原创懂财帝科技组懂财帝2024年10月07日
未来一段时间，AI大模型的场景化落地将会是银行业的重要命题——它考验的不仅仅是哪条技术路线能落地更快、更稳，更考验银行的战略规划、落地执行等能力。
©️懂财帝出品 · 作者｜嘉逸
9月的最后5个交易日，A股涨疯了，上证、深证、创业板指数分别暴涨21.37%、30.26%、42.12%。
趁着国庆假期，笔者本想整理一下市场观点和板块涨幅数据，做策略复盘。搜了一圈金融类APP，遂放弃了这个念头。
因为我发现了一个更有意思的点——尽管AI金融大模型被吹得天花乱坠，但在实际应用中，效果却各有差异。
资料来源：东方财富Choice、同花顺iFind、招行APP
例如，我想了解国庆后A股市场上涨的概率。
东方财富AI的答案算是合格，从历史概率、行业表现进行了分析，给出了“上涨概率较大”的结论，并提示了投资风险。
但同花顺AI的回答就比较混乱，开头就搞错了时间——“2024年9月30日反而在国庆之后”，后续的影响因素分析也很笼统。
对比之下，招行AI给出的观点同时覆盖了股票、债券、黄金三个投资品种，相对完善，利好、利空的原因分析也比较切合实际，确实具备一定的参考价值。
聊到这里，笔者想起前段时间，有两家国有行的朋友透露，他们内部已经开始使用AI大模型来撰写研究分析报告和编写代码了。
除此之外，另一个重要趋势是，所有的国有行、股份行在2024半年报中都明确提到了AI大模型。其中，工行、建行、邮储银行、兴业银行、民生银行等，更是花费了大量笔墨来介绍AI大模型的最新落地进展。
再叠加新质生产力等政策来看，显然，中国银行业正大踏步进入AI时代。
今天，我们就一起来聊聊这件事。
01｜得场景者得天下
移动互联网时代，“得场景者得天下”被银行奉为圭臬。
如今的AI时代，亦是如此。
梳理国有行、股份行2024半年报能发现，今年上半年，大部分玩家正从AI大模型的研发，向场景落地应用进阶。
来看几个具体的案例。一个是兴业银行“随兴写”生成式大模型赋能反洗钱。
过去，兴业银行的反洗钱员工每天要处理约30份可疑交易报告。这一工作极其繁琐，每份报告都要从头开展调查、分析交易流水与行为特征，再到撰写润色。处理时长短则20分钟，长则1个小时。
按照最短时间计算，仅30份报告处理下来，就要花费至少10个小时。这意味着，加班是常态。
但现在，随着AI大模型的落地，他们终于可以卸掉沉重的“包袱”了。
据悉，兴业银行“随兴写”是一个可疑交易报告智能生成模型，它利用大模型与自然语言处理技术，能高效精准分析洗钱可疑客户行为、可疑主体信息和可疑交易信息等特征，并快速生成辅助分析报告。这意味着，反洗钱员工只要在初稿基础上调整优化，即可上报提交。
这大大解放了生产力。多位一线员工透露，现在他们可以“将更多精力投入到业务发展、新型洗钱手法研究和专家规则优化等工作之中。”
另一个是AI大模型赋能财富管理。
在国内，缺少金融知识的大众客群一直是财富管理的“盲区”，他们极易追涨杀跌，长期缺少投资获得感。这几天A股暴涨，很多散户非理性贷款、加杠杆“跑步入市”，就是证明。
但如今，AI大模型的应用创造了新解题思路。
本文初提到的招行智能财富助理“小招”就在后市展望中列举了利空因素，并提示了风险：之后可能进入震荡调整期，仍需等待经济基本面好转。
此外，“小招”还能针对笔者的资产给出了配置优化建议，如下图，“小招”就建议：及时补充活钱配置，灵活取用以备不时之需。
资料来源：招行APP
中信银行也已入局。其基于大模型、自然语言处理、知识图谱已推出智能财富顾问“小信”，它不仅能解答“投资投什么”，还能解读“产品好不好”、分析“持仓怎么样”，以及给出资产负债、加减仓等建议。
客户觉得怎么样呢？一组数据可以说明，截至今年6月末，“小信”已累计服务超百万普通投资者，累计会话量超327万通，用户满意度超95%。
第三个案例是AI大模型赋能研发。
民生银行是“吃螃蟹者”，其研发团队推出了代码大模型规模化应用方法——“慧码”旅程，并基于行内的大模型平台，打造了覆盖开发、集成、测试、投产的端到端运行风险监测能力。
具体效果如何？来看测试数据：引入代码大模型产品后，系统的生成采纳率为20-30%之间，采纳代码与提交量占比大致在30%左右，接近业界主流实践水平，代码注释率从18%提升至约30%。一句话：民生银行的开发效率和代码质量实现了大幅提升。
而这三个案例仅仅是中国银行业数字化、智能化转型的“一隅”。
AI浪潮愈加汹涌。截至目前，中农工建交邮储6家国有大行都已经发布了自己的大模型，股份行中，招行、平安、兴业、中信、浦发、民生6家银行也已推出自己的大模型。
剩余的浙商、光大、华夏三家银行正加码资源，积极研发AI大模型。
场景落地事关降本增效，以及新商业增量的挖掘，虽然搞得很热闹，但目前仍处于探索尝试的初期。
根据财报和公开资料，银行大模型主要应用于智能问答、智能客服、智能撰写研报、智能风控、智能营销、数智财富管理等，标准化程度较高的业务模块。
