每經(jing)記(ji)者｜陳植    每經(jing)編輯｜張益銘

AI大模(mo)型Deepseek的面世，正悄(qiao)然影(ying)響銀行(xing)的金融大模(mo)型研發應(ying)用(yong)策略。

一位股(gu)份行(xing)IT部門人士向(xiang)記者(zhe)透露，2月5日，他們(men)內(nei)部已著手對(dui)Deepseek進行(xing)初(chu)步(bu)測試，觀(guan)察(cha)它在(zai)智(zhi)能客(ke)服、內(nei)部辦公等業務場景(jing)，相(xiang)比其(qi)他大(da)模(mo)型是否(fou)產生(sheng)更強的(de)降本增(zeng)效作用。

“圍(wei)繞大模型在(zai)(zai)金(jin)融場(chang)景中的(de)應用(yong)，我們做過不(bu)(bu)少(shao)嘗試(shi)，包括(kuo)購(gou)買(mai)GPU卡自研金(jin)融大模型，以及在(zai)(zai)其他通(tong)用(yong)大模型的(de)基礎上研發金(jin)融小模型，但(dan)這兩種方(fang)式都花費(fei)不(bu)(bu)少(shao)。”他告訴(su)記者。如(ru)今Deepseek在(zai)(zai)數據訓練(lian)方(fang)面(mian)(mian)的(de)較低操(cao)作成本(ben)，讓他們看到金(jin)融大模型研發應用(yong)方(fang)面(mian)(mian)的(de)投(tou)入產(chan)出比有望進一(yi)步上升(sheng)。

一(yi)位(wei)城商行(xing)銀行(xing)IT部門人士向(xiang)記者(zhe)透露，春節期間，他(ta)們IT團(tuan)隊已討論在Deepseek開源(yuan)大模型基礎(chu)上研發自己(ji)的金融(rong)大模型。

他透露，由(you)于中小銀行在(zai)金(jin)(jin)融(rong)大模型研(yan)發方面的(de)投入不高，數據(ju)(ju)訓練成本相對更低的(de)Deepseek反而是中小銀行自研(yan)金(jin)(jin)融(rong)大模型的(de)新突(tu)破(po)口，一(yi)旦Deepseek在(zai)數據(ju)(ju)訓練成本、生成式內容(rong)準(zhun)確(que)性、投入產出比等方面具有更好效(xiao)果，他們將重點圍繞Deepseek研(yan)發自己的(de)金(jin)(jin)融(rong)大模型。

在這(zhe)位城(cheng)商行(xing)銀(yin)(yin)行(xing)IT部門人士看來(lai)，Deepseek的面世，有(you)望(wang)縮小眾多中小銀(yin)(yin)行(xing)與少數大(da)型銀(yin)(yin)行(xing)在金融大(da)模型研(yan)發應用方面的“鴻(hong)溝”。

上(shang)海交(jiao)通大學上(shang)海高(gao)級金融學院副院長李峰此前(qian)接受記者采(cai)訪(fang)時(shi)表示，隨著AI大模型在(zai)金融業務(wu)場景的(de)應用日益廣泛，它能(neng)否真正推動金融行業高(gao)質量發展，關鍵在(zai)于它能(neng)否給金融機構帶來實(shi)質的(de)降本(ben)增效(xiao)。

前述股份行(xing)IT部門人士(shi)向記者透露，為了自(zi)研(yan)金融(rong)(rong)大(da)(da)模型(xing)，前些年銀行(xing)花費不少資金購買(mai)GPU卡(ka)搭建較高(gao)算力(li)，導致金融(rong)(rong)大(da)(da)模型(xing)研(yan)發(fa)的實際(ji)投入成本較高(gao)。若Deepseek應(ying)用能令(ling)銀行(xing)在金融(rong)(rong)大(da)(da)模型(xing)研(yan)發(fa)過程(cheng)的算力(li)投入明顯減少，他們也樂意圍繞Deepseek研(yan)發(fa)金融(rong)(rong)大(da)(da)模型(xing)。

