在科技浪潮的推动下，银行业正积极拥抱“新质生产力”。其中，大模型技术以其强大潜力和创新能力初露锋芒。然而，该技术的应用并非一帆风顺，当前仍存在诸多待解难题。对此，银行业是如何应对的？未来，大模型技术在银行业的应用前景究竟如何？

　　“新质生产力”成为今年两会期间最亮眼词汇。

　　2024年国务院政府工作报告指出，大力推进现代化产业体系建设，加快发展新质生产力。而对于银行业而言，新质生产力的根本动力依旧是“科技创新”。

　　当下，从ChatGPT的推出到Sora的横空出世，有关大模型的讨论被推向高潮，大模型也成为目前各家银行关注的焦点，被认为是银行业的“新质生产力”。

　　截至目前，包括工商银行、农业银行、中国银行、交通银行、招商银行、中信银行、兴业银行在内的多家全国性银行，都明确提出探索大模型的应用，部分大行已开启自研金融大模型之路。

　　大模型应用初露锋芒

　　近年来，如火如荼的大模型正以迅雷不及掩耳之势“渗透”到各个工作领域，金融业也不例外。

　　在ChatGPT首次问世后三个月，邮储银行、兴业银行、百信银行、新网银行、中信银行纷纷宣布将接入“文心一言”等大模型平台。

　　2023年3月，农业银行推出了类ChatG⁃PT的AI大模型应用ChatABC。据了解，1.0版本ChatABC大模型可初步具备自由闲聊、行内知识问答、内容摘要等多类型任务的服务能力，已在该行内多个渠道以多轮问答助手、工单自动化回复助手等形式面向内部员工开放试用。

　　同样是去年3月，工商银行与多家机构联合发布了基于昇腾AI基础软硬件平台的金融行业通用大模型，实现了企业级金融通用模型的研制投产，并应用于工商银行的客服、营销、运营、风控等业务领域。

　　业内认为，金融业具备大规模、高质量的数据资源和多维度、多元化的应用场景，被视为大模型技术应用的最优行业之一。

　　以ChatGPT和Sora为代表的新一代生成式人工智能，也将为金融业发展提供更好的技术手段和发展机遇。清华大学经管学院发布的一份报告显示，生成式AI正在席卷金融业，释放新的生产力，以前所未有的方式重塑全球金融业

　　的格局。

　　在过去一年里，多家国有大行、股份制银行明确在2023年半年报中提出对AI大模型等相关布局。

　　在落地应用方面，已有银行率先将大模型技术应用于智能客服场景，并正在研发大模型在辅助研发、文本生成环节的应用。

　　招商银行上海分行信息技术部副总经理王皓在公开场合介绍，招商银行自2017年起开始耕耘于大语言模型研究，并不断尝试用数据驱动来优化迭代自身模型能力。从应用场景来看，已分别在面客类推出智能财富助理“小招”以及AIAgent的应用。

　　王皓介绍，“小招”解决了两个非常关键的点，第一个是多轮绘画的意图识别，在过往的技术里包括LSTM（长短期记忆网络）是有些缺陷的，第二个关键点是回复内容可能需要进行一些人工审核和强化；在对内服务类，针对全行各条线员工开发办公助理和岗位助理的相关应用。

　　在盘古智库高级研究员吴琦看来，随着以Sora和ChatGPT为代表的新一代人工智能在银行业务和场景中的深度应用，将催生金融服务新范式。比如应用于智能客服、智能营销、智能风控、反欺诈等方面，在客户金融需求、客户智能服务和员工数字化能力方面带来指数级跃升，为客户提供更加便捷、高效的服务体验，为银行提质降本增效，推动银行业务变革升级、迭代与重构。

　　商业银行掀起新一轮技术竞赛

　　银行业这一轮的数字化转型似乎迫在眉睫。

　　金融供给侧改革使得原来的高息揽储、高息放贷的传统发展模式无以为继，银行亟须通过整体的数字化转型来提升自己的差异化和精细化的经营能力，降低成本，发展自身竞争优势。

　　江苏苏宁银行金融科技高级研究员孙扬表示，目前，资产利率持续下行，息差压力增大，在低息差的前提下，银行如何实现商业可持续化，关键就在于数字化转型是否成功，是否实现业务全流程数字化、管理全流程数字化。

　　近两年，尽管商业银行面临营收增速放缓压力，但从财报中可以看出，各家银行对于金融科技的投入、对于AIGC和先进科技体验的投入热情有增无减。

　　2023年半年报数据显示，截至报告期内，招商银行信息科技相关投入金额52.06亿元；光大银行科技投入金额20.43亿元，此外，兴业银行2023年上半年科技投入33.27亿元；渤海银行实现科技投入5.3亿元，同比增加4.89%。

　　“数字化转型如果真正实现，可以显著降低银行经营成本和费用，增加银行的利润空间，还可以显著提升银行的产品竞争力、银行和实体经济的融合程度以及银行风险管控的能力。”孙扬称。

　　与此同时，为了配合转型，银行也积极调整组织结构，例如民生银行成立了数字化金融转型牵头部门“生态金融部”；建设银行、中信银行等多家银行专门成立了数字化转型办公室等。

　　不过，当前生成式AI技术在各个细分领域的应用还处于萌芽状态，金融业在大模型实际落地过程中，还存在着算力、数据治理等诸多成本和监管问题。

　　在交通银行副行长钱斌看来，金融领域的专业数据和公共数据不足，由于金融制度的差异，无法完全照搬国外的金融语料、金融知识。而金融服务的专业性、精准性又对人工智能技术的效果和可信度提出了非常高的要求。因此，在丰富数据种类、强化数据治理、提升数据质量、保障数据安全、完善数据共享机制等方面还任重道远。