技术和钱都是关键！银行追逐AIGC：大银行积极布局 小银行落地瓶颈多

过去的2023年，生成式人工智能（AIGC）浪潮席卷科技圈，海外各大科技公司纷纷逐浪AIGC，国内也一度掀起“百模大战”。生成式AI更是上榜了国家语言资源监测与研究中心发布的“2023年度中国媒体十大新词语”首位。

如果说2023年是生成式人工智能的元年，那2024年也被寄希望为AI大模型应用的元年。例如某头部科技公司高管不久前谈及此话题就公开表示：“2024年是关键分水岭”。

金融行业因为拥有大量的数据和丰富的应用场景，成为AI大模型技术落地应用的重要领域。重视并布局人工智能成为金融行业的共识。当前已有多家银行等金融机构布局生成式AI，加速应用场景的探索。其中，国内大型银行在充足的资源下开启自研金融大模型；同时，中小银行也意识到，AI大模型技术不只是噱头，但囿于资金、技术等成本限制处于观望阶段。

不过，当前生成式AI技术在各个细分领域的应用还处于萌芽状态，金融业在大模型实际落地过程中，还存在着算力、数据治理等诸多成本和监管问题。2024年，这些情形或许会初见分晓。

大型银行积极布局：推产品、组团队

由清华大学经济管理学院、度小满等联合编写的《2024年金融业生成式人工智能应用报告》显示，生成式AI有望给金融业带来3万亿规模的增量商业价值。生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期，预计1—2年内，首批大模型增强的金融机构会进入成熟应用期，3年后将会带动金融业生成式AI的规模化应用。

从对生成式AI布局看，在金融机构中，国有大行、股份制银行等率先展现出了较强的行动力。

梳理看，2023年2月份，邮储银行、兴业银行、百信银行、新网银行、中信银行纷纷宣布将接入“文心一言”等大模型平台；3月份，农业银行推出的业内首个自主创新的金融AI大模型应用ChatABC，工商银行联合多家机构发布了金融行业通用模型……

此外，在战略规划上，国有大行中的工商银行、农业银行、中国银行、交通银行，股份制银行中的招商银行、平安银行、兴业银行、浙商银行、中信银行、华夏银行明确于2023年半年报中提出对AI大模型等相关布局。

工行2023半年报中表示，完成人工智能AI大模型能力建设应用规划；交通银行在其2023年半年报中表示，积极探索 AIGC 前沿技术，制定生成式人工智能建设规划，组建GPT大模型专项研究团队，为体系化、规模化应用奠定基础。

在探索应用方面，跨界合作成立实验室成为主流方式，如交通银行与科大讯飞联合创新实验室；中信银行与华为、雄安新区成立了联合创新实验室，布局大模型等联创课题。此外，农业银行建立了人工智能创新实验室，研究大模型技术应用场景，围绕知识检索、答案推荐等领域，研究大模型技术应用场景。

小银行落地瓶颈多

金融大模型最终落地应用存在技术、资金投入成本高的现实瓶颈。

在技术上，足够的算力供应是支撑大模型高效训练的基础。此外，数据、网力、存力和应用场景也是影响金融机构对大模型研究探索进程的重要因素。

工商银行首席技术官吕仲涛于2023年12月在中国金融四十人论坛举办的第二届明珠湾金融论坛上表示，大模型技术的研发是技术和资金密集型产业，金融机构在基础设施和人才团队支撑方面也需要跟上相关技术的发展。

吕仲涛认为，大型金融机构因为拥有海量金融数据，应用场景丰富，宜引入业界领先的基础大模型，自建金融行业、企业大模型，以及可采用微调形成专业领域的任务大模型，快速赋能业务。而小型金融机构由于在数据、算力、算法等资源方面相对不足，可能难以自主建设大模型，可按需引入各类大模型公有云API或私有化部署场景化专属产品。

确实，多数中小银行科技能力薄弱、投入成本有限，采取了跟随和观望策略。在中小银行如何着手以及如果落地难题上，有银行内部人士认为，应该避免投入过多的基础研究，多着眼于现有技术的应用上。

广东南粤银行首席信息官黄思颖以及该行数字银行部副总经理林伟曾于2023年9月撰文《中小银行如何用好AI大模型技术——以AI营销助手为例》，他们认为，在探索AI大模型技术的过程中，中小银行应避免进入研究算法的误区，应利用已有的算法和方法论，将重点放在大模型的应用而不是纯粹的算法研究上，找到与实际问题相结合的途径，用好大模型解决自身面临的挑战，而不是开展大模型的基础研究。

不过，有实力的中小银行亦尝试探索AI大模型应用。例如，宁波银行在其半年报中表示，该行依托大数据分析平台，结合关联图谱、生成式AI等新技术，持续扩展风控覆盖面，提高风险识别、判断和分析效率。江苏银行则表示，要强化新技术应用场景建设，落地大语言模型平台并实现智能客服场景应用。

在创新与监管之间取得平衡点

毫无疑问，生成式AI将重塑金融业，它在金融领域落地应用丰富，诸如智能客服、智能投研、智能风控、智能营销、智能程序员等。

但不容忽视的是，科技伦理、模型治理、数据隐私安全等智能金融监管难题也摆在面前。在人工智能技术大潮下，如何防范大模型的潜在合规风险值得关注。

香港理工大学副研究员、IEEE计算机协会区块链和分布式记账标准化委员会主席李鸣认为，要从制度、技术、金融和法律等方面建立完善的保障体系；推动建立人工智能商业生态；将治理规则融入人工智能技术生命周期过程中。

回顾2023年，在技术浪潮下，监管政策也及时跟进出台助力行业发展，当年8月《生成式人工智能服务管理暂行办法》实施后，几十家大型科技公司和初创企业已完成了大模型备案。

“金融业的一大核心功能就是风险防控和管理，因此金融行业大模型的开发者实际上肩负着重要的监管职责。”《2024年金融业生成式人工智能应用报告》认为金融机构在自主研发或共同研发大模型技术时，就要强化法务部门的作用和跨部门协同。

一方面开发者不仅需要推动大模型技术的创新与发展，提高生成式人工智能技术的透明度和可解释性，还要关注潜在的网络安全新风险和道德伦理问题，遵循数据隐私、知识产权、信息安全等众多法律法规，确保技术应用符合社会规范和法律法规。另一方面，证券、银行等金融监管部门也是大模型技术的重要使用者，这也需要大模型技术开发者对严格的金融监管法规有深入认识和理解。因此，吕仲涛提醒，生成式能力可控性差，大模型生成式能力基于语言模型而非事实，生成内容存在可控性差等问题。可能生成大量看起来合乎逻辑，但内容并非真实甚至是捏造的事实。

“短期内不建议直接对客使用。”吕仲涛认为，金融机构应优先将大模型面向金融文本和金融图像分析理解创作的智力密集型场景，以助手形式，人机协同来提升业务人员工作质效。

可以看到，当前金融机构推出的应用场景，不少集中于大量传统的“重复劳动”或“低效率”岗位，诸如代码助手等协助内部员工工作以及客服助手等方面，以进一步降低人力成本。

例如，工商银行构建了基于大模型的智能研发体系，编码助手生成代码量占总代码量的比值达到40%，此外，该行在国内同业率先实现百亿级基础大模型在知识运营助手、金融市场投研助手等多个场景应用；再如保险领域，太平洋保险推出的基于大模型建设应用探索的科技产品“数字员工”，面向企业人员提供的人机协作终端，覆盖审计、财务、客服、营销、承保、理赔等多个保险领域专业场景，每年可节约人力70%以上。