02｜两条技术路线
十年河东，十年河西。
遥想十年前，银行还是移动互联网转型的“困难户”。如今，他们已成为AI大模型落地的“排头兵”，并走出了两条不同的技术发展路线。
其一是技术自研派，大概率是想实现完全的自主可控，农行“ChatABC”、建行大模型、平安银行BankGPT、兴业银行ChatCIB是代表选手。
他们都拥有较强的科技实力。《麻省理工科技评论》发布的最新榜单显示，平安集团在大模型领域的专利申请量为327件，位居全球前三，建行、农行位居前十。
基于此，农行是国内最早推出银行大模型的机构。农行“ChatABC”和兴业银行ChatCIB的参数规模已达到百亿级。
建行大模型、平安银行BankGPT暂未披露相关技术数据。但落地情况可圈可点，截至上半年末，建行大模型已全面赋能对公、零售、资管、风控、科技、管理六大板块79个内部业务场景；平安银行BankGPT已应用在零售贷款审批、运营管理数智化升级、消保降诉、汽车金融AI验车等业务场景中，实现了降本增效。
其二是“融合派”，走的是“外部引入+内部自研”的技术路线，代表选手有工行、交行、邮储、招行、中信、浦发、民生、浙商8家银行。
并非这几家银行技术不行，而是因为他们想借鉴外部千亿大模型的底层能力，再来打造百亿级的银行垂直模型，以实现能力互补，快速落地。
理论上是可行的。通用大模型灵活度高、泛用性强，但受制于成本，在细分领域并不深入。垂直模型的专业性、合规性强，但通用性差，数据利用率低。二者正好互补。
实践中也取得了一定成果。比如工行大模型和华为昇腾大模型合作研发的，其参数规模已经达到千亿级，已在金融市场、信贷风控、网络金融等50多个场景落地，在银行业内处于领先地位。
邮储银行这两年的转型速度很快，它在半年报中花了大篇幅来介绍AI大模型在生成创作、研发、风控、消费者权益保护、法律法规等场景的落地情况，以及降本增效成果。它和智谱AI有合作，“邮储大脑”已经接入百度文心一言。
招行最为开放，去年引入了上海稀宇科技（MiniMax）的千亿级大模型，随后又积极“牵手”腾讯、华为、商汤科技、字节系的火山引擎、智谱AI等科技公司。
并且，招行还表示，将“加强与百余家大模型生态链企业的深度沟通，推进大模型内、外部生态建设，加快推动AI大模型等前沿科技在本公司的应用落地。”看得出来，招行对AI“野心勃勃”。
当然，其他银行也是如此，对AI志在必得。
所以，未来一段时间，AI大模型的场景化落地将会是银行业的重要命题——它考验的不仅仅是哪条技术路线能落地更快、更稳，更考验银行的战略规划、落地执行等能力。
“逐鹿”AI，银行机构将进入一场全维度的高烈度战争。
03 ｜大模型拐点未至
聊了这么多，是不是有种感觉：AI银行要来了。
以后在线上，智能AI助手就能解决你的日常金融需求，并根据你的习惯给出个性化解决方案，比如：A股大涨，会第一时间为你分析原因；资产配置不合理，能为你“量身定做”财富管理方案，并推送合适的金融产品。
如果需求复杂要去线下网点办理，客户经理早就通过AI系统了解到你的需求，并提前制定好了一站式解决方案。
银行基层员工们更是开心，他们终于从复杂繁琐的数据和报告中解脱了出来，不再受“案牍劳形之苦”，可以专注于业务发展和客户服务。
这太酷炫了，几乎就是布莱特·金描绘的银行4.0时代“金融无处不在”的情景。
但笔者现在要泼一盆冷水，实现上述梦想还很遥远。当前，银行连AI大模型“拐点”都还没跨过。
一个核心痛点是，以大模型为代表的生成式AI技术本身还不成熟。
受制于数据质量、语料库标准化建设、训练成本等因素，AI大模型经常出现“AI幻觉”，即一本正经地胡说八道。如本文初提到的，同花顺AI把时间都搞错了，2024年9月30日反而在国庆节之后。
资料来源：招行APP、平安口袋银行APP
再以招行智能财富管理助手“小招”和平安口袋银行APP为例。
当笔者换了个问题，提问“A股”和“A股热门板块”，“小招”就无法回答了。在平安口袋银行APP中，笔者提问“A股后市展望”，“小安管家”也无法了解到我的实际需求，给出的问题推荐也都不匹配。
另一个关键问题是技术安全和法律监管。
今年8月，欧洲人工智能法案（AI Act）已正式生效。9月30日，尽管美国加州州长Gavin Newsom否决了加州AI限制法案，OpenAI、谷歌、Meta等科技公司逃过一劫，但AI安全治理已经成为全球关注的焦点，且暂未有合适的解决方法。
因此，为了规避技术风险，国内银行落地AI大模型都是小步实验，稳步推进的节奏。
但没办法，商业银行连接着14亿国人和数百万亿资产，事关人们的“钱袋子”，这注定了他们无法“快跑”。
但我们也无需灰心，当AI技术愈加成熟、法律监管逐渐到位时，银行机构就能大显身手，数智化金融就能无处不在。
我们可以怀着开放包容的心态，给银行和科技公司更多一些时间。
说明：数据源于公开披露，不构成任何投资建议，投资有风险，入市需谨慎。
—END—
「点赞」「在看」与 「分享」，你对作者最大的支持。
