每經(jīng)記者 張祎    每經(jīng)編輯 張益銘

AI大模型所掀起的技術變革，為越來越多的中小銀行帶來了數(shù)字化轉型與智能化升級的新機遇。開年以來，一些中小銀行紛紛加快布局步伐，密集接入DeepSeek大模型，探索其在不同領域的具體應用。

據(jù)了解，作為堅持“技術立行”的數(shù)字銀行，新網(wǎng)銀行一直十分重視科技與業(yè)務深度融合。隨著AI大模型向金融領域滲透，該行快速跟進大模型探索實踐，自2024年5月起就在系統(tǒng)研發(fā)場景中應用DeepSeek大模型，并在智能客服、智能營銷、貸后管理、風險控制等多個領域嘗試大模型應用。

如何看待銀行業(yè)對DeepSeek的快速反應？AI大模型的低算力要求和低數(shù)據(jù)訓練成本是否為中小銀行提供了追趕的機會？新網(wǎng)銀行在技術路線選擇上有何特點？圍繞一系列問題，新網(wǎng)銀行副行長李秀生于日前接受了《每日經(jīng)濟新聞》記者（以下簡稱“NBD”）專訪。

新網(wǎng)銀行副行長李秀生 受訪者供圖

“大模型將不再是大型銀行的專屬，而是能夠廣泛應用于中小銀行之中。”李秀生表示，隨著DeepSeek等大模型技術的出現(xiàn)和逐漸迭代提升，其低算力要求和低數(shù)據(jù)訓練成本的特性，讓中小銀行能夠以更低成本引入和應用這些先進技術。

在大模型技術應用場景選擇方面，李秀生認為，在大模型時代，銀行需要從人工智能充分應用的角度思考如何重塑銀行的經(jīng)營管理和流程。在選擇具體的大模型時，應基于自身應用特點、戰(zhàn)略思考來選擇合適的模型組合。

中小銀行可利用大模型更好地推進普惠金融落地

NBD：你如何看待銀行業(yè)對DeepSeek的快速反應？這種反應可能基于怎樣的戰(zhàn)略考量？

李秀生：我認為，對于DeepSeek的快速反應，是銀行業(yè)基于實施提質增效、技術創(chuàng)新、提升智能化水平的戰(zhàn)略考量。在過去，往往需要更多成本構建算力、引入模型，DeepSeek的開源特性降低了技術門檻，讓中小銀行也看到了應用大模型的空間，為銀行業(yè)模型應用效率提升提供新途徑，推動其更加智能化、高效化地發(fā)展。

NBD：你認為大模型技術對傳統(tǒng)銀行服務模式的改變程度如何？在一些領域比如智能客服、智能風控等，是否會帶來質的飛躍？

李秀生：大模型技術能夠改變過往服務模式，特別是在客戶感知層面將愈發(fā)明顯，未來每位客戶都有可能擁有自己的專屬客戶經(jīng)理。通過大模型技術，也能夠更為深入了解客戶需求，提供個性化交互服務。

隨著大模型出現(xiàn)，風控模式將進入多模態(tài)數(shù)據(jù)風控大模型和領域化智能風控大模型的發(fā)展趨勢。而且，隨著模型參數(shù)增大和數(shù)據(jù)增強，模型性能也將逐漸增強。在客戶授權下，多模態(tài)數(shù)據(jù)風控大模型可以將廣泛的非結構化數(shù)據(jù)作為授信審批依據(jù)。領域化智能風控大模型則可以嘗試基于金融語料構建預訓練大模型，再用于下游風險識別、客戶匹配度識別等領域。

NBD：大模型技術的廣泛應用，是否會縮小中小銀行與大型銀行之間的技術差距？DeepSeek等AI大模型的低算力要求和低數(shù)據(jù)訓練成本是否為中小銀行提供了追趕的機會？

李秀生：大模型技術的廣泛應用確實為縮小中小銀行與大型銀行之間的技術差距提供了可能。

隨著DeepSeek等大模型技術的出現(xiàn)和逐漸迭代提升，其低算力要求和低數(shù)據(jù)訓練成本的特性，讓中小銀行能夠以更低成本引入和應用這些先進技術。大模型將不再是大型銀行的專屬，而是能夠廣泛應用于中小銀行之中。