“尤(you)其是AI Agent（智能體）正(zheng)日益在更多(duo)金(jin)融場景(jing)得到應用(yong)，銀行正(zheng)面(mian)臨更大的算力(li)瓶頸(jing)，Deepseek對算力(li)消耗的較低要求(qiu)，無形間解決了銀行在AI Agent研發(fa)(fa)應用(yong)過程中的算力(li)問題。”他告訴(su)記者。這無形間將加(jia)快(kuai)銀行推進AI Agent的研發(fa)(fa)應用(yong)。

投入產出比“提升” 中小銀行有底氣自研金融大模型

近年，AI大(da)模(mo)型技術在銀(yin)行業務場(chang)景(jing)的應(ying)用日益廣泛(fan)。無論是普(pu)惠金融、風控、客戶(hu)營銷、支付，還是函證、跨境金融、票據(ju)融資、供應(ying)鏈(lian)金融等場(chang)景(jing)，都能看到(dao)AI大(da)模(mo)型的身影。

在客服(fu)環節，AI大(da)模(mo)型(xing)正幫助眾多銀行(xing)提升坐席人(ren)員(yuan)工作效率(lv)——通過AI大(da)模(mo)型(xing)的賦能，坐席人(ren)員(yuan)能更精(jing)準地了解(jie)用(yong)戶意(yi)圖，迅(xun)速響(xiang)應用(yong)戶的各種金融服(fu)務(wu)需求。

在(zai)信貸風控(kong)環(huan)節，AI大模(mo)型(xing)正推動銀(yin)行更(geng)高效精準地開(kai)展大數(shu)據(ju)分析，持續優化信貸風控(kong)引擎(qing)，快速給出更(geng)科學的(de)(de)信貸決(jue)策。尤其是(shi)在(zai)AI大模(mo)型(xing)支持下，部分中(zhong)小銀(yin)行有(you)底(di)氣在(zai)客戶數(shu)據(ju)相對較(jiao)少的(de)(de)情(qing)況下啟動新信貸業務，有(you)效抵御黑灰(hui)產組織的(de)(de)攻(gong)擊。

在財(cai)富管理(li)環節，AI大(da)模(mo)型協(xie)助銀(yin)行(xing)客戶經(jing)理(li)全面分析(xi)用戶以(yi)往的(de)資(zi)產配置狀(zhuang)況，并結合(he)用戶最新(xin)需求，給予更科學的(de)財(cai)富管理(li)解決方案，進一步(bu)提升財(cai)富管理(li)的(de)用戶滿(man)意度。

為了進一步提升AI大(da)模型應用成(cheng)效與擴大(da)應用場景，越來越多銀行(xing)紛紛根據自(zi)身業(ye)務特色自(zi)研金融大(da)模型，進一步提升各項業(ye)務操作效率。

與此同時，銀行一(yi)面積極擁抱(bao)金融大模型，一(yi)面也面臨投(tou)入產出比的挑戰。

李峰向記(ji)者(zhe)透(tou)露，AI大模(mo)型(xing)的研發(fa)成本相當高，進(jin)行一(yi)次數(shu)據訓練的費用或達到(dao)千(qian)萬美(mei)元。因此(ci)，相比大型(xing)金融(rong)機(ji)構擁有足夠財力(li)支撐金融(rong)大模(mo)型(xing)自研應用，眾多中(zhong)小金融(rong)機(ji)構往往會選擇成本更低的金融(rong)大模(mo)型(xing)研發(fa)路徑。

