21世纪经济报道记者李览青 上海报道
2024年被称为“大模型应用元年”，对银行业也不例外。
“千模大战”告一段落，头部基础模型厂商市场格局初定，应用端垂类模型“百花齐放”。作为数据最为密集、数字化基础最为成熟的行业，金融业成为率先探索大模型等AI技术应用的“排头兵”。
随着上市银行2024年年度报告的逐步披露，包括6家国有大行与8家股份制银行在内的14家全国性银行去年的AI战略与应用布局已全部对外公开。
21世纪经济报道记者梳理14家银行的AI战略发现，“AI+”已成为银行近两年发布AI战略的核心。纵观各家机构的“AI+”战略，主要包括三个方面，一是提供基础智能化能力的模型底座，二是强调安全保护与风险管理的配套机制，三是结合不同业务场景的创新应用。
与过去单点业务的技术应用创新不同，如今的“AI+”已覆盖银行C端用户、B端客户以及对内员工等全业务流程。
与此同时，记者发现，在技术之外，越来越多的银行注意到人与AI的关系，不仅强调AI与金融场景的融合，更切实关心员工如何真正使用AI技术，相关创新应用的调用率如何，技术真正带来了多少业务价值。
场景应用“多点开花”
尽管多家银行在前两年提出自研大模型底座，但从最新披露信息来看，应用的优先级被提到了前面。“自研大模型”的表述已转变为“应用大模型技术”或建设“自主可控的大模型技术底座”。
“本集团依据企业级应用需求，择优选择千亿级开源通用大模型，并利用长期积累的高质量文本数据对通用大模型进行预训练、微调和强化学习，建成面向所有业务领域应用和统一技术底座的金融大模型，以及模型即服务（MaaS）的应用平台。”在年报中如是说。
建设银行首席信息官金磐石在业绩发布会上透露，截至2024年底，该行先后适配了16个版本的通用大模型，进而形成了16个版本的金融大模型。“这种策略保证了随着金融大模型能力的快速迭代，我们业务场景的应用效果能够达到‘水涨船高’的效果。”
目前来看，银行AI战略的基础大模型底座至少包括两个部分，一是以生成式大模型为基础的“快思考”大模型，另一个部分是以DeepSeek-R1为代表的“慢思考”推理模型，另外还有代码大模型、多模态大模型、智能体等等，分别针对不同场景的差异化需求实现落地应用。
例如明确表示，该行升级融合了决策时AI“中信大脑”与生成式AI“仓颉大模型”，由此建成了“自主平台+场景深耕+生态共建”的三位一体AI赋能体系。也制定了《模型建设发展规划》，布局“决策式模型+生成式模型”综合应用的智能解决方案。
在14家银行披露的AI应用场景中，已实现落地应用的成熟场景主要是智能编码研发、智能营销、智能客服、智能风控、合规内审、消费者权益保护，以及日常经营管理流程等等。
值得关注的是，在零售信贷、财富管理等与C端用户交互较多的场景之外，2024年有多家银行在金融市场、交易银行、公司金融等对公业务层面结合大模型与小模型能力，实现综合化的智能应用。
如在交易银行业务中深化人工智能技术应用，线上“招小财”AI助手能够准确识别客户意图，协助客户完成复杂公司金融产品操作，响应准确率达到95%，形成立体式的客户需求即时响应服务体系。招行还将大模型技术应用到资本管理领域，打造“智本GPT”，让产品定价管理系统进一步完善线上化全流程管理，推动数智化转型。
也在金融市场业务场景中推出“兴小二”债券交易，依托智能化交易平台，引入机器学习、大模型等先进技术进行系统和策略升级，通过各类算法和因子挖掘提升交易效率。
值得关注的是，在年报中特别单独展示了两个市场交易业务场景下的机器人，展现了大模型与小模型结合在同一业务板块、不同场景、不同用户端的应用潜力。
