“大模型是銀行業(yè)從數(shù)字化向智能化邁進(jìn)的重要驅(qū)動(dòng)力量，但我們需要正視：很多業(yè)務(wù)仍是手工線下處理，很多信息并未有效收集，很多數(shù)據(jù)無(wú)法實(shí)現(xiàn)標(biāo)準(zhǔn)化，很多業(yè)務(wù)場(chǎng)景尚未實(shí)現(xiàn)策略配置驅(qū)動(dòng)，仍是人為決策，這些都制約著銀行走向數(shù)智化?！?月10日，平安銀行(000001)數(shù)字資產(chǎn)管理與研發(fā)中心總經(jīng)理劉錦淼在新金融聯(lián)盟舉辦的“金融機(jī)構(gòu)數(shù)智化轉(zhuǎn)型與大模型技術(shù)應(yīng)用”內(nèi)部研討會(huì)上表示。

劉錦淼表示，實(shí)現(xiàn)銀行數(shù)智化能力，需要先實(shí)現(xiàn)以下三方面能力：在數(shù)據(jù)資產(chǎn)方面，數(shù)據(jù)采集需要極大豐富，內(nèi)外部數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)均要實(shí)現(xiàn)資產(chǎn)化，數(shù)據(jù)充分共享打通、安全可控。在工具平臺(tái)建設(shè)方面，構(gòu)建營(yíng)銷、運(yùn)營(yíng)、風(fēng)險(xiǎn)政策配置化管理能力，提升相關(guān)工具平臺(tái)中臺(tái)能力。在AI應(yīng)用和業(yè)務(wù)投入產(chǎn)出方面，探索實(shí)現(xiàn)閉環(huán)的數(shù)據(jù)化歸因、自動(dòng)優(yōu)化的能力。

會(huì)上，新金融聯(lián)盟學(xué)術(shù)理事、工商銀行首席技術(shù)官呂仲濤，民生銀行(600016)數(shù)據(jù)管理部總經(jīng)理沈志勇、第四范式聯(lián)合創(chuàng)始人胡時(shí)偉也做了主題發(fā)言。新金融聯(lián)盟理事長(zhǎng)、中國(guó)銀行(601988)原行長(zhǎng)李禮輝及中國(guó)信通院金融科技研究中心副主任趙小飛進(jìn)行了點(diǎn)評(píng)交流。

56家銀行及非銀機(jī)構(gòu)、55家科技公司的170多位嘉賓通過(guò)線上線下參會(huì)。會(huì)議由新金融聯(lián)盟秘書長(zhǎng)吳雨珊主持，中國(guó)金融四十人論壇提供學(xué)術(shù)支持。會(huì)議實(shí)錄詳見→《如何釋放大模型對(duì)金融行業(yè)的價(jià)值？》以下為劉錦淼的發(fā)言全文，已經(jīng)本人審核。

大模型概念驅(qū)動(dòng)下的

銀行數(shù)智化轉(zhuǎn)型思考

文 | 劉錦淼

劉錦淼

人類社會(huì)發(fā)展經(jīng)歷了農(nóng)業(yè)化、工業(yè)化進(jìn)程，現(xiàn)在已全面進(jìn)入數(shù)字化社會(huì)。數(shù)字化社會(huì)隨著信息系統(tǒng)建設(shè)逐步完善、知識(shí)能力儲(chǔ)備日益豐富，逐漸從信息化、知識(shí)化，發(fā)展為了自主化、自動(dòng)化。人類社會(huì)早期的發(fā)展進(jìn)程相對(duì)平穩(wěn)，但隨著信息、知識(shí)、模型、技術(shù)等不斷升級(jí)和快速發(fā)展，信息化社會(huì)的發(fā)展模式將逐漸脫離體力勞動(dòng)和腦力勞動(dòng)，進(jìn)入“創(chuàng)新為主、其他為輔”的智能化發(fā)展時(shí)代。在此趨勢(shì)與背景下，以ChatGPT、AIGC為代表的自動(dòng)化、自主化科技將成為銀行數(shù)智化發(fā)展的一個(gè)重要突破口。

