來源：懂財(cái)?shù)?/p>

原創(chuàng)懂財(cái)?shù)劭萍冀M懂財(cái)?shù)?i>2024年10月07日

未來一段時(shí)間，AI大模型的場景化落地將會(huì)是銀行業(yè)的重要命題——它考驗(yàn)的不僅僅是哪條技術(shù)路線能落地更快,、更穩(wěn),，更考驗(yàn)銀行的戰(zhàn)略規(guī)劃、落地執(zhí)行等能力。

??懂財(cái)?shù)鄢銎?· 作者｜嘉逸

9月的最后5個(gè)交易日，A股漲瘋了，上證,、深證、創(chuàng)業(yè)板指數(shù)分別暴漲21.37%,、30.26%,、42.12%。

趁著國慶假期,，筆者本想整理一下市場觀點(diǎn)和板塊漲幅數(shù)據(jù),，做策略復(fù)盤。搜了一圈金融類APP,，遂放棄了這個(gè)念頭,。

因?yàn)槲野l(fā)現(xiàn)了一個(gè)更有意思的點(diǎn)——盡管AI金融大模型被吹得天花亂墜，但在實(shí)際應(yīng)用中,，效果卻各有差異,。

資料來源：東方財(cái)富Choice、同花順iFind,、招行APP

例如,，我想了解國慶后A股市場上漲的概率。

東方財(cái)富AI的答案算是合格,，從歷史概率,、行業(yè)表現(xiàn)進(jìn)行了分析，給出了“上漲概率較大”的結(jié)論,，并提示了投資風(fēng)險(xiǎn),。

但同花順AI的回答就比較混亂，開頭就搞錯(cuò)了時(shí)間——“2024年9月30日反而在國慶之后”,，后續(xù)的影響因素分析也很籠統(tǒng),。

對(duì)比之下，招行AI給出的觀點(diǎn)同時(shí)覆蓋了股票,、債券,、黃金三個(gè)投資品種，相對(duì)完善,，利好,、利空的原因分析也比較切合實(shí)際,，確實(shí)具備一定的參考價(jià)值。

聊到這里,，筆者想起前段時(shí)間,，有兩家國有行的朋友透露，他們內(nèi)部已經(jīng)開始使用AI大模型來撰寫研究分析報(bào)告和編寫代碼了,。

除此之外,，另一個(gè)重要趨勢是，所有的國有行,、股份行在2024半年報(bào)中都明確提到了AI大模型。其中,，工行,、建行、郵儲(chǔ)銀行,、興業(yè)銀行,、民生銀行等，更是花費(fèi)了大量筆墨來介紹AI大模型的最新落地進(jìn)展,。

再疊加新質(zhì)生產(chǎn)力等政策來看,，顯然，中國銀行業(yè)正大踏步進(jìn)入AI時(shí)代,。

今天,，我們就一起來聊聊這件事。

01｜得場景者得天下

移動(dòng)互聯(lián)網(wǎng)時(shí)代,，“得場景者得天下”被銀行奉為圭臬,。

如今的AI時(shí)代，亦是如此,。

梳理國有行,、股份行2024半年報(bào)能發(fā)現(xiàn)，今年上半年,，大部分玩家正從AI大模型的研發(fā),，向場景落地應(yīng)用進(jìn)階。

來看幾個(gè)具體的案例,。一個(gè)是興業(yè)銀行“隨興寫”生成式大模型賦能反洗錢,。

過去，興業(yè)銀行的反洗錢員工每天要處理約30份可疑交易報(bào)告,。這一工作極其繁瑣,，每份報(bào)告都要從頭開展調(diào)查、分析交易流水與行為特征,，再到撰寫潤色,。處理時(shí)長短則20分鐘，長則1個(gè)小時(shí)。

按照最短時(shí)間計(jì)算,，僅30份報(bào)告處理下來,，就要花費(fèi)至少10個(gè)小時(shí)。這意味著,，加班是常態(tài),。

但現(xiàn)在，隨著AI大模型的落地,，他們終于可以卸掉沉重的“包袱”了,。

據(jù)悉，興業(yè)銀行“隨興寫”是一個(gè)可疑交易報(bào)告智能生成模型,，它利用大模型與自然語言處理技術(shù),，能高效精準(zhǔn)分析洗錢可疑客戶行為、可疑主體信息和可疑交易信息等特征,，并快速生成輔助分析報(bào)告,。這意味著，反洗錢員工只要在初稿基礎(chǔ)上調(diào)整優(yōu)化,，即可上報(bào)提交,。

