DeepSeek在中國掀起了人工智能（AI）浪潮，未來AI在各個行業(yè)的采用將加速。瑞銀近期提出，考慮到金融行業(yè)的數(shù)據(jù)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(yè)被認為可能會比其他行業(yè)更深刻地被GenAI（生成式人工智能）重塑。

事實上，金融行業(yè)近年來在持續(xù)加大信息科技投入。以中國銀行業(yè)為例，2021年，披露相關數(shù)據(jù)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(jīng)增長至1846.86億元。同時，包括工商銀行、農(nóng)業(yè)銀行、招商銀行在內(nèi)的約20家機構在2023年年報中即披露了關于大模型的研發(fā)、業(yè)務應用以及賦能業(yè)務取得的成效。

盡管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(yè)內(nèi)認為應對撲面而來的時代浪潮，因為害怕挑戰(zhàn)而不發(fā)展、不擁抱和使用AI，造成落后才是最大的挑戰(zhàn)。

OpenAI原全球市場應用負責人、人工智能與商業(yè)戰(zhàn)略專家卡斯（Zack Kass）日前在接受第一財經(jīng)記者獨家采訪時提及，根據(jù)他對于國際頭部銀行的了解，AI可以在五個金融行業(yè)的關鍵領域提升效率——零售銀行、財富管理、保險承保與產(chǎn)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(yè)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(yè)務的ROI（投資回報率）。

AI將在五大領域提升金融業(yè)效率

數(shù)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(yè)的資深從業(yè)者和AI預言家，卡斯對記者表示，未來10到20年，醫(yī)療保健、教育和金融服務這三個行業(yè)將因為AI而發(fā)生顯著變化。

對于金融行業(yè)來說，生成式AI對行業(yè)的潛在重塑或?qū)⒋笥谄渌袠I(yè)（大量的數(shù)據(jù)沉淀、勞動力密集度高以及與語言相關的工作內(nèi)容占比高）。

在卡斯看來，金融行業(yè)的五個細分領域?qū)⑹艿紸I的最大助力。

首先就是零售銀行業(yè)務。盡管這是各大銀行的兵家必爭之地，但這一業(yè)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(yè)務的ROI，這將成為AI在金融行業(yè)中釋放的巨大潛力。AI的運用可以提升零售產(chǎn)品的質(zhì)量，從而降低成本并增加效率。此外，零售銀行面臨的挑戰(zhàn)包括員工流失率高、工作繁重且工作質(zhì)量不高，AI有助于緩解這些問題。

其次則是財富管理。世界上優(yōu)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(jīng)理的服務能力，二是標準化和優(yōu)化財富經(jīng)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(jīng)理無法成功，從而優(yōu)化財富管理的整體質(zhì)量。

第三方面是保險承保與產(chǎn)品定價。通過更精確的數(shù)據(jù)分析，AI能夠解決保險業(yè)面臨的一些復雜問題，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(yè)的效率。AI可以通過更有效的定價方法來解決問題，并使得低價值的保險產(chǎn)品變得可行。此外，可以通過技術（如ChatGPT）提升客戶體驗并拓寬保險的普及度。

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(zhuǎn)化率和市場份額。

AI在投資銀行業(yè)務方面也將發(fā)揮諸多作用。例如，在數(shù)據(jù)分析方面，AI可以處理和分析大量復雜的金融數(shù)據(jù)，包括歷史交易數(shù)據(jù)、公司財務報表等。機器學習算法能夠發(fā)現(xiàn)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(yè)報告以及社交媒體上的內(nèi)容，提取有價值的信息；此外，財務建模此前往往涉及反復的人力勞動，而AI可以幫助投行快速構建和更新財務模型，自動執(zhí)行大量計算，從而節(jié)省時間和減少人為錯誤。AI可以通過對比分析法、折現(xiàn)現(xiàn)金流法（DCF）等多種方式進行公司估值。

仍需突破多重挑戰(zhàn)