從“智障”到“智能”的五次迭代

大語(yǔ)言模型是基于大量文本數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型，具備自動(dòng)生成自然語(yǔ)言文本或理解語(yǔ)言文本含義的能力，該能力也是從人工“智障”通向真人工“智能”的一條重要途徑。大語(yǔ)言模型算法從出現(xiàn)、發(fā)展到成熟已經(jīng)有五次的更新迭代：

第一階段：1970~2010年，主要以基礎(chǔ)理論研究為主，詞嵌入算法逐步發(fā)展。

第二階段：2011~2013年，NLP-DL進(jìn)入到深度學(xué)習(xí)時(shí)代，以CNN、GNN為代表的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法逐漸應(yīng)用于NLP自然語(yǔ)言處理。

第三階段：2013~2017年，NLP出現(xiàn)新的Tranformer網(wǎng)絡(luò)算法框架。該算法框架增加了Encoder和Decoder兩個(gè)部分，實(shí)現(xiàn)了上下文語(yǔ)義獲取和重點(diǎn)內(nèi)容關(guān)注的能力。基于encoder和decoder的重點(diǎn)發(fā)展方向，分為自編譯網(wǎng)絡(luò)（BERT）和自回歸網(wǎng)絡(luò)（GPT）兩個(gè)方向。

第四階段：隨著GPT的發(fā)展，2022年ChatGPT正式發(fā)布，經(jīng)過(guò)市場(chǎng)不斷推捧與發(fā)酵，整個(gè)社會(huì)對(duì)AIGC有了比較普遍的認(rèn)知。

第五階段：2023年以來(lái)，GPT迭代到GPT4版本，AIGC的應(yīng)用領(lǐng)域逐漸從文本生成，拓展到語(yǔ)音、圖像領(lǐng)域。

近五年來(lái)，GPT從GPT3到ChatGPT再到GPT4，模型的迭代經(jīng)歷無(wú)監(jiān)督模型（學(xué)習(xí)填空）、有監(jiān)督模型（優(yōu)化精調(diào)）、SFT+RM（人類引導(dǎo)、喜好模型）、RLHF（人類強(qiáng)化反饋）等，均是靠大數(shù)據(jù)、大算力支撐。以ChatGPT為例，該大模型是基于45T高質(zhì)量數(shù)據(jù)、159G代碼、10萬(wàn)億單詞，在3萬(wàn)多片A100 GPU算力下訓(xùn)練生成，參數(shù)高達(dá)1750多億（GPT4達(dá)到1.8萬(wàn)億）。

大模型能做什么

大模型借助大模型技術(shù)、自學(xué)習(xí)技術(shù)以及內(nèi)容生成技術(shù)，利用海量數(shù)據(jù)(603138)和知識(shí)來(lái)構(gòu)建底層基礎(chǔ)架構(gòu)（GPT），支撐構(gòu)建通識(shí)問(wèn)答、內(nèi)容創(chuàng)作、信息抽取等三大產(chǎn)品能力，可滿足各種業(yè)務(wù)場(chǎng)景能力需求，包括知識(shí)問(wèn)答、情緒分析、意圖識(shí)別、信息抽取、內(nèi)容生成、代碼生成、圖像生成等。

為什么NLP模型采用大模型之后效率會(huì)提升？從傳統(tǒng)NLP訓(xùn)練角度來(lái)講，通常先要做意圖的定義、意圖相關(guān)分析，再向上做語(yǔ)料訓(xùn)練、效果調(diào)優(yōu)、識(shí)別意圖等開發(fā)，最終實(shí)現(xiàn)對(duì)NLP模型效率的提升。而大模型基本上就能夠涵蓋和支撐從中間語(yǔ)料訓(xùn)練到調(diào)優(yōu)過(guò)程，應(yīng)用端無(wú)須再考慮自己去做大量標(biāo)注訓(xùn)練，縮短了準(zhǔn)備數(shù)據(jù)的周期，研發(fā)效率實(shí)現(xiàn)了提升。