這大大解放了生產(chǎn)力。多位一線員工透露,，現(xiàn)在他們可以“將更多精力投入到業(yè)務(wù)發(fā)展,、新型洗錢手法研究和專家規(guī)則優(yōu)化等工作之中?！?/p>

另一個(gè)是AI大模型賦能財(cái)富管理,。

在國內(nèi)，缺少金融知識(shí)的大眾客群一直是財(cái)富管理的“盲區(qū)”,，他們極易追漲殺跌,，長期缺少投資獲得感。這幾天A股暴漲,，很多散戶非理性貸款,、加杠桿“跑步入市”，就是證明,。

但如今,，AI大模型的應(yīng)用創(chuàng)造了新解題思路。

本文初提到的招行智能財(cái)富助理“小招”就在后市展望中列舉了利空因素,，并提示了風(fēng)險(xiǎn)：之后可能進(jìn)入震蕩調(diào)整期,，仍需等待經(jīng)濟(jì)基本面好轉(zhuǎn)。

此外,，“小招”還能針對(duì)筆者的資產(chǎn)給出了配置優(yōu)化建議,，如下圖,，“小招”就建議：及時(shí)補(bǔ)充活錢配置，靈活取用以備不時(shí)之需,。

資料來源：招行APP

中信銀行也已入局,。其基于大模型、自然語言處理,、知識(shí)圖譜已推出智能財(cái)富顧問“小信”,，它不僅能解答“投資投什么”，還能解讀“產(chǎn)品好不好”,、分析“持倉怎么樣”,，以及給出資產(chǎn)負(fù)債、加減倉等建議,。

客戶覺得怎么樣呢,？一組數(shù)據(jù)可以說明，截至今年6月末,，“小信”已累計(jì)服務(wù)超百萬普通投資者，累計(jì)會(huì)話量超327萬通,，用戶滿意度超95%,。

第三個(gè)案例是AI大模型賦能研發(fā)。

民生銀行是“吃螃蟹者”,，其研發(fā)團(tuán)隊(duì)推出了代碼大模型規(guī)?；瘧?yīng)用方法——“慧碼”旅程，并基于行內(nèi)的大模型平臺(tái),，打造了覆蓋開發(fā),、集成、測試,、投產(chǎn)的端到端運(yùn)行風(fēng)險(xiǎn)監(jiān)測能力,。

具體效果如何？來看測試數(shù)據(jù)：引入代碼大模型產(chǎn)品后,，系統(tǒng)的生成采納率為20-30%之間,，采納代碼與提交量占比大致在30%左右，接近業(yè)界主流實(shí)踐水平,，代碼注釋率從18%提升至約30%,。一句話：民生銀行的開發(fā)效率和代碼質(zhì)量實(shí)現(xiàn)了大幅提升。

而這三個(gè)案例僅僅是中國銀行業(yè)數(shù)字化,、智能化轉(zhuǎn)型的“一隅”,。

AI浪潮愈加洶涌。截至目前,，中農(nóng)工建交郵儲(chǔ)6家國有大行都已經(jīng)發(fā)布了自己的大模型,，股份行中,，招行、平安,、興業(yè),、中信、浦發(fā),、民生6家銀行也已推出自己的大模型,。

剩余的浙商、光大,、華夏三家銀行正加碼資源,，積極研發(fā)AI大模型。

場景落地事關(guān)降本增效,，以及新商業(yè)增量的挖掘,，雖然搞得很熱鬧，但目前仍處于探索嘗試的初期,。

根據(jù)財(cái)報(bào)和公開資料,，銀行大模型主要應(yīng)用于智能問答、智能客服,、智能撰寫研報(bào),、智能風(fēng)控、智能營銷,、數(shù)智財(cái)富管理等,，標(biāo)準(zhǔn)化程度較高的業(yè)務(wù)模塊。

