deepseek在中國掀起了人工智能（ai）浪潮，未來ai在各個行業的採用將加速。瑞銀近期提出，考慮到金融行業的數據密集型和勞動密集型特點，以及大量與語言相關的任務，該行業被認為可能會比其他行業更深刻地被genai（生成式人工智能）重塑。
事實上，金融行業近年來在持續加大信息科技投入。以中國銀行業為例，2021年，披露相關數據的18家上市銀行中，信息科技投資總額為1584.22億元，相比之下，2023年17家銀行的總投資額已經增長至1846.86億元。同時，包括工商銀行、農業銀行、招商銀行在內的約20家機構在2023年年報中即披露了關於大模型的研發、業務應用以及賦能業務取得的成效。
儘管ai也存在“成長的煩惱”，例如大模型幻覺、價值觀和倫理偏見、客戶隱私泄露等，但業內認為應對撲面而來的時代浪潮，因為害怕挑戰而不發展、不擁抱和使用ai，造成落後才是最大的挑戰。
openai原全球市場應用負責人、人工智能與商業戰略專家卡斯（zack kass）日前在接受第一財經記者獨家採訪時提及，根據他對於國際頭部銀行的了解，ai可以在五個金融行業的關鍵領域提升效率——零售銀行、財富管理、保險承保與產品定價、銷售與營銷和客戶獲取、投資銀行。上述領域都存在人員需求大、專業度要求高、效率不足等特點，ai的普及有望顯著改善銀行部分低效業務的roi（投資回報率）。
ai將在五大領域提升金融業效率
數字金融的背景是新一代ai技術的崛起，與大模型密不可分。
作為ai行業的資深從業者和ai預言家，卡斯對記者表示，未來10到20年，醫療保健、教育和金融服務這三個行業將因為ai而發生顯著變化。
對於金融行業來說，生成式ai對行業的潛在重塑或將大於其他行業（大量的數據沉澱、勞動力密集度高以及與語言相關的工作內容佔比高）。
在卡斯看來，金融行業的五個細分領域將受到ai的最大助力。
首先就是零售銀行業務。儘管這是各大銀行的兵家必爭之地，但這一業務往往成本高且投資回報率低，而且具有人員密集的特點。如果能夠通過ai提高低利潤業務的roi，這將成為ai在金融行業中釋放的巨大潛力。ai的運用可以提升零售產品的質量，從而降低成本並增加效率。此外，零售銀行面臨的挑戰包括員工流失率高、工作繁重且工作質量不高，ai有助於緩解這些問題。
其次則是財富管理。世界上優秀的財富管理人才非常稀缺。ai的應用可以通過兩種方式提升財富管理：一是擴大財富管理經理的服務能力，二是標準化和優化財富經理的服務，使得團隊中的所有財富管理人員都能夠達到更高的服務標準。ai還可以幫助識別哪些財富經理無法成功，從而優化財富管理的整體質量。
第三方面是保險承保與產品定價。通過更精確的數據分析，ai能夠解決保險業面臨的一些複雜問題，尤其是在風險定價和賠付預測方面，從而提高整個保險行業的效率。ai可以通過更有效的定價方法來解決問題，並使得低價值的保險產品變得可行。此外，可以通過技術（如chatgpt）提升客戶體驗並拓寬保險的普及度。
在銷售與營銷和客戶獲取方面，ai能有效提升銷售策略的精準度，從而增加客戶轉化率和市場份額。
ai在投資銀行業務方面也將發揮諸多作用。例如，在數據分析方面，ai可以處理和分析大量複雜的金融數據，包括歷史交易數據、公司財務報表等。機器學習算法能夠發現隱藏的模式和趨勢，幫助投行做出更精確的預測；利用自然語言處理（nlp）技術，ai能夠快速掃描和分析新聞、財報、行業報告以及社交媒體上的內容，提取有價值的信息；此外，財務建模此前往往涉及反覆的人力勞動，而ai可以幫助投行快速構建和更新財務模型，自動執行大量計算，從而節省時間和減少人為錯誤。ai可以通過對比分析法、折現現金流法（dcf）等多種方式進行公司估值。
仍需突破多重挑戰
當前來看，金融機構均在積極探索ai應用，但實際投產率與海外相比並不高。同時，ai的落地也需要克服多重挑戰。
瑞銀證券非銀金融行業分析師曹海峰對記者表示，研究表明，實踐中，金融機構仍然側重於員工賦能應用，如知識輔助、客戶服務助手、智能投資與研究、保險代理助手等，這些應用仍需要人類作為門控者；在用戶中，大型金融機構正在系統性地構建llm，整合前台/中台/後台場景，並採用多方面的模型研發方法，包括自研和聯合開發。小型金融機構由於成本考慮，仍然在單一場景上進行實驗，並普遍選擇直接購買。
