作 者 | 九卦姐

來 源 | 九卦金融圈

銀行數字化如何向縱深發展成為銀行人關注的熱點，數字金融百人訪談，專注對話數字金融的親歷者，暢聊銀行數字化變革的前景和未來，勾勒數字銀行的藍圖！

本期嘉賓

某大廠金融行業大模型負責人，九卦金融圈專欄作家 梅振衣（筆名）

本期主持人

九卦姐

農歷新年期間，中國AI初創公司深度求索（DeepSeek）憑借其低成本、高性能的大模型技術，在金融領域掀起了一場算力革命。隨著 DeepSeek V3和R1、Qwen2.5 等開源大模型的快速迭代，銀行業對 AI 的興趣正與日俱增，從風控、營銷、交易到運營，AI 的應用全面滲透銀行業務。

與此同時，銀行在技術路線的選擇上也出現了分化——頭部銀行傾向于自建 AI 體系，而中小銀行更偏向采購外部 AI 解決方案。

面對這一趨勢，九卦金融圈特別對話某大廠金融行業大模型負責人梅振衣（筆名），探討銀行如何借助 AI 構建開放式智能金融生態，如何平衡自研與采購，如何解決數據隱私與監管合規的挑戰等問題。

01

銀行對 AI 的需求：

從探索到全面落地

九卦金融圈：銀行目前對 AI 的需求主要集中在哪些領域？是更關注風控、營銷，還是數據分析？

梅振衣：

銀行對 AI 的需求已經從 探索階段進入全面落地階段。2023 年下半年到 2024 年初，銀行更多是以創新試點的方式嘗試 AI；但到了 2024 年下半年，AI 技術的應用開始加速落地，成為銀行提升效率和競爭力的關鍵。

具體來看：

? 風控：AI 在信貸審批、反欺詐、合規審核等方面的應用已日益成熟。例如，某股份制銀行的 AI 風控系統 已經將反欺詐檢測效率提升 40%。

? 營銷：AI 在精準營銷、個性化推薦方面的應用正在加速。例如，AIGC（AI 生成內容） 讓銀行的營銷素材制作更高效，已經成為銀行數字化營銷的重要工具。

?數據分析：AI 結合大數據，使銀行能夠精準挖掘客戶需求，優化業務決策。

02

銀行如何選擇 AI 技術路線？

九卦金融圈：銀行是更傾向于自研 AI 模型，還是采購外部 AI 方案？這種選擇背后的核心考量是什么？

梅振衣：

目前，銀行在 AI 技術路線的選擇上呈現兩大趨勢：

?頭部銀行如工行、建行、農行、中行等。這些銀行傾向于自研 AI，核心考量是數據安全和技術自主可控。

例如，不少銀行已組建 AI 研發團隊，正在訓練專屬 AI 模型，目標是減少對外部 AI 供應商的依賴，避免被科技公司“鎖死”。

?中小銀行（如一些股份制銀行、城商行等）則更傾向采購外部 AI API 或采用開源模型進行本地微調，核心考量是成本與技術門檻。

例如，有銀行使用開源模型，在本地進行微調，以適配自身的風控和營銷需求，同時采購部分商業 AI API（如 GPT-4）用于非敏感數據場景。

從整個技術發展的趨勢來看，理論上，新技術會降低所有機構在產品開發和創新方面的門檻。以金融機構為例，從信息技術時代到移動互聯網時代，再到如今的AI浪潮時代，開發一個應用程序的成本和門檻已經大幅降低，甚至業務部門的人員都有可能親自參與開發。從這個角度來看，或許有人會認為金融機構不再需要那么多第三方公司了，但事實并非如此。相反，金融機構可能需要更多的支持。

在這種情況下，金融機構內部的科技部門角色也可能發生轉變。過去，科技部門大量依賴外包人員來完成任務；而現在，科技部門更有可能通過管理和協調大量的智能代理（agent）來推動技術應用和創新。

