薛春雨：AIGC給銀行業帶來三大挑戰 但想象空間特別大

由中國企業改革與發展研究會、本站財經、本站財經智庫聯合主辦的2023本站經濟學家年會夏季論壇於6月19日在上海舉行，本屆論壇的主題是《智造復甦 惟實勵新》，清華大學經濟管理學院提供學術支持。

2023開年以來，AIGC的戰爭已經達到白熱化，頭部公司紛紛入局，熱錢投資蜂擁而入。在圓桌論壇“被 ChatGPT 帶飛的 AIGC”中，神州信息新動力數字金融研究院副院長薛春雨發表了自己對AIGC的基本看法。

他表示，AIGC是人工智能技術的一個階段性發展，在前些年像機器學習、深度學習也給行業帶來了很多變化。但AIGC這次爆發有它一定的特點，大家能看到很多以前人去做檢索、梳理、分析、統計的事情，其實AIGC基本上都能全部替代，也就是它更像人了。這也是爲什麼AIGC比較火的重要因素。

從ToC的視角來看，大家用ChatGPT返回的東西其實沒有絕對的正確，生成之後你可以去修改，或者認可或者不認可，都可以。但是在具體的細分行業，尤其是跟工業結合的時候，有些東西需要精準化。比如說我們跟銀行打交道比較多，用戶存取錢，是多少就是多少，利息是多少就是多少，直接用AIGC有可能是對的，也有可能是有問題的，這個就不太合適。不管是金融還是細分行業，如何跟產業結合落地，這方面應該是後續產業上中下游都需要深度思考的問題。只有這樣才能把AIGC的價值釋放出來，真正驅動社會的生產力提升。這應該是我們未來要重點關注的方向。

針對AIGC，銀行業面臨三個挑戰

生成式人工智能AIGC帶來的機遇和挑戰？薛春雨認爲，從機遇的角度來說，其實大家知道AIGC是生成式的，不管是之前的純文本，現在是多模態的生成，在這個層面來說，不管是哪一個行業，它生成的東西很多是通用的，但它細分的生成內容是有差別的。那就這個層面來說，機遇就是哪些企業或個人能夠儘快把生成的東西轉化爲自己的生產力。如果你能抓住這個機會，可能你在這一輪的競爭中就會領先，對不同的行業都會有這個機遇。

因爲我們聚焦金融行業，這個行業有一些特殊的要求，銀行的數據安全就是國家安全，所以就不可能直接用GPT，數據存在泄露風險，這不符合信創背景的要求。金融科技企業或者銀行客戶都面臨一個非常大的挑戰，數據、算力、算法三個層面是大模型最關鍵的，數據首先不能出去，要訓練私有領域的模型，數據量相對小一些，這個量對於大模型來說訓練的時候數量不到一定程度，訓練的效果又受影響，這個方面又對技術或者模型深度方面有一些考慮，這是第一個大的挑戰。

第二個是算力，在金融行業，比如銀行，先做自己內部的模型肯定要私有化部署。比如說一個8卡A100的機器基本上現在市價100萬左右，甚至更高，關鍵是還沒貨，這是個問題。剛開始是研究，一臺、甚至用A800的卡都可以，但是規模化，這個企業或者銀行要50個人，或者是更多人來用，那就不是一臺。比如說我們原來跟商湯這些企業也聊過，需要10臺這種機器，可能就是1000萬，加上其他的東西，這個成本一些中小銀行就要考慮投入和產出的問題。這是第二個挑戰。

第三個是算法，像百度做AI的時候有很多高技術人員去做算法，持續投入。但是在一個銀行，拿它私有的數據去訓練，訓練完之後，還要做標註，做各種監督學習，做微調。這些東西讓銀行的科技人員，尤其是中小銀行的科技人員幾乎沒有這方面的人力資源。如何在這些細分領域，比如銀行領域怎麼把基礎的大模型，行業的大模型都產生實際效果，這確實是需要時間深度探討。建議有些是做基礎層面的，有些是做行業的，有些是做客戶應用層面的，需要上中下游的企業配合，形成最佳實踐，然後再去產業賦能。這個可能是未來要走的路。

