「财经分析」银行争相拥抱人工智能 能否实现科技赋能金融“最优解”？

3D智能交互数字员工上岗、AI贷前调查报告快速生成，债券智能助手提升运营效率……今年以来，金融行业迎来大模型应用的爆发期，多家银行纷纷加大对 AI 技术的投入，不断探索创新，努力提升服务体系的智能化水平。

业内人士、相关专家表示，当前，个性化的客户体验成为银行竞争的关键。AI 技术的应用使银行能够更便利地提供量身定制的金融产品和服务，有助于拉动业绩增长。但不容忽视的是，AI是把“双刃剑”，其在金融领域中应用越广泛，银行面临的数据安全和信息保护的压力越大，这对银行的技术水平和管理能力提出了更高的要求。

国有大行研发进入爆发期 助推业态全面升级

近年来，随着人工智能技术的飞速发展，国有大型银行纷纷将目光聚焦在 AI 大模型的研发上。据《麻省理工科技评论》2024年发布的全球金融大模型领域专利创新排行榜，有12家中国机构进入全球前20。其中，蚂蚁集团、平安集团、工商银行位列前三，另有建设银行、中国银行、马上消费金融、微众银行、农业银行等5家机构进入前10。

记者梳理年报及公开信息发现，今年以来，已有近20家银行披露了在AI领域的探索，国有大行是主力军。其中，工商银行与邮储银行对大模型的重视度相对更高，对此话题的提及次数到篇幅都远超其他大行。

其中，工商银行在半年报中提到，今年上半年，该行深化大模型技术建设与赋能，金融同业首家完成企业级金融大模型全栈自主可控训练和推理部署；促进大模型技术与业务深度融合，实现多领域落地创新应用，包括赋能金融领域投资、融资、交易等业务全流程，依托大模型打造营销智能助手。

“大模型”一词在邮储银行今年半年报里出现了15次，是所有上市银行中最多的。邮储银行披露，已完成大模型算力云资源池试点建设，达成分布式对象存储跨云落地应用，今年上半年新增超50万vCPU（虚拟处理器）资源，有效支撑系统资源的平滑迁移。目前，该行大模型异构算力集群已初步具备支持千亿级规模大模型训练能力。

建设银行则在打造金融影像文字识别产品方面持续发力，研发的系统可支持识别140余种票据，覆盖 75%的票据识别量，票据审核信息录入效率提升120倍，并获得全球人工智能文档图像分析识别领域比赛 (ICDAR 2023) 印章文字检测赛道冠军。

中国银行披露，今年上半年该行推动隐私计算、物联网等技术应用，围绕算力、算法、数据三大关键要素，试点代码辅助等大模型应用，开展抗量子密码、量子计算技术预研。

上海金融实验室主任、首席专家曾刚表示，不同类型的银行应选择适合自己的数字化路径，国有大行会更注重安全性和技术要求。预计未来有相当数量的金融岗位可能会被人工智能所替代掉，银行应该尽快构建新的核心能力，实现高质量发展。

中小银行“小步快跑”寻求AI赋能新机遇

记者调研发现，人工智能在金融中的研发创新具有投入成本高、见效相对慢、边际收益递增、规模效应等特点。相比大中型银行，城商行、农商行等中小银行虽然在成本投入上不可同日而语，但并未坐以待毙，在资源有限的情况下“各显神通”，奋力追赶数字化浪潮。

根据对今年年中报的梳理，北京银行无疑是表现极为活跃的中小银行之一。今年，北京银行发布了AIB 人工智能创新平台，整合了多达 80 项大模型服务以及 7 项 GPT 创作工具，构建起的数字化体系覆盖了语音交互、图像识别、自然语言处理、智能决策、知识图谱、机器人自动化、虚拟数字人、大模型等领域。

可圈可点的是，北京银行对 “冒烟指数” 风险预警模型进行升级迭代，加速推动新一代信用风险管理系统的建设，并凭借 “大数据 + GPT 大模型” 的生成式写作能力，建设了京信妙笔智能报告平台。

南京银行同样表现活跃。据披露，今年上半年，该行上线人机协同智能外呼，有效提高了触达目标客户的效率，成功落地营销助手、办公助手等 9 大类 40 余个服务场景，打造了“小禾Chat” 业务答疑助手，提供各类大模型服务次数超过 30 万次。

还有部分中小银行把重点放在持续深化大模型等新技术应用场景方面。例如，上海银行打造“数智化+人性化”的对公在线服务体系，探索利用大模型提升精准问答能力，建立前中后台协同的对公专家服务团队；重庆银行开展多模态AIGC能力的深度探索，试点将大模型技术融入OCR等传统领域，提升智能识别水平。

此外，相较大中型银行的技术研发优势和人才储备实力，中小银行在技术创新、数据治理和生态构建方面处于劣势。因此，也有部分中小银行选择借助外力，实现优势互补，力保不掉队。

宁波银行近期公布与蚂蚁集团达成战略合作，双方将联合在大模型、大数据、高性能计算、区块链等领域探索联合创新，共同推动新技术应用的研究落地。江南农商银行宣布与京东云合作，引入AI数字人，借助“言犀”平台，实现了3D数字人客服，简化了用户交互流程。

机会挑战并存 AI更好赋能金融需坚持“长期主义”

业内人士表示，银行业在奔向“AI+”的道路上并非一帆风顺。一方面，技术的快速迭代要求银行不断更新系统和培养人才。另一方面，数据安全和隐私保护问题也成为智能化过程中不可忽视的挑战。

平安证券研报指出，2024年，在对公信贷定价缺乏弹性的背景下，零售贷款的增长将成为银行稳定资产端收益水平的关键。但不可否认的是，风控复杂、监管趋严、人才紧缺⋯⋯对于银行而言，在数字化转型过程中，还有一系列具体挑战需要面对。

据《2024年金融业生成式AI应用报告》显示，虽然生成式AI正以前所未有的方式重塑全球金融业的格局，但大模型开发和使用的高成本也是阻碍其在金融业应用的主要挑战。高成本来源包括高性能GPU一片难求、大规模参数带动的高耗电、大模型人才匮乏、数据安全下的本地化部署等，这些因素可能导致一些预算紧张的中小银行与生成式AI无缘。

业内人士认为，作为对信息技术依赖度最高的行业之一，银行的日常运营、风险管理、客户服务都需要依托底层IT系统。但银行自身IT资产较重，做大规模系统升级较难。因此，为了适应人工智能的发展，银行业需要通过引入先进技术降本增效，更好支撑上层业务的数字化转型。

瑞银证券非银金融分析师曹海峰表示，生成式AI对金融行业的潜在重塑效果更为直接，主要是由于其大量的数据沉淀、劳动力密集度高，以及与语言相关的工作内容占比高。但在将其应用在合规风险防范方面时，一方面需要确保内部数据的安全性，另一方面应谨慎使用GPT技术在服务客户中，如直接推荐股票、基金等，以免触碰监管红线。