關鍵平衡點：

1. 自研 AI 的優勢：數據安全、符合監管要求、形成長期競爭力，但研發成本高，周期長。

2. 采購 AI 的優勢：成本低、落地快，但數據安全和模型定制化是挑戰。

03

AI 對銀行崗位的影響

九卦金融圈：AI 是否會影響銀行科技崗的崗位結構？哪些崗位在 AI 時代更具價值？

梅振衣：

AI 時代，銀行的科技崗正面臨“分化與重塑”：

受影響的崗位

? 低端數據分析員：AI 自動化數據分析讓傳統的手工篩選崗位減少。

? 銀行客服、電銷、催收人員：AI 交互能力不斷增強，使這些崗位的需求下降。

? 初級開發、測試工程師：AI 代碼生成、自動化測試等能力不斷提升，減少了基礎性開發崗位的需求。

價值提升的崗位

? AI 風控策略師：負責 AI 賦能的風控策略建模。

? 模型優化工程師：專注于大模型的微調，確保 AI 適配銀行業務。

? AI 合規專家：確保 AI 符合監管要求，防止“AI 幻覺”導致錯誤決策。

從招聘趨勢看，銀行對 “AI+業務”復合型人才 的需求明顯上升。例如，高盛在 2024 年對 AI 相關崗位的招聘需求增長了 40%，反映了銀行對 AI 技術融合業務的高度重視。

04

4、AI沖擊了金融機構與第三方科技廠商的關系？

九卦金融圈問：未來銀行的AI生態會怎樣發展？銀行是會更依賴科技公司，還是會培養自己的AI團隊？

梅振衣：

在信息技術時代，眾多ISV（獨立軟件開發商）廠商應運而生。及至移動互聯網時代，它們紛紛標榜自己能夠開發APP、開展移動開發、構建渠道等。步入AI時代，它們依然能夠助力金融機構構建各種系統和關系，甲乙雙方的合作模式依然穩固，并未發生根本性變革。

真正的變革在于，哪家銀行能夠敏銳洞察趨勢，開拓新的機遇；哪家ISV科技廠商能夠精準把握潮流，實現后來居上。不過，這些因素對市場格局的影響力目前仍顯得相對有限。

從整個AI市場的發展趨勢來看，開源無疑是當下的主流潮流。例如，一些專注于基礎模型研發的企業已經開始堅定地走開源路線。

最近有新聞提到，OpenAI的創始人也承認，他們此前的路線可能存在偏差，開源或許才是更明智的選擇。開源已經成為市場的共識，被認為是當下最適合大模型發展的商業模式。它不僅對金融機構極為友好，因為金融機構無需承擔高昂的研發成本和風險，而且對所有機構都具有巨大的吸引力。

回顧移動互聯網時代，一些數字銀行，如百信銀行、微眾銀行等，正是借助移動互聯網的東風崛起。然而，如今這些機構在擁抱AI的過程中，也面臨著不同程度的差距。盡管未來可能會有機構憑借AI浪潮實現后來居上，但目前市場仍在探索和觀望之中，尚未出現明確的領跑者。

05

監管挑戰：如何平衡 AI 創新與合規？

九卦金融圈：銀行在推進 AI 落地時，遇到的最大挑戰是什么？是數據問題？合規問題？還是技術能力？

梅振衣：

目前銀行在 AI 領域的主要挑戰包括：

• 數據隱私與安全：銀行的數據合規要求嚴格，AI 需要在數據安全與創新應用之間找到平衡。

• 監管合規壓力：金融監管總局、央行對 AI 透明度、數據安全提出更高要求，銀行需確保 AI 的可解釋性。

• 技術落地難度：部分銀行 AI 人才儲備不足，難以快速構建 AI 生態。

銀行的應對策略：

• 引入 AI 風控透明機制，確保 AI 決策可解釋，避免“AI 黑箱”問題。

• 推行 AI 沙盒測試，在受控環境內試驗 AI 方案，降低合規風險。

• 加強 AI 監管團隊，確保 AI 方案符合銀行審計和法律要求。

結語

銀行 AI 未來如何演進？

AI 的大潮已經席卷銀行業，但技術路徑的選擇仍然因機構規模、業務需求和監管要求而有所不同。

• 頭部銀行傾向于自研大模型，形成長期技術壁壘。

• 中小銀行更傾向采購外部 AI，快速落地，實現業務賦能。

• 混合模式（開源+本地微調）正成為主流，兼顧安全性和靈活性。

AI 不會讓銀行科技人失業，但不會用 AI 的人可能會被淘汰。未來銀行科技人的核心競爭力，在于能否實現“AI+金融”復合型成長。

你怎么看？

你所在的銀行，AI 應用到哪個階段了？你認為銀行的 AI 發展路徑，應該是自研，還是采購？

歡迎在評論區分享你的觀點，我們一起討論！