大模型的三個(gè)層次

針對(duì)國(guó)內(nèi)大模型發(fā)展，中國(guó)信通院制定了大模型分級(jí)標(biāo)準(zhǔn)，華為、百度、騰訊、阿里等一線大模型廠商形成了大模型分級(jí)架構(gòu)。根據(jù)數(shù)據(jù)范圍，訓(xùn)練方式，應(yīng)用范圍的不同，可將大模型分為基礎(chǔ)通用層（L0），行業(yè)層（L1）以及行業(yè)內(nèi)具體場(chǎng)景層（L2）。

針對(duì)基礎(chǔ)大模型，國(guó)內(nèi)廠商采用無(wú)監(jiān)督預(yù)訓(xùn)練、強(qiáng)化學(xué)習(xí)的方法，完成對(duì)大模型的研發(fā)與訓(xùn)練，輸出的模型初步具備幾百億到幾千億模型參數(shù)能力。

而在一些專業(yè)領(lǐng)域，各家企業(yè)也正在構(gòu)建自己的行業(yè)大模型。例如平安集團(tuán)已嘗試引用國(guó)內(nèi)提供的基礎(chǔ)大模型，基于行數(shù)據(jù)數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練、無(wú)監(jiān)督訓(xùn)練后，輸出金融大模型。

針對(duì)場(chǎng)景化的模型應(yīng)用領(lǐng)域，即基于行業(yè)的金融大模型，通過(guò)引入專家經(jīng)驗(yàn)、模型調(diào)優(yōu)策略，通過(guò)小樣本標(biāo)注及增量學(xué)習(xí)方式升級(jí)模型，從而形成場(chǎng)景化的大模型，構(gòu)建類似營(yíng)銷專家、理財(cái)專家、信貸模型審批專家等AI模型，賦能具體業(yè)務(wù)場(chǎng)景。

平安銀行的探索實(shí)踐

平安銀行投入了大量人財(cái)物在大模型的學(xué)習(xí)、研究與應(yīng)用方面，基于銀行數(shù)據(jù)，定制訓(xùn)練出針對(duì)銀行場(chǎng)景的千億級(jí)別參數(shù)的大模型，構(gòu)建了行內(nèi)私有化大模型應(yīng)用平臺(tái)，初步具備AIGC和多輪對(duì)話兩大核心能力。目前主要有兩個(gè)應(yīng)用場(chǎng)景，一是面向行員的智能輔助工具場(chǎng)景，二是面向客戶的金融服務(wù)機(jī)器人場(chǎng)景。

面向行員的智能輔助工具通過(guò)大模型實(shí)現(xiàn)低成本標(biāo)注，支持實(shí)現(xiàn)行業(yè)業(yè)務(wù)知識(shí)庫(kù)構(gòu)建，成為行員非常重要的輔助。從應(yīng)用場(chǎng)景看，涵蓋了營(yíng)銷話術(shù)生成、風(fēng)控文本生成、行內(nèi)知識(shí)管理等典型的金融業(yè)務(wù)應(yīng)用場(chǎng)景。

面向客戶的金融服務(wù)機(jī)器人場(chǎng)景，主要是生成式大模型與問(wèn)答機(jī)器人的結(jié)合，打造更擬人化、更智能、更以客戶為中心的銀行面客機(jī)器人，覆蓋營(yíng)銷、服務(wù)、投教等場(chǎng)景。在營(yíng)銷場(chǎng)景，主要通過(guò)多輪對(duì)話，獲取客戶信息，豐富KYC，并進(jìn)行個(gè)性化的營(yíng)銷策略引導(dǎo)；面客對(duì)話機(jī)器人場(chǎng)景，主要是通過(guò)精準(zhǔn)問(wèn)答引擎和AIGC引擎結(jié)合，實(shí)現(xiàn)用戶全旅程陪伴，覆蓋服務(wù)，營(yíng)銷場(chǎng)景。

平安銀行就三類大模型在同樣業(yè)務(wù)場(chǎng)景下的問(wèn)答表現(xiàn)做了橫向?qū)Ρ葴y(cè)試：

針對(duì)L0基礎(chǔ)大模型，對(duì)清華ChatGLM、文心一言、ChatGPT初步評(píng)估，發(fā)現(xiàn)清華大模型的反饋比較中庸，文心一言比較復(fù)雜，但反饋的意思跟清華反饋的差不多，ChatGPT的反饋相對(duì)單薄了一些。

