Top银行看中的大模型，正在打开一个全新的数智化时代
来源：轻金融 作者：尚志科

如果说银行业前几次信息化革命，都是渐进式的、缓慢的，生成式AI所带来的冲击，则是突飞猛进式、指数级的。

不过，需要思考的是改变究竟会有多大？领先的机构给出了有价值的参考。BCG以一家约2万名员工的银行测算显示，规模化应用生成式AI预计首年可以为该银行节省约1.5亿美元的成本。

无独有偶，在2023年9月20日“华为全联接大会2023”峰会上，华为数字金融军团CEO曹冲指出，“在某大行近两万网点，20万多个网点员工通过盘古大模型已经实现了根据客户问题生成操作指引，将以前5次操作缩短为1次，单次办结时间缩短5分钟。员工的效率和客户的体验都得到了极大的提升。”

这些场景并不是虚构的，而是每天在很多银行真实上演着。然而，这些也只是大模型在金融领域应用的冰山一角。大模型正在重塑整个数字金融行业，包括市场、渠道、产品开发、客户服务等所有的领域，数字化转型走得比较快的银行，已经在大模型的场景应用上占据了先机。

01

大型银行全面拥抱大模型

2023年，无疑是生成式AI的爆发式元年，这个从上世纪就诞生的技术，在算法、算力和数据全面突破下，终于来到了爆发临界点。激战来临，大模型厂商快速迭代，你追我赶。

随着各大巨头的大模型底牌一个个揭开，最终的看点是落地应用效果，能否在垂直领域里实现深度赋能，实现价值提升，是检验大模型价值的核心。作为天然的大数据行业，金融行业数字化需求强烈，科技投入巨大，因而也是大模型在垂直领域的关键落地行业。

实际上，AI在金融行业的应用已走过多年。但在大模型之前，训练数月才能训练出一个专用模型，对于金融机构来说成本非常高，限制了AI的普及。“我们正在走向大模型时代，AI生产力将会无处不在，重塑整个数字金融行业；面向未来，金融机构应用大模型的能力，将成为关键生产力。”曹冲指出。

可以说，金融机构应用大模型的能力已经成为核心竞争力。在历次信息化革命中都勇于创新的银行业，成为拥抱大模型的先行者。2023年上市银行半年报，揭示了大模型应用进展。

“利用AI大模型技术开拓新型业务应用场景，率先实现百亿级AI大模型的实际应用”工行在半年报提到；“提升GPT类自然语言处理大模型的建设能力，并重点发掘其在全流程财富管理中的应用，投产FinGPT创意中心，加快大模型应用模式探索”。招行半年报也指出。

从大模型的最新应用看，在银行业应用已经非常广泛。在财富管理领域，大型银行在财富、营销、运营、风控、客服等环节，打造智能化时代的智慧应用平台；在金融市场领域，实现由大模型辅助生成投资研究报告；在网点服务中，通过大模型和文档搜索引擎相结合，构建网点员工助手，可以快速准确解答相关问题。

未来，生成式AI将无所不在，在银行业的应用前景也将贯穿前中后台各个环节，每一条业务线、每个职能岗位都能找到相应的应用场景。但大模型的运用仍然面临知识与专业、高质量的数据集、安全合规、算力等挑战，这些都是厂商要和行业一起解决的关键难点问题。

以数据为例，用好大模型首先需要高质量的数据。曹冲指出，大模型应用走得较快的银行，都在数字化转型方面做得比较扎实，如果能打通数据和AI孤岛，让大模型直接在数据所在的集群上运行，就可以节省大量的时间和资源。

02

更懂金融数智化的大模型来了

新技术变革速度加快，对金融业的反应能力、技术创新与应用能力提出了更高的要求。尤其是当生成式AI渗透进金融行业的每一个地方，摆在众多金融机构面前的核心问题是，怎样才能让大模型飞轮转动起来，成为金融生产力智能化的引领者？

在行业专家看来，大型金融机构可引入业界领先的基础大模型，采用微调形成专业领域的任务大模型，快速赋能业务；中小金融机构可按需引入各类大模型公有云API或私有化部署服务，直接满足赋能诉求。

轻金融发现，上半年多家银行提到正与头部科技公司合作，探索千亿级人工智能大模型的创新应用实践。对银行而言，模型的选型是从根本上解决生成式AI应用场景质量的关键输入点，该怎么去选大模型？BCG发布的《银行业生成式AI应用报告2023》指出，银行业可以从准确性、置信度、鲁棒性、公平性、效率等多个维度进行验证。

可以确定的是，大模型市场会向大机构集中，大模型的领先者与跟随者之间的差距，会越来越大。在众多厂商中，华为长期深耕金融智能，也是大模型应用的先行者，其能力更全面，得到大量金融客户的信赖。

为了帮助金融机构加快大模型的应用与创新，9月20日，华为重磅发布华为金融大模型三层解决方案，包括10大应用场景，盘古金融大模型和“算-网-存-云”大模型底座。这一解决方案将从“三力”协同出发，降低工程复杂度，帮助金融机构更快搭上大模型的高速列车。

