⁣
📰 两个00后给英伟达供数据，估值215亿 - 智东西

AfterQuery这家美国AI训练数据初创公司在短短五个月内估值从约3亿美元跃升至约32亿美元，达到215亿元人民币。公司由两位23岁、22岁创始人从大学时的金融Agent想法转型而来，转而为前沿大模型提供专家推理数据、强化学习环境和模型评测服务，聚集近10万名专业人士参与高质量数据生产，并通过自研系统对数据进行验证与后训练流程，提升数据质量与可用性。其数据已用于英伟达Nemotron 3 Ultra等模型的训练，在法律、金融、医疗等领域的评测集也在合作推进。行业层面，这体现了AI数据需求的升级：不再仅依赖基础标注，而是需要专业人士的推理过程、操作轨迹和判断标准等复杂任务数据，形成了“专家经验工程”的新方向。未来的增长仍取决于持续获取专业人员供给、稳健的数据质量控制，以及能持续带来模型性能提升的能力证明。

🏷️ #AI数据 #专家数据 #模型评测 #亿级估值 #AfterQuery

🔗 原文链接

⁣
📰 吕仲涛：如何推动金融AI从“能用”到“好用”

文章回顾并分析了新一代AI（以大模型为代表）在金融行业的应用现状、治理挑战与国际经验，强调在风险可控前提下推动AI从“能用”走向“好用、常用、可信用”。通过对欧盟、美国、英国的治理经验进行总结，提出金融业AI治理应坚持三个原则：以风险为本、全程留痕、包容审慎，并强调将AI风险纳入现有风险体系而非另起炉灶。金融AI落地面临三大共性难题：数据可用与安全、模型能力与可靠性、自主可控与开放协同。为解决这些问题，需加强高质量数据治理、知识工程、模型风险缓释与多层次安全防线建设，分阶段推进高风险场景落地。最后提出三点生态共建共享举措：统一场景分级与测评标准、加强安全联防与产业协同、充分发挥监管沙盒作用。通过标准化、协同化与制度化推进，促进金融AI健康有序发展，提升行业整体水平，实现以高质量AI推动金融高质量发展的目标。

🏷️ #金融AI治理 #风险分级 #数据治理 #模型安全 #监管沙盒

🔗 原文链接

⁣
📰 金融业AI应用监管划红线！天融信一站式安全保障筑牢高质量创新根基

近日，国家金融监督管理总局发布关于银行业保险业人工智能安全开发应用的指导意见，旨在推动人工智能与金融业务深度融合，确保应用朝有益、安全、公平方向健康发展。文章介绍了四大核心原则以及从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督等方面的32项指导意见，重点强调AI治理顶层架构、全生命周期管理、风险分级、外包管控和算力、模型、数据三大基础设施的落地要求。提出建立AI风险治理框架，明确将高风险应用如资金交易、信贷等纳入风控体系，设立准入审批、实时监测、人工干预等机制，并加强外部供应链安全管理、代码与漏洞审计。为实现全流程安全，指导意见要求算力云化、模型一站式开发与评估、数据全生命周期治理，以及对生成式模型的全面安全测试和准入。天融信凭借智算云、监测与防护能力，能够在模型、算力、数据、网络等环节提供一站式安全保障，帮助金融机构建立从研发、部署到运行、迭代的完整安全闭环。总体而言，该指导意见为金融行业AI落地设定底线与红线，推动业界在合规前提下进行创新应用。

🏷️ #金融AI #安全治理 #风险管控 #算力基础设施 #模型安全

🔗 原文链接

⁣
📰 银行业保险业要划定技术创新与应用安全的边界 - 21经济网

金融监管总局发布的关于银行业保险业人工智能安全开发应用的指导意见，聚焦治理架构、数据与算力、风险管理、人才培养等方面，提出32项具体要求，推动人工智能在金融领域的健康有序发展。文章指出当前银行与保险业在信贷审批、理赔、量化交易、智能客服等场景广泛应用AI，提升经营与服务质量，但也面临算法黑箱、数据安全隐患等风险。为此，《意见》强调建立顶层治理机制，打破部门壁垒，要求董（理）事会设专门委员会统筹，明确开发、测试、运维等环节的责任人，形成可追溯的治理链条；建立全生命周期闭环管理，包括需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出等阶段的合规与风险控制。并提出高标准的数据安全治理、模型安全开发与评测、算力基础设施的自主可控、分级风控以及外包合作安全管理等要求。总体目标是平衡创新与安全，确保生成式AI等高风险应用在可控范围内使用，提升金融服务效率与风控水平，同时加强对外部风险的管理与自研能力建设。