針對(duì)L1行業(yè)大模型，平安集團(tuán)的PinganGPT，整體回復(fù)更親切一些。

針對(duì)L2場(chǎng)景大模型，基于BankGPT訓(xùn)練的專業(yè)理財(cái)大模型，反饋結(jié)果比較匹配。它首先會(huì)判斷客戶意圖，評(píng)估客戶對(duì)長(zhǎng)期理財(cái)是否感興趣，是否愿意參加相關(guān)的營(yíng)銷活動(dòng)。其次，從策略角度講，針對(duì)需要推薦的產(chǎn)品，自動(dòng)化生成話術(shù)，同時(shí)會(huì)推薦其他的業(yè)務(wù)產(chǎn)品，在客戶服務(wù)過(guò)程中，以消息方式推送給客戶經(jīng)理進(jìn)行推薦提醒和輔助。

通過(guò)以上測(cè)試分析，我們發(fā)現(xiàn)：雖然國(guó)內(nèi)的大模型和ChatGPT都有差距，但中文語(yǔ)義理解方面，國(guó)內(nèi)模型還是比ChatGPT要好一些，尤其是從BankGPT反饋的測(cè)試情況來(lái)看，它已經(jīng)具備了作為一個(gè)智能助手適配場(chǎng)景的能力。

大模型未來(lái)可期

未來(lái)，大模型在銀行的應(yīng)用場(chǎng)景非常豐富。目前已經(jīng)應(yīng)用的場(chǎng)景有客戶服務(wù)、信貸審批、投研服務(wù)三大類。

客戶服務(wù)場(chǎng)景有機(jī)器人服務(wù)、輔助坐席回復(fù)、服務(wù)管理、輔助營(yíng)銷等；信貸審批場(chǎng)景有貸前風(fēng)險(xiǎn)評(píng)估、智能盡調(diào)報(bào)告、輔助審批、合規(guī)審查、貸后催收服務(wù)等；投研服務(wù)領(lǐng)域的主要應(yīng)用場(chǎng)景是研報(bào)、年報(bào)、財(cái)報(bào)的自動(dòng)生成。

大模型除了能夠應(yīng)用于文字類的語(yǔ)言生成和語(yǔ)義理解外，在圖片類和視頻類的生成方面也有著廣泛的應(yīng)用。

對(duì)于圖片類，可以通過(guò)大模型技術(shù)，實(shí)現(xiàn)圖像的編輯和自主生成。圖像編輯工具可用于去除水印、提高分辨率、設(shè)定特定濾鏡等。圖像自主生成工具可用于生成創(chuàng)意圖片，比如隨機(jī)或按照特定屬性生成畫作等；也可生成功能性圖片，比如根據(jù)指定要求生成營(yíng)銷類海報(bào)、logo等。

對(duì)于視頻類，可以通過(guò)大模型技術(shù)生成視頻，包含視頻屬性編輯、視頻自動(dòng)編輯及視頻部分編輯三類功能。視頻屬性編輯可實(shí)現(xiàn)刪除特定主體、生成特效、跟蹤剪輯等；視頻自動(dòng)編輯可對(duì)特定片段進(jìn)行檢測(cè)及合成；視頻部分編輯可進(jìn)行視頻換臉等。

平安銀行也在積極推動(dòng)大模型技術(shù)在貸款審批、海報(bào)生成、AI面審、數(shù)字人營(yíng)銷等場(chǎng)景的探索與應(yīng)用，借助于AIGC智能化的技術(shù)手段，逐步推動(dòng)AI替代人工，數(shù)智化助力全行降本增效的目標(biāo)達(dá)成。

