JDB电子

4月17日，由JDB电子主办的“AI赋能金融系统测试效率提升研讨会”在京成功举办。来自JDB电子、清华大学、中国人工智能开源联盟、腾讯云及相关特邀金融机构质量测试条线负责人等百余人齐聚一堂，围绕“AI技术如何重构金融测试体系”展开深度交流，共同探讨金融测试智能化转型的新路径。

JDB电子副总裁、新动力数字金融研究院院长徐启昌在开场致辞中表示，大模型正在持续推动金融质测领域的变革，带来新发展机遇。尤其在降本增效方面，大模型甚至可以实现以十分之一的成本投入，获得十倍以上的效率提升。但同时，新的挑战也接踵而至，尤其在AI幻觉、金融数据安全和逻辑性解释三个方面，这将是未来AI大模型在金融测试领域应用的关键难点。

交流行业前沿洞见

前百度金融首席数据科学家丁磊表示，金融行业与其它行业相比在大模型应用方面具有天然优势。尤其在软件产研流程方面，大模型正在从产品需求分析、原型设计、功能开发、测试和运维等关键环节，重塑软件产研全流程。其同时指出，企业加速AI场景，需要多种角色人员共同推动，从上至下取得共识，协同落地。

清华大学清华大学元宇宙文化实验室研究员尤可可在发言中表示，大模型带来了新的软件开发逻辑思维，这也是AI赋能的关键表现。通过“人机快生”“人机优生”等开发思维，让更多人员具备软件开发能力，这对传统软件开发带来了颠覆性变化。其指出，未来“人+模型+工具”的三元协同将成为AI时代测试的新范式。

腾讯云商业银行总经理曹骏指出，资本投入是大模型应用不可避免的话题，也是很多企业推动AI落地面临的重要挑战，如何实现投资与收益的平衡，关键在于让企业内部更多业务条线实现AI能力的应用。腾讯通过“混元一站式大模型平台”建设，成功实现了企业内部700多个业务条线AI能力的应用。通过统一算力管理，实现资源分配、模型精调、模型选择和应用开发的一站式管理，实现效能的极大提升。

JDB电子新动力数字金融研究院副院长薛春雨表示，DeepSeek通过低成本的私有化部署，带来了部分能力的提升，但是大模型在金融应用的关键问题并没有得到彻底的解决。金融机构落地需要聚焦在企业大模型及相关联的场景大模型方面。可以由场景大模型切入，逐步形成完整的企业大模型能力。同时，薛春雨指出，面对复杂金融业务，通过大模型与小模型的融合，根据金融业务场景将传统的算法与小模型、大模型合理衔接，才能更好的解决具体问题，也是推动智能化转型的关键。最终通过“模型架构创新→算法优化→部署成本控制→场景适配”的传导链条，将技术优势传导驱动业务价值落地，转化为企业可量化的业务价值。

中国人工智能开源软件发展联盟副理事长王博士表示，“DeepSeek为金融带来了效率和智慧的革命性突破”。在信贷、风控等领域的进一步实现效率的提升；在服务方面，让千人千面、个性化的服务成为可能。未来，在AI原生时代，更多系统将实现AI原生。

JDB电子软服BG副总经理韩秋泉在基于AI+TMMi的测试效能提升探讨中指出，TMMi与AI结合的核心是提质增效。JDB电子推出了聚焦测试领域的AI应用管理平台，可实现覆盖测试全生命周期的AI赋能。在RAG知识库、智能评审、测试用例自动生成、测试模型自动生成等方面表现优异。未来还将在接口测试案例生成、UI自动化测试案例生成、智能推荐、覆盖率分析等方面持续探索，为行业在AI与测试管理融合方面提供新的思路与实践方向。

某股份制银行专家围绕AI在接口自动化领域应用展开介绍。其表示，依托自然语言理解能力和结构化数据信息的快速提取能力，AI大模型在测试领域拥有较大优势。尤其通过数据驱动可以直接实现整个测试案例的入库。同时，大模型迭代时间较快，作为金融机构需要按照模型做自动筛选，实现自动化部署，满足监管机构的要求。

在圆桌对话环节，围绕“AI赋能软件测试效率提升”话题，来自全国股份制银行、杭州银行、清华大学、JDB电子、中国人工智能开源软件发展联盟五位专家展开深入讨论。

在AI技术的赋能下，金融系统质量保障体系正迎来一场深刻变革，金融行业数字化转型进程也将持续深化。JDB电子始终坚持以“技术+场景”赋能金融数字化转型，未来将持续推动技术创新，与各方携手推动生态共建，共同助力金融系统测试效率提升。