他(ta)透(tou)露，基(ji)于(yu)成(cheng)本控制考(kao)慮，中小(xiao)(xiao)(xiao)金融(rong)(rong)機(ji)構研(yan)發(fa)(fa)金融(rong)(rong)大(da)模(mo)型(xing)(xing)主要(yao)采取三種路徑，一是與外部(bu)大(da)模(mo)型(xing)(xing)服務商合作(zuo)，借助(zhu)后(hou)者的大(da)模(mo)型(xing)(xing)技(ji)術，再(zai)結合自身的私域數據進行微調(diao)，形成(cheng)適合自己業務場景的AI小(xiao)(xiao)(xiao)模(mo)型(xing)(xing)，二(er)是采取抱團取暖(nuan)策略(lve)，即多家中小(xiao)(xiao)(xiao)金融(rong)(rong)機(ji)構合作(zuo)研(yan)發(fa)(fa)金融(rong)(rong)大(da)模(mo)型(xing)(xing)，但數據的跨公司交流面臨較(jiao)大(da)的合規風險；三是通過行業性的公共平臺布局研(yan)發(fa)(fa)AI大(da)模(mo)型(xing)(xing)技(ji)術。

上述股份制銀(yin)行IT部門人士告(gao)訴記者，這些(xie)年銀(yin)行自研金(jin)融(rong)大(da)模(mo)型(xing)的投(tou)入不(bu)菲(fei)——除(chu)了花(hua)費不(bu)菲(fei)資金(jin)采購GPU卡(ka)，還(huan)需重金(jin)聘請熟諳(an)大(da)模(mo)型(xing)研發的專業人才。此外，即便金(jin)融(rong)大(da)模(mo)型(xing)的數據訓(xun)練規模(mo)參(can)數小于通(tong)用大(da)模(mo)型(xing)，但每次數據訓(xun)練的實際耗費也超過百萬(wan)元。

“前些年(nian)大(da)模型(xing)(xing)比較(jiao)看重數據(ju)規模參(can)數大(da)小期間(jian)，我們額外增加(jia)了(le)預算購買GPU卡，為(wei)了(le)滿足百億級數據(ju)參(can)數的(de)(de)(de)金融(rong)大(da)模型(xing)(xing)數據(ju)訓(xun)練(lian)。”他(ta)告訴記者，如(ru)此高(gao)的(de)(de)(de)投入，也令銀行內部一(yi)直(zhi)在(zai)(zai)(zai)討論金融(rong)大(da)模型(xing)(xing)自研的(de)(de)(de)投入產(chan)出比。畢竟，金融(rong)大(da)模型(xing)(xing)在(zai)(zai)(zai)不同業(ye)務場景的(de)(de)(de)使用成(cheng)效(xiao)不一(yi)，比如(ru)在(zai)(zai)(zai)智能客服、內部辦公等(deng)方面的(de)(de)(de)應用效(xiao)果相對較(jiao)好，但在(zai)(zai)(zai)普惠金融(rong)、信貸風(feng)控、跨境業(ye)務等(deng)場景，由于(yu)涉及客戶數據(ju)信息(xi)保護(hu)等(deng)合規操作要求，其只能作為(wei)業(ye)務操作輔助工(gong)具，大(da)量(liang)工(gong)作仍需人工(gong)完成(cheng)。