02｜兩條技術(shù)路線

十年河?xùn)|,，十年河西,。

遙想十年前，銀行還是移動(dòng)互聯(lián)網(wǎng)轉(zhuǎn)型的“困難戶”,。如今,，他們已成為AI大模型落地的“排頭兵”，并走出了兩條不同的技術(shù)發(fā)展路線,。

其一是技術(shù)自研派,，大概率是想實(shí)現(xiàn)完全的自主可控，農(nóng)行“ChatABC”,、建行大模型,、平安銀行BankGPT、興業(yè)銀行ChatCIB是代表選手,。

他們都擁有較強(qiáng)的科技實(shí)力,。《麻省理工科技評(píng)論》發(fā)布的最新榜單顯示,，平安集團(tuán)在大模型領(lǐng)域的專利申請量為327件,，位居全球前三,，建行、農(nóng)行位居前十,。

基于此,，農(nóng)行是國內(nèi)最早推出銀行大模型的機(jī)構(gòu)。農(nóng)行“ChatABC”和興業(yè)銀行ChatCIB的參數(shù)規(guī)模已達(dá)到百億級(jí),。

建行大模型,、平安銀行BankGPT暫未披露相關(guān)技術(shù)數(shù)據(jù)。但落地情況可圈可點(diǎn),，截至上半年末,，建行大模型已全面賦能對(duì)公、零售,、資管,、風(fēng)控、科技,、管理六大板塊79個(gè)內(nèi)部業(yè)務(wù)場景,；平安銀行BankGPT已應(yīng)用在零售貸款審批、運(yùn)營管理數(shù)智化升級(jí),、消保降訴,、汽車金融AI驗(yàn)車等業(yè)務(wù)場景中，實(shí)現(xiàn)了降本增效,。

其二是“融合派”，走的是“外部引入+內(nèi)部自研”的技術(shù)路線,，代表選手有工行,、交行、郵儲(chǔ),、招行,、中信、浦發(fā),、民生,、浙商8家銀行。

并非這幾家銀行技術(shù)不行,，而是因?yàn)樗麄兿虢梃b外部千億大模型的底層能力,，再來打造百億級(jí)的銀行垂直模型，以實(shí)現(xiàn)能力互補(bǔ),，快速落地,。

理論上是可行的。通用大模型靈活度高,、泛用性強(qiáng),，但受制于成本,，在細(xì)分領(lǐng)域并不深入。垂直模型的專業(yè)性,、合規(guī)性強(qiáng),，但通用性差，數(shù)據(jù)利用率低,。二者正好互補(bǔ),。

實(shí)踐中也取得了一定成果。比如工行大模型和華為昇騰大模型合作研發(fā)的,，其參數(shù)規(guī)模已經(jīng)達(dá)到千億級(jí),，已在金融市場、信貸風(fēng)控,、網(wǎng)絡(luò)金融等50多個(gè)場景落地,，在銀行業(yè)內(nèi)處于領(lǐng)先地位。

郵儲(chǔ)銀行這兩年的轉(zhuǎn)型速度很快,，它在半年報(bào)中花了大篇幅來介紹AI大模型在生成創(chuàng)作,、研發(fā)、風(fēng)控,、消費(fèi)者權(quán)益保護(hù),、法律法規(guī)等場景的落地情況，以及降本增效成果,。它和智譜AI有合作,，“郵儲(chǔ)大腦”已經(jīng)接入百度文心一言。

招行最為開放,，去年引入了上海稀宇科技（MiniMax）的千億級(jí)大模型,，隨后又積極“牽手”騰訊、華為,、商湯科技,、字節(jié)系的火山引擎、智譜AI等科技公司,。

并且,，招行還表示，將“加強(qiáng)與百余家大模型生態(tài)鏈企業(yè)的深度溝通,，推進(jìn)大模型內(nèi),、外部生態(tài)建設(shè)，加快推動(dòng)AI大模型等前沿科技在本公司的應(yīng)用落地,?！笨吹贸鰜恚行袑?duì)AI“野心勃勃”,。

