意见领袖 | 新金融联盟NFA
作者 | 唐家才
大模型“有脑无手”问题待解
随着数字化转型进入深水区，以大模型为代表的人工智能点燃了行业数字化转型新的里程碑，通过这几年发展，行业形成三个共识。
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，已形成较大的梯度差距。
近期，我们在客户服务质检和财富指标的抽取场景中，对DeepSeek进行了一些验证，发现其计算推理优势显著，基本已经追赶到Open AI的水平。因此，金融行业应聚焦垂直模型领域发力。
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，下一步将解决大模型“有脑无手”的问题。
大模型怎么选、怎么做、怎么管
2024年，兴业银行密切关注生成式AI应用前景规划，发现目前金融机构的生成式AI应用场景较有限。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，形成以下观点：
“马太效应”显著，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，规模效用推动可持续赋能；“大小模型”为轴，判别式与生成式并驾齐驱；“技术研究”为本，夯实技术预判和掌控能力；“二趋二避”为旨，科技创新与理性务实并重。
我着重解释一下“五专机制”与“二趋二避”。
关于“五专机制”，通过调研我们发现，为了培育智能能力，许多机构设有专项指标、投入专项资金、明确专业岗位定位、搭建创业创新平台、构建创新闭环。譬如，工行的每个应用都有数字劳动力跟踪指标、招商成立了创新基金、平安成立了创新实验室，我们则推出了“五专机制”。
所谓“二趋二避”，趋势一：人力投入趋于多元，不仅仅依靠算法人员，而需“业务+算法”才能实现良好的场景应用；趋势二：模型选择趋于灵活，要选对的、不选大的，一般而言，参数规模为几十亿或几百亿的大模型足以满足实际应用需求。要避免两个倾向，一是避免高估生成式AI的能力，应将决策式AI和生成式AI结合使用；二是避免触及安全底线。
上述观点的本质都是大模型怎么选、怎么做、怎么管，以下详细阐述。
第一，怎么选。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，能满足场景需要。如今模型的可选择性很大，避免盲目选择，才能降低应用成本。
第二，怎么做。一手挖场景，一手建平台，两者不可偏废，大多数新技术应用都是由场景驱动发展起来的。在场景选择上，除了要研究和评估技术难度，还需从业务经营角度评估测算ROI。
我们也在关注智能体的发展。Gartner发布的《2025年十大战略技术趋势》将代理型AI列为首位，提出未来每个人都会有一个AI代理的设想。因此，从行业角度看，银行IT既要解决AI人人可用的门槛问题，更要实现让人人都用AI思维和体验跃迁问题。
第三，怎么管。难点在于驾驭AI技术不确定性。AI的发展有别于传统技术，这意味着传统技术管理方式可能失效。因此，我们需以投资者的视角来看待新技术应用创新，投入相对宽松的人、财、物、产学研资源，形成一揽子投资组合式的创新课题。在配套管理方面，兴业银行成立了几个业技合作联合实验室，以预期价值、风险底线、时间周期为约束条件，投入一定资源并关注投入产出回报。这样既能吸引和培育人才，又能激发场景创新，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，在监管指导下，积极稳妥推进AI在金融领域的应用。
我举几个应用实例：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。要判断一笔贷款业务是否属于绿色贷款，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贷款投放的相关要素，就能对其自动识别，同时生成绿色金融意见认定报告，目前识别准确率超过了95%，每年辅助绿色融资业务约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，智能财富规划建议系统也在探索中，该系统能在产品选择、产品质量评估及持仓优化调整上辅助决策，具备动态调整、预测、预警等功能，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道路上依然有诸多问题待解：首先，大模型的数据处理能力仍有待提升，面临更全量、多模态的数据，是否有能力做全参数训练。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。
人工智能是改变金融行业认知能力的一个跃迁，让我们更懂客户、更懂市场、更懂自己，我们对未来有几个趋势判断。
第一，传统AI会继续发光发热。在数字运营、智能风控、金融工程等领域，传统AI仍然是主力。
第二，随着业务和应用认知提升，大模型会进一步渗透各个业务环节和领域。但目前由于合规性等原因，直接对客难度较大，更多是在内部辅助。
第三，如果把传统AI比理科生，生成式AI比作文科生，那么智能体则可能是一个文理兼修的全能生。我们应关注如何将简单的语义识别、任务拆解与大模型能力相结合，形成更完整的智能体框架。
AI与金融领域深度融合创新，我认为有三个方面。一是流程融合。没有嵌入业务流程的AI不是好AI，只有将其内置到业务流程中，才能最终实现复杂流程自动化，推动业务流程再造和业务转型升级。二是与人的融合。对于员工而言，AI是助人提效而非直接替代；对于客户而言，AI可提高便利性，但关键环节依旧需要客服人员支持。我们要做有温度的银行，将AI与人更好地结合，更大地发挥出AI的作用，从而为客户提供更好的服务。三是合规融合。
最后，我提两个建议：第一，完善AI+数据共享应用。呼吁开放更多公共性大数据空间或数据源，同时建议金融机构开展更多行业共创，例如在金融行业专属大模型上进行更多合作。第二，推进AI+金融生态合作。在业务上进行更多融合，在金融行业内用好智能体的同时，跨行业发挥智能体的价值将带来更多想象空间。
(本文作者介绍：一个高质量的新金融政策研讨和行业交流平台。)