🏷️ #金融科技 #数据安全 #风险治理 #模型安全 #外包管理

🔗 原文链接

⁣
📰 哪家ups电源厂家专业？2026年5月推荐TOP5适用场景防电压不稳评测案例市场份额

随着企业数字化转型深入核心业务，关键设施的电力保障成为底线。文章通过IDC与ICT Research等权威报告，分析中国UPS市场规模超120亿元，中小功率段年增8.5%，市场呈分化态势：头部国际品牌占据高端数据中心与金融行业，而本土厂商以高性价比、定制能力和本地化服务快速崛起。为帮助决策者在众多厂商中选出高价值伙伴，文中提出以“产品技术成熟度、场景适配能力、服务网络覆盖、综合成本效益与客户验证”为四大核心评测维度，进行横向比较，并给出针对五家典型厂商的场景匹配与推荐理由。评测要点包括全功率段覆盖、ISO认证与核心专利、适配行业的定制化方案、全国服务网点及7×24小时支持、以及长期运维成本与能效。文章还强调在选型过程中要建立3-5家候选厂家短名单，获取具体场景方案与报价，并在合同中明确KPI/SLA。最终结论是：在技术可靠性、场景匹配、服务能力与综合成本之间寻找平衡点，优先考虑具备全生命周期服务能力、模块化/高能效设计、以及对特定行业深度适配的厂商。本土厂商在模块化、智能化和行业定制方面进步显著，选型应综合考虑未来3-5年的扩展与运维需求。

🏷️ #UPS #数据中心 #模块化 #本地化服务 #全生命周期

🔗 原文链接

⁣
📰 曾剑平：AI进入金融场景后，风险治理必须理解数据、模型与智能体边界

本次复旦大学经济学院举办的“南土国际金融政策圆桌会”聚焦AI时代金融人才核心竞争力，围绕人工智能对金融行业和人才培养的影响展开讨论。文章强调AI并非单纯的效率工具，而是会与传统金融风险叠加，形成数据、模型、算法及应用层面等多维风险结构。数据层面，训练依赖大量数据，若数据被污染或隐私受侵，模型输出可能产生偏差并放大不公平结果；模型层面，尽管大模型具高概率性，但并不等同于事实正确，输入偏斜可能导致幻觉式错误。对学生而言，不能以为有了AI就完全替代基础知识，反而需要通过金融、统计、计算等基础学科来培养判断力，识别AI结果的可信度。应用层面，AI智能体在部分场景可用，但并非万能，需考虑数据接口、标准化程度、预算与容错等因素决定分配与监管。会议还强调AI风险应在应用初期纳入治理框架，明确责任归属，建立对AI系统数据、模型、接口和边界的全面认识，从而实现人机协同的安全高效金融实践。

🏷️ #AI金融风险 #数据安全 #模型偏见 #金融教育 #AI边界

🔗 原文链接

⁣
📰 朴道征信社招，涉模型算法岗、大数据运维岗-移动支付网

朴道征信成立于2020年，由央行批准设立，具备个人征信和企业征信资质，注册资本10亿元，主要股东包括北京金融控股、京东科技控股、北京小米等。此次招聘涵盖三类岗位：模型算法岗（1人，聚焦产品解决方案、需求洞察、KA 客户经营、方案标准化与跨部门协同）以及建模与策略交付方向（2人，负责客制化风控建模、策略交付、模型运营与团队指导），以及大数据运维岗（1人，负责数据中台产品部署、集群运维、7x24小时监控与故障恢复）。各岗位对学历、行业经验、以及风控模型、数据应用、机器学习（如XGBoost、LightGBM等）具备综合要求，同时强调多任务处理、沟通能力及出差适应性。招聘程序按报名、资格审核、综合测评、背景调查、录用等步骤进行，地点均在北京，薪资面议，报名截止为2026年4月30日。应聘者需如实提交材料，若弄虚作假将取消资格。

🏷️ #征信 #金融科技 #风控 #大数据 #模型

🔗 原文链接