當前來看，金融機構均在積極探索AI應用，但實際投產(chǎn)率與海外相比并不高。同時，AI的落地也需要克服多重挑戰(zhàn)。

瑞銀證券非銀金融行業(yè)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(cè)重于員工賦能應用，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(tǒng)性地構建LLM，整合前臺/中臺/后臺場景，并采用多方面的模型研發(fā)方法，包括自研和聯(lián)合開發(fā)。小型金融機構由于成本考慮，仍然在單一場景上進行實驗，并普遍選擇直接購買。

在他看來，國產(chǎn)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(yè)規(guī)模化應用的關鍵因素。

某頭部股份制商業(yè)銀行數(shù)字金融部人士對記者表示，銀行采購大模型相關服務或產(chǎn)品的訂單案例層出不窮，雖然售價已經(jīng)頗高，大模型應用的前景也并不明朗，但為了不錯過行業(yè)的發(fā)展，部分銀行也在大力投入顯卡、加速建設。然而，不少銀行并沒有足夠的預算。

整體來看，金融行業(yè)對于大模型逐漸呈現(xiàn)出一種矛盾心態(tài)。由于資金壓力，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(jù)悉，目前國內(nèi)只有少數(shù)銀行在探索獨立全棧自研大模型或?qū)I(yè)大模型基礎上進行微調(diào)。絕大部分銀行的大模型探索均是與第三方模型公司合作，從云端調(diào)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于，大模型在具體落地層面仍有很多挑戰(zhàn)。比如，“大模型幻覺”、數(shù)據(jù)隱私保護、可解釋性弱等。在商業(yè)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(shù)字金融發(fā)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(jīng)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(xiàn)問題，造成嚴重的后果；二是價值觀和倫理偏見，比如大模型可能會告訴你“如何制作槍支”；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(shù)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(jù)悉，近一年來，部分銀行已經(jīng)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“智算平臺”建設。該平臺包含大語言模型訓練與推理平臺，旨在構建金融垂直領域大模型。初步成果也已經(jīng)有所顯現(xiàn)。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(shù)用戶問題，將原本需要人工數(shù)分鐘處理的事務縮短到“秒”級；在風控方面，招行的“天秤”風控平臺已經(jīng)運用了大量的神經(jīng)網(wǎng)絡算法。

聚焦金融IT行業(yè)的機會

除了金融行業(yè)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(yè)的“AI賦能者”，即金融IT供應商，基于他們積累的數(shù)據(jù)資產(chǎn)和行業(yè)知識，可能會最為受益。

曹海峰對記者提及，在中長期內(nèi)，隨著應用規(guī)模的擴大，預計金融IT公司將成為主要受益者，尤其基于其將LLM（大型語言模型）與金融機構需求結(jié)合的優(yōu)勢。預計顯示，到2030年，GenAI可能推動金融IT行業(yè)收入達到690億元人民幣（占行業(yè)總收入的24%），銀行、保險和金融IT行業(yè)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(yè)務可能面臨一些挑戰(zhàn)。

具體而言，宇信科技提供銀行解決方案 （一站式產(chǎn)品），該公司推出了低代碼應用開發(fā)平臺及多個應用產(chǎn)品，包括：開發(fā)助手、金融數(shù)據(jù)安全分類助手、“興神”數(shù)據(jù)分析平臺、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(jù)悉，恒生聚源參與共建了工銀瑞信最新大模型創(chuàng)新成果FundGPT，為項目提供并部署了WarrenQ-Chat和Chatminer產(chǎn)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(yè)效率。當前，瑞銀已經(jīng)為經(jīng)紀和保險行業(yè)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適用于59%/83%/44%的影響場景。該機構估計，生成式AI的發(fā)展到2030年將使行業(yè)勞動成本中位數(shù)下降20%。

具體而言，對于經(jīng)紀行業(yè)，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%。對于保險行業(yè)，其估計生成式AI應用可使2030年新業(yè)務價值（NBV）增加17%，從而推動2030年估值增長12%。