AI应用迎来爆发期，银行如何跑上大模型？

随着3D智能交互数字员工的上岗、AI贷前调查报告的快速生成，以及债券智能助手在提升运营效率上的卓越表现，金融行业正迎来大模型应用的爆发期。国家政策更是为银行业保险业的数字化转型指明了方向，旨在到2025年实现金融产品和服务方式的广泛普及和金融创新的有序实践。

然而，银行业“跑上大模型”的道路上并非一帆风顺。技术的快速迭代要求银行不断更新系统和培养人才，同时，数据安全和隐私保护问题也成为智能化过程中不可忽视的挑战。这些焦虑的源头，正是银行业在追求创新与保障安全之间的微妙平衡。

在刚刚过去的2024京东云峰会上，来自金融行业专家以及金融机构的技术负责人，分享了他们对于银行与大模型技术结合的见解。上海金融实验室主任、首席专家曾刚预测， 未来有相当数量的金融岗位可能会被人工智能所替代掉，银行应该尽快构建新核心能力，实现高质量发展。

曾刚认为，不同类型的银行应选择适合自己的数字化路径。国有大行可能更注重安全性和技术要求，而中小型银行则需要在资源有限的情况下追赶数字化浪潮。此外，银行与科技企业的合作变得尤为关键，尤其是与像京东云这样的头部科技公司合作，可以为银行提供技术输出和业务场景。

AI与场景的碰撞

现实的确如此。AI在金融行业潜力巨大，麦肯锡2023年报告显示，全球银行业使用大模型可使其每年营收提高2.8-4.7%。所以，与在特定场景有落地经验的公司联合，有助于银行避免不必要的试错，直接从成熟的技术应用中受益。

比如，交通银行与京东云推动大数据合作，后者不仅拥有丰富的场景落地经验，还具备金融业务的深厚背景。交通银行总行网金数据应用部副高级经理杨晓春在2024京东云峰会上发表主题演讲时表示，通过分享京东云的高频客户行为偏好信息研究成果，利用联邦建模技术，交通银行成功圈选出具有高金融意向的客群，为客户提供更加有针对性的金融服务，凸显普惠金融的普适性和精准性。

另外，以上提到的某全国性股份制商业银行总行还采取了小步快跑、快速迭代的方法，通过AB测试和数据监测，实现了精细化运营和客户高效转化。短短5个月内，该银行的线上运营能力显著提升，MAU和AUM转化能力得到加强，彰显了数字化转型在提升银行竞争力中的关键作用。

江南农商银行CIO杨凯在2024京东云峰会上介绍了京东云言犀数字人如何助力远程银行发展。他说，面对远程银行客服培训周期长、服务标准不一致的挑战，江南农商银行与京东云合作，引入AI数字人，借助言犀平台，实现了3D数字人客服，简化了用户交互流程。自2018年起，银行柜员数量从1200减至400，业务量和资产规模却翻倍增长，显著提升了运营效率。这一转型不仅减轻了客服工作量，还促进了网点功能转变，释放了人力资源，投入到更高价值的营销和服务工作中，展现了数字化转型在金融服务革新中的巨大潜力。

智能化的机会与挑战

作为对信息技术依赖度最高的行业之一，银行的日常运营、风险管理、客户服务都需要依托底层IT系统。但银行自身IT资产较重，做大规模系统升级较难。为了适应人工智能的发展，银行业就需要通过引入先进技术帮助IT系统降本增效，更好支撑上层业务的数字化转型。

以某大型银行为例，该银行原先依赖于IOE架构，但这种架构难以支撑海量用户通过多种线上渠道使用服务，且每月需支付高达两三千万的系统维护费用。银行核心系统上云之后，不仅系统成本大幅降低至原来的十分之一，系统的每秒交易峰值也从之前的7800笔上升至3万笔。如今新系统足以支持十亿级客户规模，客户体验及服务质量提升很大。

招商银行在面对自身庞大的IT资产和系统升级挑战时，就采取了一种创新的成本效益策略。通过京东云提供的离在线混部技术，招商银行能够在相同的物理或虚拟资源上，高效地并行运行“离线”业务和“在线”业务(如网上银行和交易平台)，显著提高了GPU利用率，达到了50%的提升。

另外，大模型训练过程中，面临着数据难题。由于训练文件数量达到百亿级别，传统的存储系统在可扩展性和对多种文件类型及数据格式的支持，显得力不从心。为了解决这一问题，中国建设银行与京东云合作，采用了高性能的存算分离技术，不仅满足了大模型训练的高性能存储需求，还成功降低了30%的存储成本。

随着AI逐渐深入场景，银行业的未来充满了无限可能。正如曾刚所言，30%的金融行业岗位可能会被AI替代，但这并不意味着银行业的衰退，而是一次质的飞跃。银行与科技企业的紧密合作，不仅能够释放数字化转型的焦虑，更能够开启金融行业的新篇章。在这个过程中，金融行业也更加期待看到更多的创新实践，更多的技术突破，以及更多的价值创造。