技術和錢都是關鍵！銀行追逐AIGC：大銀行積極佈局，小銀行落地瓶頸多

過去的2023年，生成式人工智能（AIGC）浪潮席捲科技圈，海外各大科技公司紛紛逐浪AIGC，國內也一度掀起“百模大戰”。生成式AI更是上榜了國家語言資源監測與研究中心發佈的“2023年度中國媒體十大新詞語”首位。

如果說2023年是生成式人工智能的元年，那2024年也被寄希望爲AI大模型應用的元年。例如某頭部科技公司高管不久前談及此話題就公開表示：“2024年是關鍵分水嶺”。

金融行業因爲擁有大量的數據和豐富的應用場景，成爲AI大模型技術落地應用的重要領域。重視並佈局人工智能成爲金融行業的共識。當前已有多家銀行等金融機構佈局生成式AI，加速應用場景的探索。其中，國內大型銀行在充足的資源下開啓自研金融大模型；同時，中小銀行也意識到，AI大模型技術不只是噱頭，但囿於資金、技術等成本限制處於觀望階段。

不過，當前生成式AI技術在各個細分領域的應用還處於萌芽狀態，金融業在大模型實際落地過程中，還存在着算力、數據治理等諸多成本和監管問題。2024年，這些情形或許會初見分曉。

大型銀行積極佈局：推產品、組團隊

由清華大學經濟管理學院、度小滿等聯合編寫的《2024年金融業生成式人工智能應用報告》顯示，生成式AI有望給金融業帶來3萬億規模的增量商業價值。生成式AI技術在金融業中的應用尚處於技術探索和試點應用的並行期，預計1—2年內，首批大模型增強的金融機構會進入成熟應用期，3年後將會帶動金融業生成式AI的規模化應用。

從對生成式AI佈局看，在金融機構中，國有大行、股份制銀行等率先展現出了較強的行動力。

梳理看，2023年2月份，郵儲銀行、興業銀行、百信銀行、新網銀行、中信銀行紛紛宣佈將接入“文心一言”等大模型平臺；3月份，農業銀行推出的業內首個自主創新的金融AI大模型應用ChatABC，工商銀行聯合多家機構發佈了金融行業通用模型……

此外，在戰略規劃上，國有大行中的工商銀行、農業銀行、中國銀行、交通銀行，股份制銀行中的招商銀行、平安銀行、興業銀行、浙商銀行、中信銀行、華夏銀行明確於2023年半年報中提出對AI大模型等相關佈局。

工行2023半年報中表示，完成人工智能AI大模型能力建設應用規劃；交通銀行在其2023年半年報中表示，積極探索 AIGC 前沿技術，制定生成式人工智能建設規劃，組建GPT大模型專項研究團隊，爲體系化、規模化應用奠定基礎。

在探索應用方面，跨界合作成立實驗室成爲主流方式，如交通銀行與科大訊飛聯合創新實驗室；中信銀行與華爲、雄安新區成立了聯合創新實驗室，佈局大模型等聯創課題。此外，農業銀行建立了人工智能創新實驗室，研究大模型技術應用場景，圍繞知識檢索、答案推薦等領域，研究大模型技術應用場景。

小銀行落地瓶頸多

金融大模型最終落地應用存在技術、資金投入成本高的現實瓶頸。

在技術上，足夠的算力供應是支撐大模型高效訓練的基礎。此外，數據、網力、存力和應用場景也是影響金融機構對大模型研究探索進程的重要因素。

工商銀行首席技術官呂仲濤於2023年12月在中國金融四十人論壇舉辦的第二屆明珠灣金融論壇上表示，大模型技術的研發是技術和資金密集型產業，金融機構在基礎設施和人才團隊支撐方面也需要跟上相關技術的發展。

呂仲濤認爲，大型金融機構因爲擁有海量金融數據，應用場景豐富，宜引入業界領先的基礎大模型，自建金融行業、企業大模型，以及可採用微調形成專業領域的任務大模型，快速賦能業務。而小型金融機構由於在數據、算力、算法等資源方面相對不足，可能難以自主建設大模型，可按需引入各類大模型公有云API或私有化部署場景化專屬產品。

