汇丰银行任命了其首位首席人工智能(AI)官员,这家英国大型银行计划在全公司范围内嵌入这项技术。
在汇丰银行工作19年的大卫·赖斯(David Rice)将从该银行企业和机构银行部的首席运营官职位转任这一新职位,任期从4月1日开始。
随着各银行将AI技术置于其未来发展计划的核心位置,该技术正在与高管层并肩获得重要地位。
汇丰银行集团首席执行官乔治·埃尔赫德里(Georges Elhedery)表示,AI在帮助员工创造客户需求方面发挥着关键作用。
"我们的目标很简单——我们将赋能我们的同事使用AI为每位客户创造个性化体验,安全、实时、大规模地提供服务,同时保持人类判断、决策和责任担当为核心,"他说。
该银行首席执行官补充说,赖斯在其职位上将帮助银行实现这一目标。
"我们的客户越来越期望他们的银行提供独特符合其特定需求的服务,而且要快速,"他说。"这就是为什么我们正在构建一家面向未来的银行。"
大规模部署AI
汇丰银行还表示,正在扩大首席技术官马里奥·沙姆塔尼(Mario Shamtani)的职责范围,以加强大规模部署AI的基础。银行表示:"这包括现代化核心平台,构建同事可以用来访问各种模型的中央AI平台,以及领导关键战略合作伙伴关系。"
在他的LinkedIn资料中,赖斯表示:"我致力于利用新兴技术的力量来塑造银行业的未来,在这个激动人心的AI和量子计算时代推动创新。"
根据跟踪金融服务AI采用情况的Evident银行AI采用指数,汇丰银行是进入前10名的唯一一家英国银行。
Evident首席执行官亚历山德拉·穆萨维扎德(Alexandra Mousavizadeh)表示,如果英国银行要赶上美国同行,在AI采用方面需要更像大型科技公司。
她告诉《计算机周刊》,人才是能够做到这一点的关键。"正如我们所知,存在人才争夺战,随着企业AI采用竞争的加剧,这种竞争正在加剧,"她说。
穆萨维扎德补充说:"你的人才就是你的命运。这一直都是如此,但我认为现在更是如此,因为我们处在这个关键时刻,已经有几年的实验和测试用例实施,但都很表面。"
英国银行业AI领导者们正急切等待金融行为监管局(FCA)对AI潜在长期影响审查的结果,该监管机构警告金融服务部门面临"非人类智能超越人类推理"的前景。
被称为米尔斯审查的这项研究将专注于AI可能对消费者、金融公司和监管机构产生什么影响。
FCA的这一公告紧随财政委员会上周发出的警告,该委员会警告称,金融监管机构当前对AI的方法正在让英国公众和国家金融系统"面临潜在严重伤害"。
Q&A
Q1:大卫·赖斯的新职位职责是什么?
A:大卫·赖斯被任命为汇丰银行首位首席人工智能官员,他将帮助银行赋能员工使用AI为每位客户创造个性化体验,安全、实时、大规模地提供服务,同时保持人类判断、决策和责任担当为核心。
Q2:汇丰银行在AI采用方面表现如何?
A:根据Evident银行AI采用指数,汇丰银行是进入前10名的唯一一家英国银行。该银行正在扩大首席技术官职责范围,包括现代化核心平台,构建中央AI平台供员工访问各种模型。
Q3:英国金融监管机构对AI有什么担忧?
A:金融行为监管局警告金融服务部门面临"非人类智能超越人类推理"的前景,正在进行米尔斯审查来研究AI对消费者、金融公司和监管机构的潜在影响。财政委员会也警告称当前监管方法可能让公众和金融系统面临潜在严重伤害。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。