本报记者 王柯瑾 北京报道

“拥抱AI”已成为一个广泛共识，银行正在加快金融AI大模型探索建设。

《中国经营报》记者注意到，近期多家银行金融AI大模型建设更进一步。具体表现在，多家银行宣布与科技公司签署联合协议，并通过创新实验室渠道，在金融AI大模型领域开展实践研究，促进AI大模型技术在金融行业的广泛应用。

在业内看来，AI大模型将成为金融科技的下一站风口，中长期看，金融AI大模型的探索应用将推动商业银行数字化进入AI+的新阶段。

“我国金融业拥有大规模的实时数据，通过构建垂直领域AI大模型，不仅可以充分发挥这些数据资源的价值，还能驱动金融科技创新发展和银行业的数字化转型。”中国银行（601988.SH）研究院博士后马天娇向记者分析，“随着技术的不断进步和监管的完善，AI大模型将改变银行运营模式，显著提升银行的运营效率，极大改善客户体验。”

合力探索金融AI大模型更多可能

AI大模型是指拥有超大规模参数（通常在十亿个以上）、超强计算资源的机器学习模型，能够处理海量数据，完成各种复杂任务，如自然语言处理、图像识别等。而金融AI大模型是指应用于金融领域的拥有大量参数和复杂结构的机器学习和人工智能模型。它们可以从海量的金融和经济数据中提取特征和规律，并建立高效的预测或分类模型，帮助金融机构做出更好的决策。

《2023金融业大模型应用报告》显示，一方面大模型具有更好的泛化能力，能够建立拟人化的思维链推理能力，不需要额外的训练或梯度更新。另一方面，大模型的能力引起开发范式的转变，开发成本、交付周期大幅降低，AI应用长尾问题得到有效解决。在大模型能力的加持下，各行各业都选择拥抱这一轮科技浪潮，将迎来范式转换与场景变革。

记者注意到，近期多家银行披露金融AI大模型探索新动态。

民生银行（600016.SH）与阿里云公司签署联合创新协议，并举行联合创新实验室揭牌仪式。联合创新实验室将在金融级云原生和AI大模型领域开展实践研究，在云原生研发平台、容器计算、大模型技术和应用等多个课题结合双方优势资源开展创新探索，深入挖掘先进技术在银行的高价值应用场景。

记者也从苏商银行了解到，该行与北京邮电大学签署金融大模型研究战略合作协议，基于通用大模型技术与AI算力能力，共同在AIGC、AI平台、金融云服务等领域开展研究，落地应用场景，加快培育新质生产力。根据协议，双方将合作开发专为金融行业设计的大模型应用平台，通过整合大语言模型技术、多模态向量库技术及检索增强生成技术，孵化自主可信的金融行业大模型，在智能投顾、智能风控、智能办公等垂直领域应用上，达到行业领先水平，加速推动金融服务的智能化、数字化转型。

苏商银行方面表示，该行在2023年组建研究团队，开展大模型技术应用研究。目前，该行已取得多个金融大模型领域的知识产权，在客户画像生成、代码生成、智能客服等场景开展了有效落地应用。如在客户画像生成领域，利用AI技术，能够在2小时内完成之前需要2个月才能完成的报告生成工作量，显著提升了全行的运营效率和服务质量。

中央财经大学证券期货研究所研究员杨海平分析认为：“在监管部门的指引下，稳妥推进商业银行与科技公司在AI大模型方面的合作，将对商业银行数字化经营、数字化管理产生积极影响。”

推动数字金融进入AI+新阶段

近年来，多家银行将金融AI大模型建设和应用作为金融科技战略以及数字金融大文章的重要内容。

如建设银行（601939.SH）投产金融大模型，构建大模型向量知识库，打造“文生图”工具，深入推进生成式人工智能技术在智能客服、市场营销、投研报告、智慧办公、智能运营、智能风控等场景的应用。作为核心编写单位，联合中国信息通信研究院发布国内首个金融行业大模型标准。使用异构图神经网络算法，经历史数据验证有效提升了企业风险预警效果。

