怎样做 兴业银行唐家才 大模型怎样选 怎样管 (兴业银行的申请流程)

“在大模型的运转中，人力投入趋于多元，不只仅依托算法人员，而需‘业务+算法’才干成功良好的场景运转。同时，模型选择趋于灵敏，要选对的、不选大的，普通而言，参数规模为几十亿或几百亿的大模型足以满足通常运转需求。”1月11日，在新金融联盟举行的“AI优化金融服务效力的场景创新与趋向展望”外部研讨会上，首席信息官、科技控制部总经理唐家才表示。

以下为唐家才发言全文：

大模型“有脑无手”疑问待解

随着数字化转型进入深水区，以大模型为代表的人工智能扑灭了行业数字化转型新的里程碑，经过这几年展开，行业构成三个共识。

第一，人工智能并非全新技术，关键在于将其用足用深。

第二，在大模型L0和L1层面，行业差距逐渐拉大。头部玩家以十万级的卡量计算，大行有几千张卡，股份制银行上百张，中小行则更为分散，已构成较大的梯度差距。

近期，我们在客户服务质检和财富目的的抽取场景中，对DeepSeek启动了一些验证，发现其计算推理优点清楚，基本曾经追逐到Open AI的水平。因此，金融行业应聚焦垂直模型范围发力。

第三，智能体成为年度热词。智能体的AI人机交互范式已日趋成熟，下一步将处置大模型“有脑无手”的疑问。

大模型怎样选、怎样做、怎样管

2024年，兴业银行亲密关注生成式AI运转前景规划，发现目前金融机构的生成式AI运转场景较有限。因此，我们加大了对头部先进同业、科研机构以及互联网公司等的实地调研，构成以下观念：

“马太效应”清楚，头部机构重兵布阵智能化；“五专机制”为纲，战略机制催动智能化转型；“规模成效”为要，规模成效推进可继续赋能；“大小模型”为轴，判别式与生成式不相上下；“技术研讨”为本，夯实技术预判和掌控才干；“二趋二避”为旨，科技创新与理性务虚侧重。

我着重解释一下“五专机制”与“二趋二避”。

关于“五专机制”，经过调研我们发现，为了培育智能才干，许多机构设有专项目的、投入专项资金、明白专业岗位定位、搭建创业创新平台、构建创新闭环。譬如，工行的每个运转都有数字休息力跟踪目的、招商成立了创新基金、安康成立了创新实验室，我们则推出了“五专机制”。

所谓“二趋二避”，趋向一：人力投入趋于多元，不只仅依托算法人员，而需“业务+算法”才干成功良好的场景运转；趋向二：模型选择趋于灵敏，要选对的、不选大的，普通而言，参数规模为几十亿或几百亿的大模型足以满足通常运转需求。要防止两个偏向，一是防止高估生成式AI的才干，应将决策式AI和生成式AI结合经常经常使用；二是防止触及安保底线。

上述观念的实质都是大模型怎样选、怎样做、怎样管，以下详细论述。

第一，怎样选。大模型并非小模型和传统AI的替代，而是共生共存。例如在财务预测方面，小模型可解释性比专家规则结合更容易，且对算力要求不高，能满足场景要求。现在模型的可选择性很大，防止自觉选择，才干下降运转本钱。

第二，怎样做。一手挖场景，一手建平台，两者无法偏废，大少数新技术运转都是由场景驱动展开起来的。在场景选择上，除了要研讨和评价技术难度，还需从业务运营角度评价测算ROI。

我们也在关注智能体的展开。Gartner公布的《2025年十大战略技术趋向》将代理型AI列为首位，提出未来每集团都会有一个AI代理的想象。因此，从行业角度看，银行IT既要处置AI人人可用的门槛疑问，更要成功让人人都用AI思想和体验跃迁疑问。

第三，怎样管。难点在于驾驭AI技术不确定性。AI的展开有别于传统技术，这意味着传统技术控制形式或许失效。因此，我们需以投资者的视角来看待新技术运转创新，投入相对宽松的人、财、物、产学研资源，构成一揽子投资组合式的创新课题。在配套控制方面，兴业银行成立了几个业技协作结合实验室，以预期价值、风险底线、时期周期为束缚条件，投入肯定资源并关注投入产出报答。这样既能吸引和培育人才，又能激起场景创新，还能控制价值收益。

同时，应将生成式AI的幻觉和渗漏风险作为行业创新底线，在监管指点下，积极稳妥推进AI在金融范围的运转。

我举几个运转实例：一是创新实验室，即AI与场景结合的实验室。二是绿色金融智能认定助手。要判别一笔存款业务能否属于绿色存款，复杂且考验专业性。我们将专业知识沉淀到模型中，客户经理只需填客户与存款投放的相关要素，就能对其智能识别，同时生成绿色金融意见认定报告，目前识别准确率逾越了95%，每年辅佐绿色融资业务约7千多笔，对兴业银行绿色金融起到了很好的促进作用。另外，智能财富规划倡议系统也在探求中，该系统能在产品选择、产质量量评价及持仓优化调整上辅佐决策，具有灵敏调整、预测、预警等性能，目前正在内测。

更懂客户、更懂市场、更懂自己

展望未来，金融行业在智能化转型的路途上依然有诸多疑问待解：首先，大模型的数据处置才干仍有待优化，面临更全量、多模态的数据，能否有才干做全参数训练。其次，做不做支持数据更大、更全的专业金融大数据模型。最后，如何将业务与技术更好地融合，用好AI。

人工智能是改动金融行业认知才干的一个跃迁，让我们更懂客户、更懂市场、更懂自己，我们对未来有几个趋向判别。

第一，传统AI会继续发光发热。在数字运营、智能风控、金融工程等范围，传统AI依然是主力。

第二，随着业务和运转认知优化，大模型会进一步浸透各个业务环节和范围。但目前由于合规性等要素，直接对客难度较大，更多是在外部辅佐。

第三，假定把传统AI比文科生，生成式AI比作文科生，那么智能体则或许是一个文理兼修的全能生。我们应关注如何将方便的语义识别、义务拆解与大模型才干相结合，构成更完整的智能体框架。

AI与金融范围深度融合创新，我以为有三个方面。一是流程融合。没有嵌入业务流程的AI不是好AI，只需将其内置到业务流程中，才干最终成功复杂流程智能化，推进业务流程再造和业务转型更新。二是与人的融合。关于员工而言，AI是助人提效而非直接替代；关于客户而言，AI可提高便利性，但关键环节照旧要求客服人员支持。我们要做有温度的银行，将AI与人更好地结合，更大地发扬出AI的作用，从而为客户提供更好的服务。三是合规融合。

最后，我提两个倡议：第一，完善AI+数据共享运转。呼吁开通更多公特性大数据空间或数据源，同时倡议金融机构展开更多行业共创，例如在金融行业专属大模型上启动更多协作。第二，推进AI+金融生态协作。在业务上启动更多融合，在金融行业内用好智能体的同时，跨行业发扬智能体的价值将带来更多想象空间。