大模型如何重塑金融行业银行服务：挑战与机遇并存

在金融科技快速发展的今天，大模型技术的兴起正在为银行业注入新的活力。本文将探讨大模型如何影响银行服务的转型与发展，及其所面临的挑战和机遇。

大模型正在为金融领域注入新的生命力。

科技刊物《麻省理工技术评论》（MIT Technology Review）披露，截至6月30日，我国已有12家金融机构大模型领域公开专利申请数量进入“全球金融机构大模型领域专利创新排行榜”前20名。

A股上市银行半年报中，招商银行、浦发银行、光大银行等多家公司提及大模型技术，表示将积极探索其应用场景。

“大模型与银行业高度匹配。”招商银行信息科技部总经理、拟任首席信息官周天虹在“2024招银浦江数字金融生态大会”上表示，银行是典型的知识密集型行业，大模型的核心正是围绕自然语言以及知识的理解、加工和处理。

周天虹称，大模型广泛应用在银行业将产生显著商业价值，技术与金融场景的深度融合将推动数字金融能力转化为新质生产力，将银行角色由“满足客户金融需求”转变为“为客户提供多元价值、帮助客户更成功”。

不过从技术发展的可能性看，智能金融现在还处在“辅助+助理”的早期阶段。

目前应用方向集中在改进产品与服务、改进运营与风控两方面，未来仍有巨大空间。

原中国银行行长李礼辉指出，最新AI大模型已实现根本性技术迭代，未来或进一步创造决策式的“智能金融+生成式智能金融”新模式。

李礼辉指出，新模式要点之一在于人机的交互高拟真性。

例如应用多模态技术智能金融的机器人有可能做到动态捕捉、及时感知、正确理解客户的语言和表情，准确判断客户的风险偏好和业务需求，解决机器服务冰冷问题。

要点之二在于非结构化数据处理的高效与精确性。

例如利用多模态技术的AI工具可在医疗、健康、保险业务中对病例和医疗影像进行专业水准的质检和分类，核准健康评估，识别医生的字迹、辨别声纹、甄别虚假理赔；可在银行前台、中后台对各种票据、合同等非结构化数据进行真实性审核和自动录入。

前景广阔同时，金融科技大模型实际应用仍有诸多挑战。

例如，如何建立合理的的算力消费模式。

中国工程院院士高文指出，我国当前算力增速领先发达国家。为持续增强竞争力，需要建设合理算力消费模式。

与“西电东送”逻辑相似，“东数西算”就是其中代表。

高文表示，“这一模式能把西部电力和当地算力中心、数据中心结合，提供给东部经济活跃的地方消费。不过要达成理想效果，仍面临核心算力供给、通信连接问题、算力分布调度、算力如何实现低碳排放4个挑战。”

不过与之相关的技术门槛依然较高。

华为公司副总裁、华为算力平台先遣队副总指挥胡克文指出，从技术部门角度看，人工智能大模型的微调、二次训练仍有着较高的门槛，“尤其二次训练的技巧、经验都是稀缺能力。”

“如何开发、未来计算的范式会有哪些变化、从数据+模型变成应用将在哪个平台、哪个工具链上都会发生很大变化。”胡克文表示，“要意识到人工智能不只是技术革命，也是组织变革、业务变革的革命。正确的认知下才能把事情做好。”

总体来看，大模型在银行业的应用潜力巨大，但仍需克服技术、算力及组织变革等多重挑战。金融机构应调整战略，把握这一技术趋势，以实现更高效、更智能的服务模式。