国家高度重视数字金融与人工智能的发展与融合应用，人工智能大模型在金融决策、文本分类与因果识别等方面展现出巨大潜力。然而，金融数据“小样本、低信噪、不平稳”等特性，以及隐私、安全、可解释性和伦理问题，仍是落地应用的关键挑战。他建议，应优化数据治理体系，强化大模型安全规范，加强模型可解释性建设，以推动人工智能大模型在金融领域的健康发展，助力金融强国建设。

复旦大学金融科技研究院吕智慧教授以《金融科技安全风险监测研究及大模型实践》为题，详细介绍了团队在大模型训练、知识图谱构建和金融风险识别方面的研究进展，特别是在跨机构数据共享、模型可解释性和隐私保护等关键技术上的探索。他指出，随着数字金融的快速发展，算法漏洞、数据泄露和跨业风险传导等新型安全隐患日益凸显。他强调，未来金融科技在推进智能化进程的同时，应注重合规监管与安全防护，着力构建可信、可控、可解释的金融AI系统。

国泰海通证券股份有限公司研发部总经理助理詹婷婷作题为《以AI大模型驱动证券业务高质量发展与智慧化转型》的主旨演讲。她表示，AI大模型正推动证券行业从“经验判断”向“智能推理”转型，竞争重心转向算法与数据能力。面对专业性与合规性要求，大模型仍面临算力、数据质量、可解释性等挑战。为此，国泰海通提出“ALL in AI”战略，构建“1+N”行业大模型平台，全面赋能投研、投顾、投行、交易、风控等业务。她强调，大模型发展需坚持合规、安全、协同与长期价值导向，推动证券业实现智能化转型与生态重构。

随后，数理经济学教育部重点实验室副主任、上海财经大学张立文教授作题为《数理经济学教育部重点实验室人工智能大模型研究与应用进展》的主旨演讲。他指出，随着人工智能技术的飞速发展，生成式AI如ChatGPT等在金融行业智能化转型中扮演着重要角色。在此背景下，其团队推出了国内首个金融领域推理R1大模型——Fin-R1，旨在解决金融行业面临的多方面挑战，推动金融机构从自动化向智能化转变。Fin-R1模型采用轻量化的7B参数架构，通过高质量金融推理数据集和两阶段混合框架训练，展现了强大的金融计算、代码生成、智能风控等能力，在金融计算题、金融代码题、英文金融计算题等多个场景中均表现出色。他强调，AI金融大模型的发展不仅需要技术创新，还需要高质量的金融语料库、强大的中台能力以及与金融业务的深度融合。未来，上海财经大学将继续推进金融大模型的周期性评测，拓展以金融业务为核心的评测框架，加强与企业的合作，共同推动金融科技的智能化发展。

上海财经大学数理经济学教育部重点实验室与达观数据有限公司达成合作意向，实验室主任、经济学院院长周亚虹教授与达观数据有限公司总裁张治国先生代表双方签署了战略合作协议。

张治国总裁表示，达观数据将与实验室一道，为研究和应用提供高质量、专业化的数据资源，全力支持前沿技术探索和产业落地。

周亚虹教授表示，实验室将充分发挥自身在理论研究和方法创新方面的优势，围绕数据进行深入挖掘与分析，共同推动金融智能化的发展进程。

双方之后将围绕大模型技术在金融场景中的创新应用开展深入合作。此次合作也标志着实验室与业界行业领先机构携手共进、融合发展的新起点，为推动大模型技术在金融领域的落地应用提供了坚实支撑。

上海社会科学院数量经济研究中心主任朱平芳教授从宏观视角指出，人工智能是推动中国经济结构转型的重要引擎，尤其在政策分析、供应链优化等领域作用显著。他以Deepseek为例，强调民营企业是技术创新的主力军，但提醒需理性看待AI的局限性，大模型本质是工具，需结合数据质量与人脑决策，避免盲目投入造成资源浪费。

上海道客网络科技有限公司首席运营官张红兵先生分享了制造业的实践案例：一家传统化工龙头企业借助大模型重构供应链管理，一周内实现从生产设计到采购决策的全流程智能化升级。他认为，大模型不仅能够提升效率，更可以驱动组织变革，深度融入产业“骨髓”。

达观数据有限公司总裁张治国先生提出“知识中台”概念，强调高校与企业的互补性。他表示，高校长于理论研究，企业拥有场景与数据，双方可通过构建行业知识图谱，推动大模型在金融、法律等垂直领域的精准应用。

阿里云上海政企解决方案总经理张振华先生介绍了阿里云在开源大模型、芯片研发及产教融合上的布局，并表示正与多所高校合作开发AI认证课程体系。他指出，技术、行业与生态的三维融合是未来趋势，高校需培养兼具理论深度与实践能力的复合型人才。

国泰海通证券股份有限公司融资融券部总经理助理陈飞先生从金融行业出发，指出大模型在客户画像、风险分析等场景的应用仍处起步阶段，校企合作应该聚焦数据开发与知识沉淀，将学术成果转化为业务策略。

猫头鹰基金研究院董事长彭莉女士聚焦普惠金融，认为大模型的交互优势可降低金融知识使用门槛。她强调，AI通过文本交互，能让金融产品的识别和评价这个复杂的问题变的更加容易理解，但投资决策仍需人类判断，需警惕模型“幻觉”。

上海交通大学安泰经济与管理学院副院长瞿茜教授指出，AI正重塑教育模式，VR模拟决策、AI分析课堂互动等新技术可提升教学效率，但教师需加速知识更新，学生则需强化批判性思维与沟通能力。

数理经济学教育部重点实验室副主任、上海财经大学经济学院副院长陈媛媛教授主持圆桌论坛并总结，本次论坛为学界与业界搭建了深度对话平台，未来实验室将继续推进产学研协同创新，助力人工智能在经济高质量发展中释放更大动能。面对AI浪潮，她强调，大家既要拥抱技术变革，也要坚守人文理性。

最后，嘉宾就“AI时代人才培养需求”达成共识：硬技能与软实力并重是关键。彭莉董事长认为财经人才应具备快速学习、思辨能力及抗压素质”；张振华总经理强调脑力、心力、体力缺一不可；张红兵首席呼吁学生善用工具、升级思维、扎根实践；朱平芳主任表示AI辅助决策，但人脑判断不可替代，教育仍需培养顶尖人才。

本次会议由数理经济学教育部重点实验室执行主任、上海财经大学经济学院杨凯常任副教授主持。