當(dāng)然,，其他銀行也是如此,，對(duì)AI志在必得。

所以,，未來一段時(shí)間,，AI大模型的場景化落地將會(huì)是銀行業(yè)的重要命題——它考驗(yàn)的不僅僅是哪條技術(shù)路線能落地更快、更穩(wěn),，更考驗(yàn)銀行的戰(zhàn)略規(guī)劃,、落地執(zhí)行等能力。

“逐鹿”AI,，銀行機(jī)構(gòu)將進(jìn)入一場全維度的高烈度戰(zhàn)爭,。

03 ｜大模型拐點(diǎn)未至

聊了這么多，是不是有種感覺：AI銀行要來了,。

以后在線上,，智能AI助手就能解決你的日常金融需求，并根據(jù)你的習(xí)慣給出個(gè)性化解決方案,，比如：A股大漲,，會(huì)第一時(shí)間為你分析原因；資產(chǎn)配置不合理,，能為你“量身定做”財(cái)富管理方案,，并推送合適的金融產(chǎn)品。

如果需求復(fù)雜要去線下網(wǎng)點(diǎn)辦理,，客戶經(jīng)理早就通過AI系統(tǒng)了解到你的需求,，并提前制定好了一站式解決方案。

銀行基層員工們更是開心,，他們終于從復(fù)雜繁瑣的數(shù)據(jù)和報(bào)告中解脫了出來,，不再受“案牘勞形之苦”，可以專注于業(yè)務(wù)發(fā)展和客戶服務(wù),。

這太酷炫了,，幾乎就是布萊特·金描繪的銀行4.0時(shí)代“金融無處不在”的情景,。

但筆者現(xiàn)在要潑一盆冷水,，實(shí)現(xiàn)上述夢想還很遙遠(yuǎn)。當(dāng)前,，銀行連AI大模型“拐點(diǎn)”都還沒跨過,。

一個(gè)核心痛點(diǎn)是，以大模型為代表的生成式AI技術(shù)本身還不成熟,。

受制于數(shù)據(jù)質(zhì)量,、語料庫標(biāo)準(zhǔn)化建設(shè)、訓(xùn)練成本等因素,，AI大模型經(jīng)常出現(xiàn)“AI幻覺”,，即一本正經(jīng)地胡說八道,。如本文初提到的，同花順AI把時(shí)間都搞錯(cuò)了,，2024年9月30日反而在國慶節(jié)之后,。

資料來源：招行APP、平安口袋銀行APP

再以招行智能財(cái)富管理助手“小招”和平安口袋銀行APP為例,。

當(dāng)筆者換了個(gè)問題,，提問“A股”和“A股熱門板塊”，“小招”就無法回答了,。在平安口袋銀行APP中,，筆者提問“A股后市展望”，“小安管家”也無法了解到我的實(shí)際需求,，給出的問題推薦也都不匹配,。

另一個(gè)關(guān)鍵問題是技術(shù)安全和法律監(jiān)管。

今年8月,，歐洲人工智能法案（AI Act）已正式生效,。9月30日，盡管美國加州州長Gavin Newsom否決了加州AI限制法案,，OpenAI,、谷歌、Meta等科技公司逃過一劫,，但AI安全治理已經(jīng)成為全球關(guān)注的焦點(diǎn),，且暫未有合適的解決方法。

因此,，為了規(guī)避技術(shù)風(fēng)險(xiǎn),，國內(nèi)銀行落地AI大模型都是小步實(shí)驗(yàn)，穩(wěn)步推進(jìn)的節(jié)奏,。

但沒辦法,，商業(yè)銀行連接著14億國人和數(shù)百萬億資產(chǎn)，事關(guān)人們的“錢袋子”,，這注定了他們無法“快跑”,。

但我們也無需灰心，當(dāng)AI技術(shù)愈加成熟,、法律監(jiān)管逐漸到位時(shí),，銀行機(jī)構(gòu)就能大顯身手，數(shù)智化金融就能無處不在,。

我們可以懷著開放包容的心態(tài),，給銀行和科技公司更多一些時(shí)間。

說明：數(shù)據(jù)源于公開披露，不構(gòu)成任何投資建議,，投資有風(fēng)險(xiǎn),，入市需謹(jǐn)慎。

—END—

「點(diǎn)贊」「在看」與 「分享」,，你對(duì)作者最大的支持,。