在他看來，若Deepseek較低(di)的(de)(de)算(suan)力投入要求(qiu)與(yu)數(shu)據訓練成(cheng)本能顯著降低(di)銀(yin)行(xing)(xing)(xing)(xing)研(yan)發(fa)(fa)金(jin)融大(da)(da)(da)(da)模(mo)型(xing)的(de)(de)投入，并產(chan)生與(yu)其他大(da)(da)(da)(da)模(mo)型(xing)技術相當的(de)(de)AI生成(cheng)式內容效果，它將(jiang)對(dui)銀(yin)行(xing)(xing)(xing)(xing)大(da)(da)(da)(da)模(mo)型(xing)應用產(chan)生三大(da)(da)(da)(da)影響(xiang)，一是(shi)Deepseek將(jiang)成(cheng)為(wei)中(zhong)小(xiao)銀(yin)行(xing)(xing)(xing)(xing)使用較低(di)成(cheng)本自(zi)(zi)研(yan)金(jin)融大(da)(da)(da)(da)模(mo)型(xing)的(de)(de)新突破(po)口(kou)，令大(da)(da)(da)(da)型(xing)銀(yin)行(xing)(xing)(xing)(xing)與(yu)中(zhong)小(xiao)銀(yin)行(xing)(xing)(xing)(xing)在大(da)(da)(da)(da)模(mo)型(xing)應用的(de)(de)“差距”明顯縮小(xiao)；二(er)是(shi)越(yue)來越(yue)多銀(yin)行(xing)(xing)(xing)(xing)將(jiang)傾(qing)向自(zi)(zi)研(yan)金(jin)融大(da)(da)(da)(da)模(mo)型(xing)，以往依托(tuo)外部通用大(da)(da)(da)(da)模(mo)型(xing)進行(xing)(xing)(xing)(xing)私域數(shu)據微(wei)調研(yan)發(fa)(fa)金(jin)融小(xiao)模(mo)型(xing)的(de)(de)做法或明顯減少(shao)；三是(shi)基于(yu)Deepseek大(da)(da)(da)(da)模(mo)型(xing)的(de)(de)開源特點，部分銀(yin)行(xing)(xing)(xing)(xing)大(da)(da)(da)(da)模(mo)型(xing)研(yan)發(fa)(fa)團(tuan)隊有(you)望結合自(zi)(zi)身的(de)(de)業務特點與(yu)業務創新需要，自(zi)(zi)研(yan)更(geng)契合銀(yin)行(xing)(xing)(xing)(xing)自(zi)(zi)身業務需求(qiu)的(de)(de)專屬金(jin)融大(da)(da)(da)(da)模(mo)型(xing)。

清華大(da)學金融(rong)科(ke)技研究院副(fu)院長薛正華此前表示，隨著大(da)模型(xing)在(zai)銀行等金融(rong)場景的應(ying)用(yong)日(ri)益(yi)廣泛(fan)，金融(rong)機構對大(da)模型(xing)能(neng)力的要求日(ri)益(yi)增加，具體表現在(zai)金融(rong)信息分類、抽取、計算、邏(luo)輯推(tui)理、圖文生(sheng)成(cheng)以及編程等能(neng)力，尤其是銀行在(zai)一些大(da)模型(xing)高階領域(yu)，比如多輪分析推(tui)理、業務領域(yu)思(si)維(wei)鏈、業務預測推(tui)演準確度、效率、投(tou)產比等方面的要求也在(zai)持(chi)續提(ti)升(sheng)。

在他看來，針(zhen)對嚴苛的(de)金(jin)融(rong)(rong)業務合(he)(he)規操作(zuo)要求(qiu)，采(cai)用(yong)MoE混合(he)(he)專(zhuan)(zhuan)家(jia)模(mo)型或(huo)(huo)許是一條比較有效的(de)金(jin)融(rong)(rong)大模(mo)型發展路徑(jing)，每個子(zi)領域或(huo)(huo)場(chang)景(jing)都有專(zhuan)(zhuan)業的(de)Expert，負責做(zuo)細、做(zuo)深、做(zuo)精(jing)、做(zuo)準，達(da)到或(huo)(huo)超過人類專(zhuan)(zhuan)家(jia)水(shui)平。對于綜合(he)(he)性問題，采(cai)用(yong)MoE多專(zhuan)(zhuan)家(jia)協同的(de)方式解決，效果(guo)往(wang)往(wang)更好(hao)。例如針(zhen)對具體場(chang)景(jing)的(de)客服、客戶營銷等，AI生成結果(guo)的(de)顆粒度越(yue)(yue)細、越(yue)(yue)快、越(yue)(yue)專(zhuan)(zhuan)業、越(yue)(yue)精(jing)準，效果(guo)越(yue)(yue)好(hao)；針(zhen)對綜合(he)(he)貸款方案設計、綜合(he)(he)理財方案等多場(chang)景(jing)融(rong)(rong)合(he)(he)業務，多模(mo)型協同往(wang)往(wang)帶來更好(hao)效果(guo)。

