科技筑基，AI赋能。为深化产教融合，打通课堂理论与行业实操壁垒，近日，金融科技学院组织学生前往工商银行上海分行开展实地参访研学活动，近距离参观银行核心机房基础设施，聆听分行金融科技部高级经理李铖带来《金融科技前沿动态之AI技术应用》专题讲座，沉浸式感受国有大行数字化转型与大模型落地实践。

　　参访伊始，工行工作人员分批带领学生实地走访柴油发电机机房、UPS机房与ECC运维管控中心，细致讲解机房供电冗余、不间断运维、安全管控等底层硬件保障体系，同学们近距离了解支撑全行金融业务稳定运行的算力基础设施，直观认识金融行业高可靠、高安全的科技运维标准，对银行信息系统底层保障逻辑建立具象认知。

　　实地参观结束后，工行上海分行金融科技部高级经理李铖开展专题授课。李铖老师深耕银行IT开发、软硬件运维一线，聚焦当下行业热点AI大模型技术，从底层原理、产业投入、核心指标、多模态落地四大维度展开系统讲解。讲座开篇结合海外高校毕业典礼上社会各界对AI的多元态度，引导同学们辩证看待人工智能发展，再由浅入深拆解大模型底层逻辑：当前主流大模型以海量文本、图像、音视频数据训练概率模型为基础，行业训练需求持续激增，头部企业搭建算力集群，重资本、高算力属性成为行业入场门槛。

　　课堂上，李铖老师重点解读评判大模型能力三大核心指标：一是参数量级，从百亿级B到万亿级T参数模型迭代升级，同时介绍FP4、F16等量化压缩技术降低部署存储成本；二是上下文窗口长度，新一代模型支持百万字超长文本输入，可完整解析整本书籍、长篇业务文档，大幅提升文本总结、文稿撰写、数据分析效率；三是多模态能力，覆盖文本、图像、音频、视频全类型数据处理，以自动驾驶、视频字幕生成、智能语音交互等场景举例说明多模态技术落地价值。同时讲解token基础概念、开源模型平台Hugging Face与国内魔塔社区，对比人脑神经元与大模型参数规模、功耗差异，用家用燃气灶类比服务器算力功耗，生动阐释大模型部署高昂的散热与运维成本。

　　讲座设置实操演示环节，李铖老师结合金融行业真实业务场景，现场演示AI编程工具Claude Code等产品完整工作流程，展示大模型在代码编写、业务脚本生成、数据分类、客户意图识别、客户信息标签划分等银行日常工作中的落地用法。针对商品评价情感判断、客户主体分类等轻量化业务场景，讲解中小参数模型的高性价比应用；针对论文撰写、深度数据分析等高复杂度需求，则采用超大参数旗舰模型，清晰区分不同规模模型的适用边界，让同学们直观理解AI工具如何切实降低金融岗位工作成本。

　　整场讲座兼顾底层技术原理、行业产业现状与一线落地案例，纠正学生重算法、轻算力成本、轻场景适配的认知偏差。互动环节，学生围绕大模型算力投入、银行AI合规管控、金融科技就业方向、开源模型行业应用等问题积极提问，李铖老师结合工行上海分行AI落地项目经验逐一细致解答，为同学们梳理专业学习重点与职业发展路径。

　　此次工行参访实践，是学院推进产教协同育人的重要实践载体。同学们走出校园，近距离接触商业银行底层算力基建与前沿AI金融应用，既夯实大数据、人工智能相关专业理论认知，也建立起算力成本、场景适配、安全运维等行业全局思维。下一步，学院将持续搭建校企交流平台，常态化组织行业一线研学、企业专家进校园活动，引导学生兼顾技术能力与行业合规思维，培育适配数字金融发展需求的复合型金融科技人才。