大模型如何驅(qū)動(dòng)銀行數(shù)智化轉(zhuǎn)型

企業(yè)的數(shù)字化轉(zhuǎn)型，尤其是金融行業(yè)，絕不僅僅是大模型這一方面的事情。無(wú)論是國(guó)家層面，還是銀行監(jiān)管層面，都已經(jīng)提出銀行向數(shù)字化快速轉(zhuǎn)型和發(fā)展的要求。從2016年到現(xiàn)在，平安銀行一直致力推動(dòng)數(shù)字化轉(zhuǎn)型變革，經(jīng)歷了三個(gè)階段，主要以“科技引領(lǐng)、零售突破、對(duì)公做精”三個(gè)方面為戰(zhàn)略牽引。針對(duì)當(dāng)前階段，平安銀行將圍繞零售智能化銀行、對(duì)公零售打通開放銀行為核心，從數(shù)字化經(jīng)營(yíng)、數(shù)字化管理、數(shù)字化運(yùn)營(yíng)、數(shù)字化風(fēng)控幾方面，推動(dòng)全面數(shù)字化能力提升。

大模型是銀行業(yè)從數(shù)字化向智能化邁進(jìn)的重要驅(qū)動(dòng)力量，必然會(huì)在數(shù)字運(yùn)營(yíng)、數(shù)字經(jīng)營(yíng)、數(shù)字管理、數(shù)字風(fēng)控等更多場(chǎng)景，實(shí)現(xiàn)AI服務(wù)與替代人工。銀行數(shù)智化絕不僅僅只有大模型的應(yīng)用場(chǎng)景，但我們需要正視：很多業(yè)務(wù)仍是手工線下處理，很多信息并未有效收集，很多數(shù)據(jù)無(wú)法實(shí)現(xiàn)標(biāo)準(zhǔn)化，很多業(yè)務(wù)場(chǎng)景尚未實(shí)現(xiàn)策略配置驅(qū)動(dòng)，仍是人為決策，這些都制約著銀行走向數(shù)智化。

因此實(shí)現(xiàn)銀行數(shù)智化能力，需要先實(shí)現(xiàn)以下能力：在數(shù)據(jù)資產(chǎn)方面，數(shù)據(jù)采集需要極大豐富，內(nèi)外部數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)均要實(shí)現(xiàn)資產(chǎn)化，數(shù)據(jù)充分共享打通、安全可控。在工具平臺(tái)建設(shè)方面，構(gòu)建營(yíng)銷、運(yùn)營(yíng)、風(fēng)險(xiǎn)政策配置化管理能力，提升相關(guān)工具平臺(tái)中臺(tái)能力。在AI應(yīng)用和業(yè)務(wù)投入產(chǎn)出方面，探索實(shí)現(xiàn)閉環(huán)的數(shù)據(jù)化歸因、自動(dòng)優(yōu)化的能力。

我們需要進(jìn)一步思考，AI算法模型對(duì)業(yè)務(wù)發(fā)展的價(jià)值如何、覆蓋全行多少業(yè)務(wù)場(chǎng)景、讓算法替代人還是讓算法永遠(yuǎn)服務(wù)于人，并且制定相應(yīng)的考核與牽引指標(biāo)驅(qū)動(dòng)更多的業(yè)務(wù)場(chǎng)景實(shí)現(xiàn)數(shù)智化能力。

“道阻且長(zhǎng)、行則將至”，大模型的應(yīng)用與發(fā)展的潛力和空間是無(wú)限的，驅(qū)動(dòng)銀行數(shù)智化轉(zhuǎn)型本身也是任重道遠(yuǎn)的。轉(zhuǎn)型成為數(shù)智化銀行，未來(lái)還要有很長(zhǎng)一段路還走，還有很多事情要做。

【關(guān)于我們】

新金融聯(lián)盟（NFA）成立于2016年，致力于打造一個(gè)高質(zhì)量的新金融政策研討和行業(yè)交流平臺(tái)。成立以來(lái)，聯(lián)盟共組織各類閉門研討會(huì)、優(yōu)秀企業(yè)參訪近百場(chǎng)，議題涵蓋數(shù)字金融、數(shù)據(jù)治理、資產(chǎn)管理等方向。部分研討成果形成報(bào)告，呈送給相關(guān)部門，推動(dòng)了業(yè)界與監(jiān)管的溝通交流，助力理事單位的合作共贏。

本文首發(fā)于微信公眾號(hào)：新金融城。文章內(nèi)容屬作者個(gè)人觀點(diǎn)，不代表和訊網(wǎng)立場(chǎng)。投資者據(jù)此操作，風(fēng)險(xiǎn)請(qǐng)自擔(dān)。