一个是货币市场交易机器人“邮小助”，主要是在货币市场询价场景下与外部机构交易员进行人机交互对话，目前覆盖数百家金融机构，接受询价总量超过1.5万亿元，总成交金额超过2000亿元，交易平均耗时较人工节约94%，捕获超额收益率6个基点。“邮小助”的底层模型主要是小模型，可以在简单任务下实现更快的推理速度，参数少、复杂度、硬件资源要求和训练成本低，稳定性较高，当货币市场询价时用小模型抽取出用户意图及查询的实体数据，辅以大模型识别兜底，最终提高识别准确率。
另一个机器人是交易员助理机器人，主要为该行交易员提供服务，底层模型具备大模型意图理解、语义分析能力，集成多个系统查询功能，实现交易对手及交易标的债权基础信息、行内授信、历史持仓、评级估值等内外部信息的批量查询、对比和展示，一站式解决交易员交易前的查询准备需求，并可以根据用户的点赞、采纳等反馈自动学习，持续自动完善应答准确度。在交易员查询数据时，由大模型识别用户查询意图，生成数据查询代码，再由小模型完成数据加工并展现给用户，目前交易员助理机器人可以将交易前准备工作耗时大幅压缩75%，极大地提高了交易员的交易效率。
从“AI+金融”到“人+AI”
在“AI+”战略的推动下，各家银行披露的人工智能、大模型等新技术应用场景数量繁多，甚至“成百上千”。
如工行企业级千亿金融大模型技术体系“工银智涌”已赋能20余个主要业务领域、200余个场景，累计调用量超10亿次。建设银行金融大模型体系已赋能行内193个应用场景。招商银行全行大模型应用场景超120个。中信银行决策式AI“中信大脑”的落地场景已超过1600个，生成式AI“仓颉大模型”孵化了超过80项创新应用。兴业银行大模型助手应用场景数量超过70个。全行落地了超过30个生成式AI的典型场景应用。
摆在银行面前的下一个问题是，如何确保在这些应用场景中，AI能够真正赋能于员工，让每个人都得以分享科技带来的便利。
越来越多的银行开始关注“人+AI”。
建设银行在财报中提到，在客户经营层面推出ChatBot交互版“帮得”客户经理全功能AI智能助理，以智能化为关键驱动，打造“人+AI”的新模式。基于ChatBot交互框架，以人工智能“大模型+小模型”架构路径对客户服务进行“全流程”再造升级，经营策略实现从总部数字大脑生产后直达一线，支持员工通过自然语言一键唤起知识、产品、活动等客户服务工具，AI辅助完成一站式产品配置和高效营销服务。此外，还推出一系列智能辅助工具，并打造AI小诸葛智能体。2024年，“帮得”智能助理总交互次数3463万次，为全行3万名对私客户经理服务。
招商银行也在财报中表示，加快打造“AI+金融”“人+数智化”新模式，促进人与科技相互赋能。在经营管理方面强化智能化工具应用，例如在零售条线打造零售智能助手产品矩阵，批发条线针对客户经理打造CRM智能助手，在人力资源数字化服务领域，基于大模型技术开发“数字美眉”机器人，实现对员工的智能服务，截至报告期末，“数字美眉”用户数达到2.53万人。
在为员工提供智能化工具的同时，一场全行级别的AI基础设施改造正在进行，前者是让员工“有得用”，后者能让员工“用得好”。
副行长蔡钊在业绩发布会上表示，围绕智能化建设发展，该行将“建机制，搭平台、汇数据、调模型、落场景、练队伍”，一方面，强化配套机制建设，推动建立人工智能应用治理架构，推进AI平台完善和模型调优，畅通大模型数据使用流程；另一方面，推进应用落地见效，按照“先内后外”的策略，以需求为牵引，以成效为驱动，优先聚焦知识辅助、内容生成等高价值场景，实现提质增效降本。
招行则是夯实“云+AI+中台”科技底座，充分释放上云红利，稳步推进自主可控的大模型全体系建设，聚焦打造行业领先的技术中台，不断提升组件规模与质量，提高IT资源复用水平，截至报告期末，累计发布组件5，942个。数据中台持续沉淀企业级的数据能力和数据资产，截至报告期末，大数据服务覆盖全行63%的员工，数据已成为员工经营分析的核心依据。
还没有评论，来说两句吧...