在此次大模型浪潮中，中小銀行可以抓住這一機遇，積極引入和應用大模型技術，利用大模型更好地推進普惠金融落地。

通過自主創(chuàng)新提升大模型性能

NBD：目前新網(wǎng)銀行在哪些業(yè)務場景中嘗試應用了大模型技術？具體是如何落地的？

李秀生：目前，依托大模型技術，新網(wǎng)銀行在智能客服、貸后管理、智能營銷、智能研發(fā)、風險控制等多個領域建設了一系列智能化助手，深入應用于多個效率瓶頸環(huán)節(jié)。

其中，新網(wǎng)銀行打造基于大模型的智能服務平臺“識卷”，通過深度融合多模態(tài)數(shù)據(jù)處理能力，解決新市民客戶個性化授信難、車抵房抵等抵押業(yè)務流程復雜的問題，智能化處理個人客戶十余種授信自證數(shù)據(jù)，為客戶提供多種資產(chǎn)認證模式以適配客戶具體情況，利用大模型更好地推進普惠金融落地。目前，使用該服務的客戶人均提額幅度超過30%。房抵貸業(yè)務能夠實現(xiàn)全線上辦理，當天審批當天放款。

NBD：你認為，銀行在選擇大模型技術應用場景時，應主要基于怎樣的商業(yè)價值判斷來做決定？該如何平衡科技預算投入與業(yè)務價值？

李秀生：具體來說，銀行考慮應用場景的市場需求、業(yè)務增長潛力以及技術可行性等因素。通過綜合評估這些因素，確定哪些場景最適合應用大模型技術。

在大模型時代，銀行需要從人工智能充分應用的角度思考如何重塑銀行的經(jīng)營管理和流程。在選擇具體的大模型時，基于自身應用特點、戰(zhàn)略思考來選擇合適的模型組合。對于新網(wǎng)銀行來說，我們也將進一步提高人工智能在銀行發(fā)展中的戰(zhàn)略重視程度，加大人工智能方面的投入。

NBD：新網(wǎng)銀行在大模型應用探索上有哪些獨特的優(yōu)勢？在技術路線選擇上，相較他行是否有所差異？

李秀生：新網(wǎng)銀行積極擁抱開源技術，推動大模型技術的普及和應用，同時也更加注重對算法和模型的優(yōu)化，通過自主創(chuàng)新，進而提升大模型的性能。

自2024年5月起，新網(wǎng)銀行就在系統(tǒng)研發(fā)場景中應用DeepSeek大模型，分別構建了研發(fā)知識問答助手與代碼續(xù)寫助手，縮短一線工程師在研發(fā)過程中查閱技術資料的耗時。

另外，新網(wǎng)銀行還通過自研插件的方式，將DeepSeek代碼大模型的能力嵌入到代碼編輯器這類開發(fā)工具中，形成Copilot助駕的研發(fā)模式，使得專業(yè)大模型的能力可以嵌入一線研發(fā)人員的工作流程中。

NBD：在探索和應用大模型技術的過程中，新網(wǎng)銀行是否遇到過技術瓶頸？當時是如何應對的？這些經(jīng)驗對于后續(xù)的技術應用和戰(zhàn)略調整有哪些啟示？

李秀生：在大模型客服服務領域，最初存在一定幻覺現(xiàn)象，面對這種情況，新網(wǎng)銀行從提升數(shù)據(jù)質量、數(shù)據(jù)多樣性、工程兜底三個方面著手解決，大量應用通用大模型參與數(shù)據(jù)檢測、數(shù)據(jù)生成、數(shù)據(jù)修復，最終成功緩和幻覺問題。

人機交流過程中，機器音色有著機械化問題。針對該難題，新網(wǎng)銀行除了探索前沿語音合成算法外，還自創(chuàng)自建消音室，加工坐席真實語料用于模型訓練，大幅提升了擬人化效果，極大地增強了人機對話的自然度與真實感。

從中也可以看出，技術應用需緊密貼合業(yè)務實際，注重用戶體驗與反饋，同時保持技術迭代的敏捷性。新網(wǎng)銀行將會繼續(xù)重視人工智能思維，促進人機協(xié)同，持續(xù)優(yōu)化系統(tǒng)與人的合理分工，推動智能化轉型的深化。