這(zhe)(zhe)位股份制銀行(xing)IT部門人士告訴記者，Deepseek的(de)一(yi)項特點，是(shi)它通過算(suan)法優(you)化，在使用(yong)很(hen)低的(de)算(suan)力(li)(li)計算(suan)資源情況下充分調動混(hun)合(he)專家MoE模(mo)型架構與AI深(shen)度學習能力(li)(li)，給出精準專業的(de)AI生成(cheng)式(shi)內容。這(zhe)(zhe)同樣契合(he)銀行(xing)研發金融大模(mo)型的(de)發展(zhan)方向。

“目前，我們(men)內(nei)部發(fa)起了(le)一(yi)個工作組(zu)，復刻Deepseek開源大(da)模型(xing)(xing)并進行(xing)數(shu)據(ju)(ju)訓練與(yu)金融(rong)場景應用(yong)測(ce)試，檢測(ce)其AI生成(cheng)式內(nei)容效(xiao)果是否與(yu)其他(ta)大(da)模型(xing)(xing)相當(dang)，以(yi)及數(shu)據(ju)(ju)訓練成(cheng)本是否明(ming)(ming)顯(xian)降低(di)。”他(ta)告訴記者，若(ruo)Deepseek的降本增(zeng)效(xiao)作用(yong)明(ming)(ming)顯(xian)增(zeng)強，不排除他(ta)們(men)會更(geng)多使(shi)用(yong)Deepseek研發(fa)自己的金融(rong)大(da)模型(xing)(xing)，并應用(yong)在更(geng)多業務場景。

李峰表(biao)示，即便(bian)是大型(xing)金(jin)(jin)融(rong)機構(gou)自(zi)研(yan)大模(mo)型(xing)，由于(yu)(yu)AI大模(mo)型(xing)技(ji)術迭代需要耗費大量GPU卡，因(yin)此大型(xing)金(jin)(jin)融(rong)機構(gou)一(yi)面需注意GPU卡的(de)(de)較大損耗成本，一(yi)面要關注大模(mo)型(xing)技(ji)術的(de)(de)創新發展趨(qu)勢，通過(guo)“與時俱進”部署前沿AI科技(ji)，確保自(zi)身(shen)的(de)(de)金(jin)(jin)融(rong)大模(mo)型(xing)技(ji)術處于(yu)(yu)領跑地位。

算力瓶頸“解決” 銀行加快推進AI Agent研發應用

隨著AI大模型(xing)技術快速迭代升級，如今AI Agent(智能體(ti))在(zai)銀行業務場景的應用日益(yi)增多(duo)。

相比傳統(tong)AI大模型，AI Agent能(neng)自主感知(zhi)環境，并(bing)開展(zhan)自主決策(ce)、執(zhi)行動作、反(fan)饋(kui)效(xiao)果與迭代優(you)化，令金融機(ji)構(gou)的(de)運營(ying)效(xiao)率(lv)與業務風險識別防范能(neng)力(li)“更上一(yi)層樓”。

目前，部分歐美大(da)型銀行機構已嘗試使用(yong)AI Agent，自主回(hui)復用(yong)戶的(de)各種(zhong)金融業務疑問(wen)，進一步提升智能客服響應(ying)效率與降(jiang)低坐(zuo)席(xi)人工成(cheng)本。

奇富科技CEO吳海生(sheng)此前接受記者專(zhuan)訪時表示，已有金融(rong)(rong)機構(gou)嘗(chang)試在(zai)某些金融(rong)(rong)業務場景(jing)使用AI Agent。但(dan)它(ta)仍(reng)需具備三大條件：首先，金融(rong)(rong)機構(gou)的(de)AI Agent底層技術需發(fa)展得足夠好；其次，金融(rong)(rong)機構(gou)需要找(zhao)到適合AI Agent的(de)業務場景(jing)，并形(xing)成相應的(de)產品服(fu)務；第三，這項基(ji)于AI Agent的(de)金融(rong)(rong)服(fu)務體(ti)驗是否(fou)足夠無感與(yu)優雅，讓用戶喜歡這個“小助手(shou)”。