確實，多數中小銀行科技能力薄弱、投入成本有限，採取了跟隨和觀望策略。在中小銀行如何着手以及如果落地難題上，有銀行內部人士認爲，應該避免投入過多的基礎研究，多着眼於現有技術的應用上。

廣東南粵銀行首席信息官黃思穎以及該行數字銀行部副總經理林偉曾於2023年9月撰文《中小銀行如何用好AI大模型技術——以AI營銷助手爲例》，他們認爲，在探索AI大模型技術的過程中，中小銀行應避免進入研究算法的誤區，應利用已有的算法和方法論，將重點放在大模型的應用而不是純粹的算法研究上，找到與實際問題相結合的途徑，用好大模型解決自身面臨的挑戰，而不是開展大模型的基礎研究。

不過，有實力的中小銀行亦嘗試探索AI大模型應用。例如，寧波銀行在其半年報中表示，該行依託大數據分析平臺，結合關聯圖譜、生成式AI等新技術，持續擴展風控覆蓋面，提高風險識別、判斷和分析效率。江蘇銀行則表示，要強化新技術應用場景建設，落地大語言模型平臺並實現智能客服場景應用。

在創新與監管之間取得平衡點

毫無疑問，生成式AI將重塑金融業，它在金融領域落地應用豐富，諸如智能客服、智能投研、智能風控、智能營銷、智能程序員等。

但不容忽視的是，科技倫理、模型治理、數據隱私安全等智能金融監管難題也擺在面前。在人工智能技術大潮下，如何防範大模型的潛在合規風險值得關注。

香港理工大學副研究員、IEEE計算機協會區塊鏈和分佈式記賬標準化委員會主席李鳴認爲，要從制度、技術、金融和法律等方面建立完善的保障體系；推動建立人工智能商業生態；將治理規則融入人工智能技術生命週期過程中。

回顧2023年，在技術浪潮下，監管政策也及時跟進出臺助力行業發展，當年8月《生成式人工智能服務管理暫行辦法》實施後，幾十家大型科技公司和初創企業已完成了大模型備案。

“金融業的一大核心功能就是風險防控和管理，因此金融行業大模型的開發者實際上肩負着 重要的監管職責。”《2024年金融業生成式人工智能應用報告》認爲金融機構在自主研發或共同研發大模型技術時，就要強化法務部門的作用和跨部門協同。

一方面開發者不僅需要推動大模型技術的創新與發展，提高生成式人 工智能技術的透明度和可解釋性，還要關注潛在的網絡安全新風險和道德倫理問題，遵循數據 隱私、知識產權、信息安全等衆多法律法規，確保技術應用符合社會規範和法律法規。另一方面，證券、銀行等金融監管部門也是大模型技術的重要使用者，這也需要大模型技術開發者對 嚴格的金融監管法規有深入認識和理解。因此，呂仲濤提醒，生成式能力可控性差，大模型生成式能力基於語言模型而非事實，生成內容存在可控性差等問題。可能生成大量看起來合乎邏輯，但內容並非真實甚至是捏造的事實。

“短期內不建議直接對客使用。”呂仲濤認爲，金融機構應優先將大模型面向金融文本和金融圖像分析理解創作的智力密集型場景，以助手形式，人機協同來提升業務人員工作質效。

可以看到，當前金融機構推出的應用場景，不少集中於大量傳統的“重複勞動”或“低效率”崗位，諸如代碼助手等協助內部員工工作以及客服助手等方面，以進一步降低人力成本。

例如，工商銀行構建了基於大模型的智能研發體系，編碼助手生成代碼量佔總代碼量的比值達到40%，此外，該行在國內同業率先實現百億級基礎大模型在知識運營助手、金融市場投研助手等多個場景應用；再如保險領域，太平洋保險推出的基於大模型建設應用探索的科技產品“數字員工”，面向企業人員提供的人機協作終端，覆蓋審計、財務、客服、營銷、承保、理賠等多個保險領域專業場景，每年可節約人力70%以上。

責編：楊喻程

校對：蘇煥文