随着金融AI大模型探索的深入，银行相关专利申请也不断公布。国家知识产权局数据显示，去年12月以来，有7项与“大模型”相关的发明公布，涉及5家商业银行。申请内容涉及：代码大模型的测评方法、装置、计算机设备和存储介质；基于大模型和RPA的网络安全监控处理方法及介质；基于大模型的催收敏感词质检方法和装置；基于大模型的智能报表生成方法及其系统；大模型数据保护方法、系统、设备、存储介质及程序产品等。

近日，记者从苏商银行了解到，该行成功申请一项基于大模型应用的银行客服系统升级方法、系统及装置的发明专利。该项发明专利是苏商银行参与的国家自然科学基金项目的阶段性成果，通过大模型技术应用，可以更加精确地理解客户需求，并提供定制化解决方案，从而显著提升客户服务体验。

苏商银行方面表示，近年来，该行推动AI大模型在前中后台多个业务场景落地应用，实现数字技术对金融服务的赋能。如在客户画像生成领域，利用AI大模型技术解决了信息交叉验证和可靠性等问题，使得客户画像生成效率提升5倍，促使金融服务更加个性化和定制化。同时，针对该行普惠客户较为集中的125个国民经济行业领域，该行补充上下游信息，构建完善产业链关系图谱，并基于AI大模型开展高效客户画像工作，进一步提升数据风控能力，实现对普惠客户更加精准的风险识别和金融支持。

“AI大模型一经诞生便深入渗透股市投资、风险管理、金融知识传输与服务、金融研究等领域。例如，线上客服功能，AI大模型利用强大的信息整合技术，有望解决银行与客户之间信息不对称问题，进一步增强用户咨询体验，提升交互效率。再如，投资顾问服务，通过深度学习，或可以分析客户是否过度投资于某种特定资产，并为其匹配合适的产品。又如，风险管理方面，可以利用其计算能力扫描资本市场中的潜在不当行为，检测并预防欺诈和洗钱，为各项业务的安全开展提供助力。此外，AI大模型在编写和测试代码、多语言翻译、协助创作等方面表现优秀，未来可能大幅提高工作效率，节约人力资源成本。”马天娇向记者分析。

中长期看，杨海平表示：“金融AI大模型的探索应用将推动商业银行数字化进入AI+的新阶段。”

大模型的挑战与应对

尽管大模型在金融科技领域具有巨大的潜力和优势，但创新也意味着将面临新的挑战。

在招联金融首席研究员董希淼看来，金融是AI大模型最重要的应用领域之一。但大模型尚在快速发展之中，开发机构应从技术、安全、开放生态、隐私保护等多方面继续改进和提升，增强大模型赋能金融的能力。金融机构应在依法合规的前提下利用好大模型等技术，升级优化金融类App，提升数字化的客户服务、产品营销、贷后管理等能力，努力结合实际做好数字金融大文章。

在杨海平看来，商业银行运用大模型只能是建立在体系化思考之上的渐进过程，其最有可能的路径是从外围业务走向核心应用。“率先发生变革的领域是智能客服、客户数据分析与精准营销、理财业务中的陪伴式服务等，逐步将变革传导至风险控制、产品设计以及场景化金融服务等领域。”

在杨海平看来，商业银行运用大模型可能遇到的难点与挑战包括算力的制约、数据质量的制约、人才的制约等，还会面临本地化、个性化部署的难题，以及大模型训练能力和训练经验不足的问题。“由于商业银行对大模型的了解仍有限，大模型的应用可能带来的数据安全以及其他可能的合规与风险问题亦值得警惕。”

马天娇亦认为，AI大模型在实际落地过程中仍面临一些挑战，如数据隐私和安全、模型的可解释性、预测的准确性以及伦理法律保护等。

因此，马天娇建议，银行应健全AI大模型安全应用制度，建立内容审核监管、知识产权保护、数据安全等机制，保障各参与方的合法权益；将AI相关风险纳入整体风险管理和合规管理框架中，对模型数据参数进行定期评估和交叉验证，并使用压力测试模拟校验，及时披露模型决策机理、运行逻辑和潜在风险，提升算法的可解释性、透明性与公平性；建设覆盖全金融系统的、快速共享的反欺诈数据交换平台，开发用于欺诈检测的AI模型等。