对话国泰海通证券俞枫：在金融领域，AI一个错也不能犯
对话国泰海通证券俞枫：在金融领域，AI一个错也不能犯
2026-10-13 18:00:00
浏览
分享
大模型按概率生成答案，证券系统却必须为结果承担确定责任。交易指令、客户资产、合规边界，任何一个环节都容不得“差不多”。国泰海通证券首席信息官俞枫说得直接:
“一个错也不行，一个偏差也不行。”
会犯错的AI如何进入近乎零容错的金融系统？国泰海通的答案不是等待完美模型，而是在模型并不完美时，仍能控制输出、限定行动、追溯责任。
“这个问题没法通过技术本身来解决。”俞枫没有回避大模型的原理：可以降低幻觉，却无法保证永远不出错。对证券机构而言，挑战不是消灭错误，而是让错误不能越过边界。
国泰海通证券首席信息官俞枫
国泰海通把这套机制概括为“可信内容、可靠输出”。它是一条贯穿知识来源、答案生成、持续校正和行动确认的责任链，而非一道孤立的技术围栏。
源头先被限定。
模型调用的内容来自经过审核的语料，包括公司年报、研究报告、合作机构资讯，以及多年积累的知识图谱和产业链图谱。金融业务能力无法凭空生成，只能建立在机构长期沉淀的知识和数据之上。
输出再被控制。
大模型负责理解意图、分派任务和组织答案，重要内容还要经过小模型与规则围栏校验；机器审核之后，业务人员继续复核。发现不准确的回答，立即撤回，并转化为下一轮训练的负向语料。
更关键的边界在行动端。
AI可以提出建议、辅助生成订单，但不能替客户作出投资决策，更不能绕过客户确认直接执行交易。模型可以接近核心业务，却不能拥有不受约束的行动权。
据俞枫介绍，相关能力经过约一年的内部验证后开始用于对客服务，进入合并后超过四千万客户的服务体系。他对管理层的表述很克制：“不能保证答案一定是最完美的，但一定是可控的。”
模型解决的是底线，不是高线。
换成更直白的表达：模型抬高底线，人决定上限。国泰海通没有消灭不确定性，而是把它限制在可管理、可回收、可追责的范围内。
如果只看时间线，俞枫像是连续踩中了集中交易、低延时系统和人工智能三个拐点。但他并不把这些选择解释为“传奇押注”。他的判断方法是：先看业务往哪里走，再看技术能走到哪里，最后动态评估组织能否落地。
2002年前后，证券行业仍按营业部分散建设系统。集中交易能够提升效率，也会集中风险。反对者的比喻很形象：过去出问题，最多翻一条小船；集中之后再出问题，翻的可能是一艘航空母舰。俞枫团队最终用分布式架构支撑集约化经营。后来几轮大行情和互联网业务冲击，证明了这套系统的价值。
第二次转折发生在2018年前后。机构投资者增加、量化交易兴起，旧系统难以支撑极致低延时和7×24小时业务。团队没有继续修补老系统，而是重建新一代核心交易系统；当这条路线与信创要求交织，便形成“先进替代”：国产化不是在旧架构里逐项更换，而是借替代完成整体架构升级。
据俞枫介绍，新系统上线后，交易延时从毫秒级进入微秒级。客户、业务人员愿意参与测试，不是因为系统换成了国产技术，而是因为升级确实改善了业务体验。外部任务由此转化为内部竞争力。
第三次是AI。2017年起，俞枫开始把人工智能视为金融机构的基础能力。早期以降本增效为主，强调“AI in ALL”；大模型出现后，AI从“赋能者”转向“变革者”，转向“ALL in AI”，建设方式也从零散应用转为“体系化建设、规模化应用”。
面对模型快速迭代、格局尚未收敛，国泰海通创新提出“1+N”架构：一个证券垂类模型守住可信和精准的底线，上层可接入多个场景模型，按任务择优调用。无论未来模型市场收敛还是长期并存，底层业务和数据都不必跟着反复重构。
三次选择面对的技术线路不同，动作却一致：不是在旧系统上不断打补丁，而是把风险和约束变成架构设计的输入。
刚开始没条件，我们创造条件。
AI成为基础设施之后，改变的不只是系统，也会重新划分业务与技术的职责。
俞枫在公司内部倡导“业技共创”。过去的“融合”强调坐在一起、彼此听得懂；“共创”则意味着围绕同一个业务问题反复试验、共同迭代。智能化不能被简单外包给IT部门，因为真正理解客户、流程和痛点的人首先是业务人员。
技术部门也不再只是接收需求、交付工具，而要把模型、数据、算力和安全能力封装成低门槛平台，让业务人员能够在清晰边界内实现想法。业务提出问题和场景，技术负责全局设计与公共能力构建。
对科技人员而言，这不是价值降级，而是一次更难的升级。基础编码可以交给工具，一部分应用也可由业务人员自行构建，技术人员必须从局部执行走向全局设计：理解趋势、守住安全和架构边界，并把一次性方案沉淀为可复用组件。
俞枫的说法很扎人：“业务看到一，你要看到二。”如果技术人员仍把自己定位成替业务写代码的“拐杖”，大模型已经能提供一根更便宜、更随手的拐杖，人的价值，只能来自模型无法独立承担的部分：前瞻判断、系统设计和责任承担。
AI会让合格变得更容易，也会让卓越变得更难。它首先淘汰的未必是人，而是照本宣科的工作方式。
访谈临近结束，我们问俞枫，三十年里几次判断技术转折，靠的是什么。
他几乎没有停顿：“学习。背后就是学习，没其他诀窍的。”
学习不是追逐新名词，而是持续更新对业务、技术和落地条件的认识；不是等条件成熟后再决定，而是在判断方向之后，一边创造条件，一边校正路线。
一家AI原生的金融机构，其要义不在装上多少大模型，而在于建立一套新的责任分工：模型提供基础能力，制度限定边界，架构吸收不确定性，人判断方向并承担结果。
原来照本宣科就行了，现在没有本了。
没有本，不等于没有边界。越没有标准答案，越需要有人看清方向、设计系统，并为结果负责。
