意見領袖 |  新金融聯盟NFA

　　作者 |  唐家才

　　大模型“有腦無手”問題待解

　　隨著數字化轉型進入深水區，以大模型為代表的人工智能點燃了行業數字化轉型新的里程碑，通過這幾年發展，行業形成三個共識。

　　第一，人工智能并非全新技術，關鍵在于將其用足用深。

　　第二，在大模型L0和L1層面，行業差距逐漸拉大。頭部玩家以十萬級的卡量計算，大行有幾千張卡，股份制銀行上百張，中小行則更為分散，已形成較大的梯度差距。

　　近期，我們在客戶服務質檢和財富指標的抽取場景中，對DeepSeek進行了一些驗證，發現其計算推理優勢顯著，基本已經追趕到Open AI的水平。因此，金融行業應聚焦垂直模型領域發力。

　　第三，智能體成為年度熱詞。智能體的AI人機交互范式已日趨成熟，下一步將解決大模型“有腦無手”的問題。

　　大模型怎么選、怎么做、怎么管

　　2024年，興業銀行密切關注生成式AI應用前景規劃，發現目前金融機構的生成式AI應用場景較有限。因此，我們加大了對頭部先進同業、科研機構以及互聯網公司等的實地調研，形成以下觀點：

　　“馬太效應”顯著，頭部機構重兵布陣智能化；“五專機制”為綱，戰略機制催動智能化轉型；“規模成效”為要，規模效用推動可持續賦能；“大小模型”為軸，判別式與生成式并駕齊驅；“技術研究”為本，夯實技術預判和掌控能力；“二趨二避”為旨，科技創新與理性務實并重。

　　我著重解釋一下“五專機制”與“二趨二避”。

　　關于“五專機制”，通過調研我們發現，為了培育智能能力，許多機構設有專項指標、投入專項資金、明確專業崗位定位、搭建創業創新平臺、構建創新閉環。譬如，工行的每個應用都有數字勞動力跟蹤指標、招商成立了創新基金、平安成立了創新實驗室，我們則推出了“五專機制”。

　　所謂“二趨二避”，趨勢一：人力投入趨于多元，不僅僅依靠算法人員，而需“業務+算法”才能實現良好的場景應用；趨勢二：模型選擇趨于靈活，要選對的、不選大的，一般而言，參數規模為幾十億或幾百億的大模型足以滿足實際應用需求。要避免兩個傾向，一是避免高估生成式AI的能力，應將決策式AI和生成式AI結合使用；二是避免觸及安全底線。

　　上述觀點的本質都是大模型怎么選、怎么做、怎么管，以下詳細闡述。

　　第一，怎么選。大模型并非小模型和傳統AI的替代，而是共生共存。例如在財務預測方面，小模型可解釋性比專家規則結合更容易，且對算力要求不高，能滿足場景需要。如今模型的可選擇性很大，避免盲目選擇，才能降低應用成本。

　　第二，怎么做。一手挖場景，一手建平臺，兩者不可偏廢，大多數新技術應用都是由場景驅動發展起來的。在場景選擇上，除了要研究和評估技術難度，還需從業務經營角度評估測算ROI。

　　我們也在關注智能體的發展。Gartner發布的《2025年十大戰略技術趨勢》將代理型AI列為首位，提出未來每個人都會有一個AI代理的設想。因此，從行業角度看，銀行IT既要解決AI人人可用的門檻問題，更要實現讓人人都用AI思維和體驗躍遷問題。

　　第三，怎么管。難點在于駕馭AI技術不確定性。AI的發展有別于傳統技術，這意味著傳統技術管理方式可能失效。因此，我們需以投資者的視角來看待新技術應用創新，投入相對寬松的人、財、物、產學研資源，形成一攬子投資組合式的創新課題。在配套管理方面，興業銀行成立了幾個業技合作聯合實驗室，以預期價值、風險底線、時間周期為約束條件，投入一定資源并關注投入產出回報。這樣既能吸引和培育人才，又能激發場景創新，還能控制價值收益。

　　同時，應將生成式AI的幻覺和滲漏風險作為行業創新底線，在監管指導下，積極穩妥推進AI在金融領域的應用。

　　我舉幾個應用實例：一是創新實驗室，即AI與場景結合的實驗室。二是綠色金融智能認定助手。要判斷一筆貸款業務是否屬于綠色貸款，復雜且考驗專業性。我們將專業知識沉淀到模型中，客戶經理只需填客戶與貸款投放的相關要素，就能對其自動識別，同時生成綠色金融意見認定報告，目前識別準確率超過了95%，每年輔助綠色融資業務約7千多筆，對興業銀行綠色金融起到了很好的促進作用。另外，智能財富規劃建議系統也在探索中，該系統能在產品選擇、產品質量評估及持倉優化調整上輔助決策，具備動態調整、預測、預警等功能，目前正在內測。

　　更懂客戶、更懂市場、更懂自己

　　展望未來，金融行業在智能化轉型的道路上依然有諸多問題待解：首先，大模型的數據處理能力仍有待提升，面臨更全量、多模態的數據，是否有能力做全參數訓練。其次，做不做支持數據更大、更全的專業金融大數據模型。最后，如何將業務與技術更好地融合，用好AI。

　　人工智能是改變金融行業認知能力的一個躍遷，讓我們更懂客戶、更懂市場、更懂自己，我們對未來有幾個趨勢判斷。

　　第一，傳統AI會繼續發光發熱。在數字運營、智能風控、金融工程等領域，傳統AI仍然是主力。

　　第二，隨著業務和應用認知提升，大模型會進一步滲透各個業務環節和領域。但目前由于合規性等原因，直接對客難度較大，更多是在內部輔助。

　　第三，如果把傳統AI比理科生，生成式AI比作文科生，那么智能體則可能是一個文理兼修的全能生。我們應關注如何將簡單的語義識別、任務拆解與大模型能力相結合，形成更完整的智能體框架。

　　AI與金融領域深度融合創新，我認為有三個方面。一是流程融合。沒有嵌入業務流程的AI不是好AI，只有將其內置到業務流程中，才能最終實現復雜流程自動化，推動業務流程再造和業務轉型升級。二是與人的融合。對于員工而言，AI是助人提效而非直接替代；對于客戶而言，AI可提高便利性，但關鍵環節依舊需要客服人員支持。我們要做有溫度的銀行，將AI與人更好地結合，更大地發揮出AI的作用，從而為客戶提供更好的服務。三是合規融合。

　　最后，我提兩個建議：第一，完善AI+數據共享應用。呼吁開放更多公共性大數據空間或數據源，同時建議金融機構開展更多行業共創，例如在金融行業專屬大模型上進行更多合作。第二，推進AI+金融生態合作。在業務上進行更多融合，在金融行業內用好智能體的同時，跨行業發揮智能體的價值將帶來更多想象空間。

　　(本文作者介紹：一個高質量的新金融政策研討和行業交流平臺。)