10月14日，建设银行宣布，人民币货币市场债券回购“AI交易员”完成迭代优化，引入AI大模型技术；

至此，建行已成为银行间市场首家将大模型用于该市场交易的机构。

据悉，此次升级覆盖信用债质押回购的智能询报价、押品管理和交易定价，大模型可识别债券简称、代码和交易员惯用表达，小模型与业务规则承接验券、审批和询报价交互。

央行披露，2025年银行间债券回购累计成交1709.6万亿元，日均成交6.9万亿元，这也意味着，大模型已进入了日均成交近7万亿元的高频流动性市场。

回购市场中的AI升级，价值不只在于缩短一笔询价的处理时间；

模型被放在哪个环节，规则控制哪些动作，人工如何在异常情况下接管，才是决定系统边界的核心问题。

先解决交易语言

建行的货币市场“AI交易员”并非新近出现。

2021年，该系统已按预设策略和算法与交易对手开展智能询报价，承担部分人工报价和并发交易处理工作。

建行2021年度业绩材料显示，该系统当年累计完成询报价1.43万亿元，至2022年前5个月，系统累计开展询报价10.9万亿元，达成交易意向8.1万亿元。

建行当时披露，系统承担约三分之一的货币市场交易量，询报价时间缩短近90%。

大模型的加入，建立在已有自动化交易流程之上，指向更复杂的交易信息处理。

银行间本币市场承担流动性、资产负债和利率风险管理等功能，也是货币政策传导的重要平台。回购交易以债券作质押物，交易对手、期限、押品和资金价格的匹配，决定报价能否进入下一步。

实际交易中的沟通并不总是标准化指令。

债券简称、代码和市场惯用表达混杂在询价对话中，传统系统需要围绕具体名称和表述配置语料、训练规则，才能提取交易对手的押品需求。

建行此次引入大模型，首先解决的是交易语言理解：系统从非标准化对话中识别交易意图和押品需求，后续再由小模型与业务规则完成押品校验和询报价交互。

智能询报价的押品范围也由利率债拓展至信用债。

信用债的发行主体、期限和流动性差异更大，押品识别、折算和风险控制需要纳入更多业务条件。

建行方面表示，系统将根据押品类型、剩余期限和交易期限自动计算和校验折算比例，并将验券与交易审批贯通。

交易定价则综合期限、交易对手信用评级、押品类型、交易成本和税收成本。这一升级让系统同时处理交易语言、押品条件和定价因子。

需要注意的是，本次建行所称的“首家”，边界在于银行间市场、人民币货币市场交易和大模型应用三个限定，并不覆盖所有智能交易场景。

此前，国内银行对于交易AI得探索已经展开。

邮储银行2024年报披露，其货币市场交易机器人可接受或主动发起询价，联动风控模块完成交易对手、质押券准入和授信额度校验。

邮储的系统以小模型为主，大模型承担复杂表达识别的兜底功能，并保留人工干预和追溯查询。

这一结构提供了行业参照：机器处理高频动作，规则把住交易入口，人保留干预和复盘能力。

规则把住执行

资金交易的报价、成交和流动性变化之间间隔很短。客服、办公和研发场景可以保留较长的人工复核链条，回购市场则要求系统快速完成识别、核验和响应。

金融监管总局6月发布的《关于银行业保险业人工智能安全开发应用的指导意见》，已将资金交易、资产评估、信贷审批和风险管理列为高风险AI应用。

按照文件，高风险AI应用须经本机构风险管理委员会批准，关键环节应建立人工监督和干预机制，明确紧急停用和模型退出条件，并配套备用系统或人工替代流程；

监管还要求金融机构防范模型结果不可靠和模型黑箱导致关键业务流程难以落责，同时关注投资策略趋同放大市场波动的可能性；

此外，高风险场景使用生成式AI，还须向监管报告。

建行披露的“语义理解—规则校验—询报价交互”形成了清晰的权限切分。

大模型理解非标准化语言，规则体系承接验券、额度、折算和审批等可验证动作，人工监督保留在控制链条中。

这一分工比“AI交易员”更能说明当前阶段的行业进展，即大模型已开始靠近资金交易核心，但最终执行仍需嵌入可审计、可干预的规则和人工体系。

建行本次公告着重介绍了押品管理、定价因子和业务范围的升级。人工复核频次、异常订单拦截、紧急停用及人工接管的具体安排，将是后续观察系统运行质量的关键指标。

国际监管机构同样对这一边界保持谨慎。

英格兰银行今年7月指出，交易机构更多将较自主的AI用于研究、编码和监测等较低风险任务，完全自主交易尚未广泛进入生产环境。

英格兰银行还曾提示，市场关系和经济变量会快速变化，复杂模型的输出难以充分预测、验证和约束；多家机构依赖相近模型、数据或策略时，相关仓位可能在压力中放大市场波动。

建行已表示，将把智能化、自动化交易功能延伸至同业存单发行等领域。

未来衡量“AI交易员”价值的指标，将从报价速度和覆盖交易量，延伸到风险拦截、人工接管和极端情形下的稳定性。