在他看來，國產模型效果不理想、投入門檻高、roi不清晰，是制約生成式ai在金融行業規模化應用的關鍵因素。
某頭部股份制商業銀行數字金融部人士對記者表示，銀行採購大模型相關服務或產品的訂單案例層出不窮，雖然售價已經頗高，大模型應用的前景也並不明朗，但為了不錯過行業的發展，部分銀行也在大力投入顯卡、加速建設。然而，不少銀行並沒有足夠的預算。
整體來看，金融行業對於大模型逐漸呈現出一種矛盾心態。由於資金壓力，訓練大模型資源消耗巨大、成本頗高，絕大部分金融機構力有不逮。據悉，目前國內只有少數銀行在探索獨立全棧自研大模型或專業大模型基礎上進行微調。絕大部分銀行的大模型探索均是與第三方模型公司合作，從雲端調用，按需接入各類大模型api。部分銀行不敢投入的直接原因在於，大模型在具體落地層面仍有很多挑戰。比如，“大模型幻覺”、數據隱私保護、可解釋性弱等。在商業層面，巨大的成本投入能否帶來正向roi，仍然存疑。
招商銀行數字金融發展辦公室高旭磊在談及ai“成長的煩惱”時表示，煩惱主要有三方面，一是大模型幻覺，通俗講叫做“一本正經地胡說八道”“自圓其說地胡說”，這可能導致對風險方向的把握出現問題，造成嚴重的後果；二是價值觀和倫理偏見，比如大模型可能會告訴你“如何製作槍支”；三是客戶隱私泄露；四是可能導致的“贏家通吃”。
在他看來，銀行需要破解“既要、又要、還要”的“不可能三角”。所謂“不可能三角”，就是海量的客戶、極致的體驗和極低的成本。具體而言，服務海量客戶，就可能管不住風險，導致成本很高。或者數量上去了，成本降低了，但是客戶體驗很差，因為需要客戶提供很多審核資料。
據悉，近一年來，部分銀行已經啟動了與大模型相關的建設。例如，招行在今年年初啟動了直接與大模型相關的“智算平台”建設。該平台包含大語言模型訓練與推理平台，旨在構建金融垂直領域大模型。初步成果也已經有所顯現。例如，大模型可以自動生成營銷文案，大幅提高營銷效率；通過智能客服，可以解決絕大多數用戶問題，將原本需要人工數分鐘處理的事務縮短到“秒”級；在風控方面，招行的“天秤”風控平台已經運用了大量的神經網絡算法。
聚焦金融it行業的機會
除了金融行業的效率可能會被ai提振，還有哪些公司可能受益最大？在機構看來，金融行業的“ai賦能者”，即金融it供應商，基於他們積累的數據資產和行業知識，可能會最為受益。
曹海峰對記者提及，在中長期內，隨着應用規模的擴大，預計金融it公司將成為主要受益者，尤其基於其將llm（大型語言模型）與金融機構需求結合的優勢。預計顯示，到2030年，genai可能推動金融it行業收入達到690億元人民幣（占行業總收入的24%），銀行、保險和金融it行業均將受益。
瑞銀表示，看好宇信科技（銀行it領導者）和恒生電子（證券it領導者）。雖然同花順和東方財富等金融信息提供商在genai應用上進展比預期中更快，但它們的核心業務可能面臨一些挑戰。
具體而言，宇信科技提供銀行解決方案 （一站式產品），該公司推出了低代碼應用開發平台及多個應用產品，包括：開發助手、金融數據安全分類助手、“興神”數據分析平台、ai營銷助手、智能客服助手；恒生電子則提供證券大語言模型解決方案。據悉，恒生聚源參與共建了工銀瑞信最新大模型創新成果fundgpt，為項目提供並部署了warrenq-chat和chatminer產品。恒生電子近期也表示，大模型應用全面接入deepseek。
未來，生成式ai將大幅提升行業效率。當前，瑞銀已經為經紀和保險行業識別了31/23個生成式ai應用場景，主要影響包括成本降低、效率提升和客戶黏性增加，其中生成式ai適用於59%/83%/44%的影響場景。該機構估計，生成式ai的發展到2030年將使行業勞動成本中位數下降20%。
具體而言，對於經紀行業，機構估計生成式ai應用可使2030年的roe提高1.4個百分點（凈利潤提高15%），從而推動2030年估值增長19%。對於保險行業，其估計生成式ai應用可使2030年新業務價值（nbv）增加17%，從而推動2030年估值增長12%。
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-