上述城商行IT部門人士(shi)向記者透露(lu)，此前他們曾嘗(chang)試引(yin)入AI Agent技術應(ying)用在客服、內部辦公、客戶(hu)營(ying)銷等場景(jing)，但(dan)他們很快(kuai)發(fa)現，算(suan)力(li)(li)瓶頸是制約國內中小(xiao)銀行布(bu)局(ju)AI Agent技術的(de)一大挑戰。相比AI大模型(xing)，由于(yu)AI Agent強調自(zi)主感知與(yu)自(zi)主決(jue)策(ce)，需(xu)要更多算(suan)力(li)(li)開展數據訓練與(yu)算(suan)法優化(hua)，從而確(que)保AI Agent在用戶(hu)個性化(hua)金融服務需(xu)求面前做出準確(que)專業的(de)決(jue)策(ce)。這(zhe)意味(wei)著銀行需(xu)要購買更多GPU卡以支(zhi)持AI Agent研發(fa)應(ying)用。

“鑒于Deepseek的算(suan)力消耗要求與(yu)數據訓練(lian)成本較低，我(wo)們(men)正考慮能否通(tong)過Deepseek訓練(lian)AI Agent。”他告訴記者。

記(ji)者多(duo)方了解到，盡管Deepseek有助于(yu)降低(di)銀(yin)(yin)行(xing)(xing)研(yan)發(fa)AI Agent的算力束縛(fu)，但AI Agent能否(fou)快速應(ying)用(yong)(yong)在(zai)銀(yin)(yin)行(xing)(xing)部(bu)分(fen)業務(wu)場景(jing)，仍存在(zai)一定變數。究(jiu)其原(yuan)因，是相比開(kai)源(yuan)的LLM大語言(yan)模型技(ji)術既可以在(zai)本地(di)環(huan)境進(jin)行(xing)(xing)部(bu)署且能更好控制(zhi)與管理數據以滿足監管要求(qiu)，AI Agent技(ji)術尚未(wei)完全成(cheng)熟(shu)，銀(yin)(yin)行(xing)(xing)如(ru)何(he)做(zuo)好數據隱私(si)保護、數據加密和訪問控制(zhi)等(deng)合規操作要求(qiu)，仍需相關部(bu)門出臺(tai)具體細則。因此AI Agent主要在(zai)銀(yin)(yin)行(xing)(xing)內部(bu)某(mou)些基礎、簡單、通(tong)用(yong)(yong)、不涉及用(yong)(yong)戶數據外泄風險的業務(wu)場景(jing)使用(yong)(yong)。

李峰此(ci)前接受記者專訪(fang)時(shi)(shi)透露，盡管AI Agent發展速度(du)相當快，但(dan)由于金(jin)融機構屬于強監管行(xing)業，相關部門是(shi)否允(yun)許AI大模型自主(zhu)開展金(jin)融業務決策，仍是(shi)未知數。金(jin)融機構在使用AI Agent時(shi)(shi)，仍需高度(du)關注合規操作風險(xian)。

上述股份制銀(yin)(yin)行(xing)IT部門人(ren)士告訴記者，隨著AI Agent技(ji)(ji)術日(ri)益成熟，加之數(shu)據加密調取技(ji)(ji)術持續進步、金(jin)融機(ji)構嘗試將AI Agent應用在部分金(jin)融業務(wu)場景，將是一(yi)種趨勢。畢竟，AI Agent能發揮更(geng)強的(de)智能化服務(wu)與降本增效作用。但這項趨勢能否落地的(de)一(yi)大前提，是銀(yin)(yin)行(xing)能否有效解決AI Agent等(deng)前沿大模型技(ji)(ji)術自身(shen)存(cun)在的(de)風險(xian)，比如技(ji)(ji)術風險(xian)、運營風險(xian)、道德(de)風險(xian)，以及(ji)對客戶(hu)隱私數(shu)據的(de)保(bao)護風險(xian)等(deng)。

封面圖片來源：視覺(jue)中國-VCG41N1472123004