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

??懂財?shù)鄢銎?·作者｜嘉逸

9月的最后5個交易日，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，遂放棄了這個念頭。

因為我發(fā)現(xiàn)了一個更有意思的點——盡管AI金融大模型被吹得天花亂墜，但在實際應(yīng)用中，效果卻各有差異。

資料來源：東方財富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。

但同花順AI的回答就比較混亂，開頭就搞錯了時間——“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)。

對比之下，招行AI給出的觀點同時覆蓋了股票、債券、黃金三個投資品種，相對完善，利好、利空的原因分析也比較切合實際，確實具備一定的參考價值。

聊到這里，筆者想起前段時間，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告和編寫代碼了。

除此之外，另一個重要趨勢是，所有的國有行、股份行在2024半年報中都明確提到了AI大模型。其中，工行、建行、郵儲銀行、興業(yè)銀行、民生銀行等，更是花費了大量筆墨來介紹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時代。

今天，我們就一起來聊聊這件事。

01｜得場景者得天下

移動互聯(lián)網(wǎng)時代，“得場景者得天下”被銀行奉為圭臬。

如今的AI時代，亦是如此。

梳理國有行、股份行2024半年報能發(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。

來看幾個具體的案例。一個是興業(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份可疑交易報告。這一工作極其繁瑣，每份報告都要從頭開展調(diào)查、分析交易流水與行為特征，再到撰寫潤色。處理時長短則20分鐘，長則1個小時。

按照最短時間計算，僅30份報告處理下來，就要花費至少10個小時。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”是一個可疑交易報告智能生成模型，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。”

另一個是AI大模型賦能財富管理。

在國內(nèi)，缺少金融知識的大眾客群一直是財富管理的“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：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：及時補(bǔ)充活錢配置，靈活取用以備不時之需。

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、知識圖譜已推出智能財富顧問“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”已累計服務(wù)超百萬普通投資者，累計會話量超327萬通，用戶滿意度超95%。

第三個案例是AI大模型賦能研發(fā)。

民生銀行是“吃螃蟹者”，其研發(fā)團(tuán)隊推出了代碼大模型規(guī)模化應(yīng)用方法——“慧碼”旅程，并基于行內(nèi)的大模型平臺，打造了覆蓋開發(fā)、集成、測試、投產(chǎn)的端到端運行風(fēng)險監(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)量實現(xiàn)了大幅提升。

而這三個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)財報和公開資料，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、智能風(fēng)控、智能營銷、數(shù)智財富管理等，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)的科技實力。《麻省理工科技評論》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。

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，截至上半年末，建行大模型已全面賦能對公、零售、資管、風(fēng)控、科技、管理六大板塊79個內(nèi)部業(yè)務(wù)場景；平安銀行BankGPT已應(yīng)用在零售貸款審批、運營管理數(shù)智化升級、消保降訴、汽車金融AI驗車等業(yè)務(wù)場景中，實現(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、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，而是因為他們想借鑒外部千億大模型的底層能力，再來打造百億級的銀行垂直模型，以實現(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，已在金融市場、信貸風(fēng)控、網(wǎng)絡(luò)金融等50多個場景落地，在銀行業(yè)內(nèi)處于領(lǐng)先地位。

郵儲銀行這兩年的轉(zhuǎn)型速度很快，它在半年報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AI大模型等前沿科技在本公司的應(yīng)用落地。”看得出來，招行對AI“野心勃勃”。

當(dāng)然，其他銀行也是如此，對AI志在必得。

所以，未來一段時間，AI大模型的場景化落地將會是銀行業(yè)的重要命題——它考驗的不僅僅是哪條技術(shù)路線能落地更快、更穩(wěn)，更考驗銀行的戰(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)慣給出個性化解決方案，比如：A股大漲，會第一時間為你分析原因；資產(chǎn)配置不合理，能為你“量身定做”財富管理方案，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時代“金融無處不在”的情景。

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

一個核心痛點是，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把時間都搞錯了，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

再以招行智能財富管理助手“小招”和平安口袋銀行APP為例。

當(dāng)筆者換了個問題，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際需求，給出的問題推薦也都不匹配。

另一個關(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，且暫未有合適的解決方法。

因此，為了規(guī)避技術(shù)風(fēng)險，國內(nèi)銀行落地AI大模型都是小步實驗，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，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，入市需謹(jǐn)慎。