“百模大战”正酣 中小银行如何“卡位”

一年前ChatGPT引发的震荡尚未平息，谁都没有想到下一波浪潮竟然来得如此之快。近日，文字生成视频模型Sora席卷全球，只需一段提示文字，就能生成最长60秒且主题和背景基本准确的高清视频，一通操作让人直呼以后“眼见不一定为实”了，也让金融业再次聚焦关注AI大模型技术。

因为拥有大量的数据和丰富的应用场景，金融领域成为AI大模型落地的重要“试验田”和前沿阵地，目前已经有不少大型银行和股份制银行率先开展了探索实践。天生优势不足、科技基础薄弱的中小银行，面对来势汹汹的AI大模型难免“望而生畏”。如何布局？如何落地？如何平衡好创新与审慎的“度”都亟待前瞻部署。

中小银行加入AI大模型“炼炉”

过去的2023年，中国的AI界可谓掀起了一场“百模大战”。据不完全统计，全年已累计发布近300个大模型，颇有一番AI“大炼炉”的架势。部分有实力的中小银行也趁热打铁，启动了AI大模型应用场景的探索。

智能客服是AI大模型技术应用的重要场景之一。例如，江苏银行去年推出了“智慧小苏”大模型平台，通过智能语音识别技术将人工电话客服录音转换为文本形式，并输送到大语言模型平台加工处理，就可以实现记录、分析客户需求的全流程自动化。此外，根据2023年半年报，包括北京银行、上海银行、宁波银行、长沙银行在内的十几家中小银行都有提及部署大模型、AIGC的内容。

“这主要是解决‘多快好省’的问题。”谈及银行AI大模型的应用价值，北京互联网金融协会研究院院长易欢欢指出，相比现有的AI技术，AI大模型技术可以处理更加复杂、庞大的数据，具有更好的泛化能力，并可应用在银行前、中、后台不同业务场景中，带来明显的质效提升。数据显示，基于“智慧小苏”的智能客服应答准确率已经由93%提升至96.7%，单笔工单处理时间缩减了近60%，服务效率实现了大幅提升。

根据易观分析发布的《中国人工智能行业应用发展图谱2023》报告，除降本增效外，金融业AI应用价值还在于激活数据要素和赋能场景创新。从当前的应用现状来看，国内银行业在大模型领域的探索仍然处于以提升业务运营效率为主的起步阶段。未来，还有望在风险评估、营销策略制定、投资研究等领域发挥更大效用。 

“无论是ChatGPT还是Sora，其定制化、个性化、场景化的服务能力，对金融业具有非常重要的意义。”招联首席研究员、复旦大学金融研究院兼职研究员董希淼认为，金融机构如果能够深度运用生成式人工智能，持续创新产品服务，不断提升用户体验，或许可以走出一条差异化、特色化的发展之路。

与大型银行相比，中小银行在数字资源、科技能力、业务场景等方面存在天然差距，数字化转型进程也相对落后，业内普遍认为，随着金融大模型的广泛应用，中小银行可能会面临越拉越大的“智能化鸿沟”风险。对此，度小满CTO许冬亮接受媒体采访时表示，在大模型的浪潮里，中小银行依然有望通过应用创新，加快自身数智化进程，跨越数字化鸿沟。“越来越多的中小银行正在觉醒，意识到投入AI大模型技术的必要性，囿于资金、技术等因素，目前仍持观望态度，后期也很快就会加入进来。”

“落地战”仍面临多重挑战

伴随金融大模型如雨后春笋般冒出，其在实际业务中的落地程度却远低于行业预想。在实际应用中，大模型的利用效率并不高，有数据显示，普遍低于50%的利用率，甚至有从业人员发出很多大模型只是“看上去很美”的感叹。

从落地场景来看，目前主要在生成类场景落地的应用较多，但涉及决策等金融场景，落地难度较大。也就是说，大模型距离深度融入金融业务各个领域，进而引发金融生产力变革，还有很长的路要走。