AIGC給銀行業帶來的想象空間巨大

AIGC在數字化金融領域有哪些優勢，應用場景有哪些，未來發展到什麼地步？

薛春雨認爲，金融行業數字化在各個領域裡走得相對靠前，這個可以理解爲它是過去的傳統優勢。現在來說，還是之前一直在信息化程度走得比較靠前，積累的數據也是比較多。這個數據包括自己內部建設的各種系統的積累數據，客戶的交易數據，甚至很多銀行還從外面去買一些徵信或者其他數據來做風控等。數據這方面相對其他的傳統行業來說，積累還是要多。雖然相對大模型要的那麼大的數據量它還小，但是相對其他行業還是多的。

金融行業本身對人工智能的訴求是比較多的。人工智能在金融行業已經應用很多年了，智能客服是最典型的。以前人工客服，那個時候回答得還可以，但是比較佔用人力資源；銀行爲了降低成本，慢慢人工智能來了，弄個智能客服，相信大家很多人跟智能客服溝通的時候發現差點兒啥意思。AIGC技術發展起來之後，在人機交互和語義理解方面有大幅度提升，像智能客服再深度去用AIGC效果比以前好很多，這是非常明確的點。

像智能投顧、智能推薦這些場景，藉助AIGC可以提高效果。這是面向銀行服務的目標客戶直接的使用。

對於金融領域銀行內部也有一個提升，銀行自己內部也有一些自己的辦公訴求，銀行要對發展趨勢，甚至監管機構的政策有一些瞭解，形成一些材料，這些完全可以快速地借鑑AIGC生成初版，把之前花很長時間做的事情可以快速解決。

還有一個典型的場景，雖然現在大家到銀行的櫃檯比較少，但是現在銀行很多業務複雜度比前些年高很多。並且現在很多櫃員不是銀行的正式員工，都是臨時工的模式。當然這個不是那種臨時工，他只是借過來去培訓完就直接上崗。有些業務特別複雜的時候，像以前確實不知道怎麼做，就會找主管或問一堆人才能解決問題，如果遇到這個問題可以跟AIGC進行交互，提示我這個業務應該怎麼去做，可以快速告訴你123456步怎麼做，從哪個系統怎麼操作，馬上提高效率。這個也是很直接的貢獻。

還有一個點，銀行業很多信息系統，信息系統的建設肯定就需要碼代碼了，這邊也有很多IT公司的。系統代碼開發、代碼生成對於AIGC來說代碼語法比人的自然語言語法還要簡單，它相對比較固定。對它來說可以根據你的輸入直接生成對應的代碼，提高開發效率。比如說以前100個人開發10個月才能把這個項目開發完，用這個技術，雖然不一定全部能解決，但至少可以幫助我們一部分，100個人變成8個月、7個月，那就降低20%、30%的成本，這個也是非常大的貢獻。

這些東西其實站在我們提供商的角度來說，如果這種實戰經驗，我們現在在做像低代碼上的研究，這塊應用到銀行客戶可以快速產生效果，在銀行業裡面還是非常實際的貢獻。但是長遠的大家對AIGC這塊，想象空間特別大的事情，還爲時尚早，需要持續的積累。

提高自身創新力，別被AI替代掉

對於AIGC將對未來的行業或者專業領域帶來哪些影響的問題？

薛春雨認爲，其實AIGC的本質，是基於人類現有的知識，或者一些數據，把它進行拆分之後，然後再分成更小的任務去處理，最後給你做個梳理整合。但是它理解你的語義，這個是它比較強的地方。同樣從兩個層面來說，現在已經有的這些東西，它非常擅長把它快速整合成一個你想要的東西。但是對於現在本身沒有的，或者需要創新的東西，至少在現在AIGC在這方面做得還稍微弱一些。

從這個層面來說，如果大家做的是那種簡單的檢索、梳理、分析及整合的工作，這類的職業可能受到的衝擊會非常大。反而是那種像作曲家、創作者，完全是個人深度創新的工作，這種職業是不能被替代的。但是現在通過AIGC生成一些新的圖像，還是基於現在的東西去合成的，說不好聽的是高級的PS，他不具備藝術層面的創新。這個就是未來在行業個人定位上，這方面需要關注，還是要把自身的特點，自身創新力一定要提升，否則會被AI逐步替代。