“目前大模型在金融行业的应用处在探索阶段，已落地场景大部分为通用场景，典型应用场景有待进一步深挖，将通过7大通用能力赋能，优化升级银行的金融服务。”
　　10月31日，在香港金融科技周—大湾区专场上，由南方财经全媒体集团、21世纪经济报道、众安银行联合举办的“湾区数字银行对话”正式举行，本次湾区数字银行对话以“一小时生活圈与数字银行新治理”为主题，在香港的虚拟银行与深圳的数字银行、传统银行的对话中碰撞出思维火花。
　　平安银行金融科技部基础中台研发中心总经理刘锦淼以“大模型助力数字金融提升金融服务能力”为主题进行了分享。
　　刘锦淼表示，"数字化经营、数字化运营、数字化管理"作为平安集团在推动数字化转型中提出的“三数工程”，需要借助AI大模型相关技术能力，促成“三数工程”落地，达成"降成本、提效率、控风险"的绩效目标。
　　他进一步指出，大模型现已覆盖平安银行多条线的多个场景。同时，他认为银行在运用大模型技术时要结合AI能力的建设，要建立算法工程体系，并拓展AI Agent能力。
　　一直以来，银行业都在探讨银行的数字化之路。
　　相比香港虚拟银行、内地数字银行天然具备的数字化特质，传统银行的数字化成本普遍更高。然而，平安银行作为一家较为年轻的传统银行，通过多次战略转型探索出独特的道路，一举成为了股份制银行中以零售和数字化为特色的商业银行。
　　刘锦淼表示，“数字化经营、数字化运营、数字化管理”，这是平安集团在推动数字化转型中提出的“三数工程”，将达到“降成本、提效率、控风险”的绩效目标。
　　首先，数字化经营作为一种相对闭环的能力，贯穿了平安银行的零售转型。“如何进一步提升销售效率，怎样更多获客，如何以数字渠道海量触客，实现用转客，线上活客等一系列数据的线上化闭环能力的构建，就是数字化经营的典型场景。”刘锦淼说道。
　　其次，数字化运营是通过“机+人” 模式重塑业务流程，用机器替代简单重复的人力密集型工作，其目标就是降本增效。“我们有大量的线下和客服人员，如何优化操作流程、降低成本，降低反欺诈、消保的等方面的账户风险，是数字化运营层面的问题。”
　　最后，数字化管理是借助一系列风险管理、预警预测技术与模型，强化风险管理和预测预警能力。目标是显著提升精细化管理、精准风控水平，牢牢守住风险底线，为提升整体经营安全保驾护航。“贷款的投向要准，才能满足监管底线要求，减少罚款；计量要准，才能更多去投放贷款。”
　　“三数工程”的背后，由数字化的财务价值所驱动。
　　“杜邦分析中ROE净资产收益率包含利润率、周转率、杠杆率三个乘数，要提升收益率，需要通过降成本、提效率、控风险来实现。降成本是对应数字化运营，提效率是对应数字化经营，控风险是对应着数字化管理，‘三数工程’一一对应着这三个财务目标。”
　　刘锦淼表示，平安银行通过多个指标测算是否能达成财务目标，进而确定数字化建设的投入比例。数字化建设依赖科技支撑，平安银行经历过线上化、数字化、智能化三个能力层级的建设。
　　“首先是线上化能力，对应的是银行的科技资产；再者是数字化能力，产生的是数据资产；而智能化属于AI体系，对应的是模型资产。”
　　“三数工程、三个财务目标与三化能力建设相互促进，最终会形成持续闭环的飞轮效应，支持企业的数字化转型。”
　　在圆桌对话环节，刘锦淼进一步探讨了银行数字化的增量逻辑和资源禀赋。
　　“在流量入口上，零售业务靠互联网，对公业务靠产业数字化。无论数字银行还是虚拟银行，都要归集于经营本质，通过数字化创造自己的资源禀赋，再基于资源禀赋选择自己的商业模式。”
　　他认为，科技力量赋能数字化场景，将是中国产业数字化发展的大趋势，也会是数字银行的新禀赋，即在场景上创新，通过物联网、AI技术差异化识别信用风险，借由金融在供给端不断数字化升级的趋势下，以更低的成本赋能给产业方。
大模型助力平安银行提升金融服务能力
已落地多条线、 多个场景
　　在大模型分级层面，行业内采用了L0-L2的分级标准，平安银行在此基础上进一步细分为L0-L3级别。
　　“平安银行的L3，代表着是大家都在探讨的AI Agent，AI重写一切，AI原生。”刘锦淼说。
　　同时，平安银行根据需求的定制化程度，将大模型应用和训练分成直接体验，快速应用，微调训练，深度开发四个级别，从而适应不同的目标对象和应用场景。
　　在现场，刘锦淼展示了平安银行内部所用大模型支持的十多个具体场景，在应用价值上可分为促销售、提体验、控风险、降本增效四个维度，分别适用于销售营销、客户运营、对公、资金同业、风控审核、员工辅助等银行条线场景。
　　他进一步展示了平安BankGPT的应用架构，底层为CPU、GPU、存储等算力能力，训练层为分布式训练框架，而后基础大模型，包括ChatGLM和LlaMa等开源的大模型；经过推理引擎层后将运营能力释放给prompt工程，支撑知识问答、文本生成、代码生成等应用场景。
　　关于大模型在平安银行的应用，刘锦淼提出了五个观点，
　　首先，金融大模型的标杆应用还未真正出现，由于金融属性本身的特点，大模型将更多通过其7大通用能力优化升级银行的金融服务，而很难在短时间内出现颠覆性的大模型金融应用；
　　“颠覆性的大模型解决的更多是通用性问题，但行业纵深发展到各类具体的应用场景，不能全通过大模型来解决。此类场景不同于标杆应用，除了需要客户授权外，还需构建出很强的数据输入能力。”刘锦淼认为，“正是因为场景和数据的掣肘，金融业很难产生To C端的标杆应用。”
　　“金融业的核心是解决资金融通的问题。金融服务主要和数字打交道而不是和语言，因此，大模型很难代替传统数字化相关能力。此外，大模型应用到风控中的风险较大，主要因为风控模型、信贷投放、审批模型要求强解释。但可考虑大规模应用在反欺诈场景中，因为反欺诈模型不需要很强的可解释性。”
　　同时，银行运用大模型技术要结合AI能力的建设，要建立算法工程体系，还要拓展AI Agent能力，才能不断将大模型高质量地运用在银行服务场景中，例如平安银行的ChatBI就是运用大模型孵化出的极简高效的数据分析工具；
　　第三，Prompt工程驱动大模型在企业能开放训练能力，大模型会成为新的智能化研发语言；
　　此外，大模型应用中要关注数据授权和安全、模型验证和模型监控三大风险；
　　最后，刘锦淼表示边缘大模型生态不容小窥，要留意大模型的边缘部署场景。在银行业的应用前景上，开源的小参数大模型的应用场景相比ChatGPT类的公有云产品更为可期。
（文章来源：21世纪经济报道）