具体到中小银行领域，长期以来，中小银行的数据普遍处于孤岛、“烟囱”式的割裂状态，流通性不高。因此，多数机构在进行大模型部署时，鉴于数据安全的严格要求，都倾向于选择在私有云内进行训练，以满足合规性要求。但这背后往往面临着算力成本高、数据质量不佳等痛点。

“在大模型的具体实践中，需要开展海量的数据治理、数据清洗等工作，单打独斗式的私有云训练成本高昂，会造成算力浪费，中小银行是无法承受的。”一位东部省联社数据管理部负责人在采访中表示，如农村中小银行目前尚未建立起完善的数据管理体系，没有足够量的行业知识和数据，如何合法合规地为大模型提供数据源进行训练也是面临的难题。

“技术成熟度、政策支持和应用场景，大模型要在银行业落地这三者缺一不可。”中国银行业协会首席信息官高峰分析称，对于大型金融机构而言，因为金融数据海量，应用场景丰富，可选择引入业界领先的基础大模型，自建金融领域垂直大模型，快速赋能业务发展。中小银行的重点则应放在如何应用，而不是开展大模型的基础研究。

“中小银行更适合研发行业垂直方向的小模型。”易欢欢认为，选择大模型还是小模型，主要取决于具体的业务场景应用需求。小模型更适合处理快速、简单的决策任务，这与中小银行的体制机制、决策链条特征是相匹配的，因此可以结合自身资源禀赋，利用已有的算法和方法论，小成本、渐进式地开展大模型的应用场景。

南粤银行首席信息官黄思颖对此也表达了同样的观点，中小银行的经营范围较小，数据更加容易治理与补齐，更加容易进行组织动员，更加适合人工智能快速反馈训练模型的特征。在探索AI大模型技术的过程中，应避免进入研究算法的误区，利用好已有的算法和方法论，将重点放在大模型的应用而不是纯粹的算法研究上，找到与实际问题相结合的途径，用好大模型解决自身面临的挑战。

“AI大模型技术应用是一个厚积薄发的过程，目前各个细分领域的应用正在萌芽发展，再具体到银行业，无论大小银行均处于同一起点，在任何技术变革的起步阶段，敢于想象和实践者将会脱颖而出。”他最后说道。

创新与审慎的平衡术

当尚未成熟的大模型遇上强监管重合规的金融行业，另一种充满担忧的“声音”也逐渐传出，如何防范大模型潜在的科技伦理、数据隐私安全等风险值得关注。

过去几年，我国针对金融科技的监管思路逐渐明晰，相关法律法规也在逐步完善。2023年7月，国家网信办等七部门联合发布《生成式人工智能服务管理暂行办法》，这也是全球第一部AIGC管理办法。针对大模型生成式的特点，提出包容审慎和分类分级监管原则，并在内容标识、安全评估手续等方面进行了更完善的补充管理。从模型治理到科技伦理，监管不断划出红线让大模型得以在合规审慎的框架内有序发展。

业内有声音认为，当前金融大模型在应用规范方面缺少百分之百符合监管要求的客观标准和评价体系，希望尽快推出金融大模型在落地过程中所需要的一些客观能力的评价和标准。今年全国两会期间，全国人大代表、科大讯飞董事长刘庆峰也发出呼吁，完善向社会开放的大模型的准入和运行规则，明确责任分配与问责机制。据悉，人民银行正在指导制定金融领域人工智能应用风险治理的推荐性行业标准，未来将为相关风险识别与防控以及系统升级等提供依据。

“由于大模型本身具有黑盒、计算复杂度高的特征，存在无法溯源、网络安全、伦理道德和监管合规等方面的风险问题，金融机构在积极拥抱大模型技术的同时，也需要保持高度谨慎与警惕，在AI赋能数智化与风险防患之间取得平衡。”易欢欢提示。

Sora到底是达摩克利斯之剑还是“魔力万花筒”，目前尚不得而知。正如专家所言，密切关注、积极尝试、审慎应用，或许应该成为中小银行当前和未来一段时间面对新技术、新模式的正确姿态。