一是场景层，通过创新生产力，实现场景价值释放。华为首次推出的三大类的场景方案，覆盖10个子场景，并且实现了场景落地。在软件开发领域，与头部大行合作，利用大模型代码生成、代码测试等能力，编码助手的代码生成占比从20%提升至40%；在智慧办公领域，交通银行利用大模型构建招聘助手，提升人才识别率和招聘效率。

要真正实现大模型的场景落地，工程化能力和丰富的生态体系也非常重要，这也是华为的优势。华为联合数据标注、模型调优、应用开发等伙伴，构建丰富的大模型生态体系，并从从多年的开发实践中，沉淀出了完整的、模型落地的工程化工具链，覆盖了从模型微调、数据工程、应用开发、安全工程等一系列工具，让客户和伙伴更便捷地调用大模型。

二是模型层，通过盘古金融大模型，跃升智力。“一个强大的基础模型，加上充分沉淀金融知识与业务逻辑，金融大模型才会走向全面专业。”曹冲指出。

华为有业界遥遥领先的基础大模型，支持千亿级参数大模型高效训练。2023年7月7日，华为发布盘古大模型3.0版本，并发布盘古系列大模型，从L0自主构建，具备100多种模型能力。以NLP为例，盘古NLP大模型是业界首个超千亿参数的中文预训练大模型，在同样的数据浇灌下，能训练出更“聪明”的模型。

大模型的智力离不开专业知识和行业规则的浇灌。这方面，华为已淬炼出最懂金融行业的大模型，能够根据不同的金融领域定制化训练和优化。

华为打造的盘古金融大模型在金融知识方面沉淀了五大类金融数据，注入了千亿级金融Tokens；在金融技能方面，目前已经构建200多个细分应用场景，沉淀了上千个细分场景模板；同时，融合了100多个行业标准、规范的知识库，让大模型更专业；构建了数据安全、模型安全、内容安全等全流程的合规能力。

三是底座层，夯实“百模千态”的智能底座，提供澎湃算力。区别于传统模型，大模型需要更高效、更稳定的底座支撑。而底座需要从算力、组网连接、数据存储等环节全面考虑，这正是华为独特的优势。

华为已经构建了算-网-存-云协同的大模型智能底座方案，为大模型提供澎湃算力。比如，在高性能集群训练上，将token处理时延降低至100ms以内，提升节点互联效率；在高可靠模型保护上，将训练中断时间从天缩短到分钟级，实现了月级稳定训练；在高效绿色节能方面，将网络能效比从0.1提升到0.5 PFLOPS/KW（每千瓦浮点运算次数）。

很多金融机构都在探索大模型的使用，华为通过自身的技术能力和积极的生态合作，努力去解决一个个问题，让金融机构面对大模型实现会用、好用、有用。截至目前，中国Top20银行中，已有1/2选择华为的AI软硬件平台。

03

全方位促进金融应用现代化

大模型只是AI在金融业落地重心之一。

在更广泛的领域，AI正在全方位促进金融应用现代化，随着大模型能力逐步落地，将进一步演变为“平台+服务+AI”模式。BCG指出，生成式AI在银行业规模化应用的落地，是一个体系化的工程，其成功与否，10%看模型，20%看整体IT能力升级，70%依赖于业务与组织的转型。

华为很早就意识到这些要素，将更多华为优秀实践和能力输送到金融行业，引领金融应用现代化升级。在当天，华为重磅发布金融PaaS能力，全面升级分布式新核心解决方案，聚焦开发运维、金融级中间件及高可用管理3大领域，持续投入1000+的PaaS领域专项人才。

在金融应用现代化的路上，华为正与很多客户同行。在华夏银行，基于华为金融级PaaS平台和GaussDB，助力华夏实现首个账务类核心业务系统上线，迄今已完成40多个核心应用现代化改造。在全球，华为已支持150+客户走向应用现代化及核心升级，包括人行清算、大型银行、城商农信及海外金融机构等。

数字人民币与智能合约结合，也是一个应用现代化使能金融服务融入场景的成功案例。

华为基于深厚的ICT产业技术优势，与数研所构建多地多活的数字人民币基础设施，同时积极探索智能合约场景应用，构建可信的智能合约底座和智能合约服务平台。 这一解决方案在场景化方面应用成果突出。当天，华为还联合农业银行、北京银行、东吴证券，一起发布华为数字人民币创新方案，包括智能合约底座和智能合约服务，以及共同打造的场景化应用成果。

正是凭借这些突出的优势，在中国，Top20的银行中，已有1/2选择了华为的AI平台，并与多家大型银行进行了全面的大模型联合创新与实践。而AI给银行业带来的颠覆性影响刚刚开始，引入优质的大模型、提升金融应用现代化刻不容缓。

“十年磨剑放光芒”。无论是在大模型领域的深耕，还是多年来推进金融应用现代化的努力，华为着眼的都是在长远推进金融行业整体的智能化进程，为金融业带来源源不断的增长动力，成为越来越多金融机构决胜的关键力量。