竞逐3万亿元增量商业价值 上市银行谋划AI战略图谱

本报记者 王柯瑾 北京报道

随着2024年年报的披露，上市银行集体呈现出从“数字化转型”向“AI价值化”的战略跃迁。如交通银行（601328.SH）披露探索更深层面推动AI创新实践，平安银行（000001.SZ）利用AI技术，数字化营销与风控取得突破性进展。

AI对商业银行的影响有多大？《2024年金融业生成式人工智能应用报告》提出，AI有望给金融业带来3万亿元规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。

但是，AI技术处于发展之中，仍存在大模型“幻觉输出”、人机协同范式冲突及监管滞后等挑战，商业银行如何在技术攻坚与价值兑现间寻找平衡点仍需破题。

构建“AI+金融”核心竞争力

当前，数字金融进入战略深水区，上市银行年报释放出清晰的AI转型信号，“AI+”是各大银行锚定的重要方向。

招商银行（600036.SH）在年报中表示，该行强化“AI+金融”场景落地和生态建设，打造新的护城河。具体而言，从基础设施、场景应用、生态建设三方面协同发力。基础设施层面，该行搭建千卡算力集群，引入国内主流基座大模型，发布中国银行业首个开源百亿参数金融大模型“一招”，开源了2TB的金融行业高质量数据集，建成一站式智能应用开发平台，沉淀企业级AI能力。场景应用层面，该行在零售及对公客户服务、风控、运营、办公等多个领域超120个场景探索大模型应用。生态建设层面，该行不断完善内部大模型体验平台“AI共创”的建设，激发全行参与热情，对外扩展大模型“朋友圈”，携手科技企业、金融同业积极广泛参与外部大模型生态建设。

中信银行（601998.SH）方面在年报中表示，该行坚持走“AI+金融”的发展路径，聚焦零售业务数据化、生态化、个性化和智能化的能力升级，覆盖全量客户经营，用数字化方式，打造惠及人民的普惠性财富管理。

平安银行方面在年报中表示，在“AI+金融”场景化落地方面，该行深入探索人工智能技术与金融场景的结合和应用，持续夯实提升大模型、智能体、生物识别、自然语言处理、图像识别、语音识别、数字人等底层技术能力，持续推动并挖掘营销物料生成和智能审查、消保归因分析、研发辅助、稽核审查、运营流程智能化等业务场景的融合创新。

重庆银行（601963.SH）方面也表示，该行持续构建“AI+”全场景能力，推动数字产品、运营、风控等关键场景落地。

《中国经营报》记者梳理发现，当前AI在商业银行的应用方向主要在风险管理、用户体验等领域。

交通银行副行长、首席信息官钱斌在业绩发布会上表示，该行始终高度关注AI技术的快速发展，早在2021年就提出“人工智能+”战略，致力于将AI打造成为该行的新名片。目前，该行主要围绕“降成本、控风险、创价值、优体验”四大方向推进AI应用。

AI技术已经成为商业银行逐鹿的重要领域，如何在技术攻坚与短期盈利压力间找到平衡点？

北京社科院副研究员王鹏分析认为：“银行应根据业务发展的需要，合理调配资金、人才、技术等资源，确保各项资源的充分利用和高效配置。在算力投入方面，银行可以在确保数据安全合规的前提下，合理使用行业云、金融云等公共基础设施，以平衡效果与成本。”

天使投资人、资深人工智能专家郭涛表示，银行可采取多策略平衡技术攻坚与短期盈利压力。“一方面，优化内部资源分配，如将部分预算精准投向关键技术研发，同时挖掘现有技术潜力以控制成本；另一方面，通过合作共享算力资源方式降低投入成本，在模型迭代上，注重与业务场景紧密结合，优先迭代能快速带来业务价值的部分。”

萨摩耶云科技集团首席经济学家郑磊建议商业银行分阶段推进AI项目。“银行可以将AI项目分为短期、中期和长期目标。短期目标聚焦于快速见效的场景，如智能客服、自动化报表生成等，这些项目能够快速提升效率、降低成本，从而在短期内带来收益。中期目标可以是优化风险管理和精准营销，通过AI提升业务质量和客户满意度，间接推动业务增长。长期目标则是构建全面的AI生态系统，实现深度的业务转型和创新。”

释放智能化红利

由清华大学经济管理学院、度小满等联合编写的《2024年金融业生成式人工智能应用报告》提出，生成式AI正在席卷金融业，释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局，一些创新的银行将从“采用技术的银行”迈向“最懂技术的银行”，并向“最懂银行的先进技术服务商”领域拓展，充分释放其高质量数据价值，有望给金融业带来3万亿元规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。

如何抓住3万亿元规模的增量商业价值，金融机构已经跃跃欲试。

钱斌表示，交通银行已正式发布《交通银行“人工智能+”行动方案（2025～2026年）》（以下简称《行动方案》），将进一步深化核心业务AI应用，在更广范围、更深层面推动AI创新实践，释放智能化红利。

据了解，《行动方案》构建了“1+1+N” 人工智能建设框架，即夯实1个企业级 AI 能力平台、健全一套 AI 治理机制、赋能 N 个 AI 场景应用。搭建以国产 GPU 服务器为主的千卡异构算力集群，构建千亿级金融大模型算法矩阵，完成大小模型场景建设超 100 个，入选上海市首批“模塑申城”行业应用示范基地，全年释放超 1000 人力工作量，在反洗钱反电诈、客户服务、集中营运等领域发挥积极成效。

实际上，大型银行和中小型银行在AI应用领域表现有所差异。“大行更注重全面的业务转型，如构建企业级AI平台，推动全行数字化转型。中小行可能更聚焦于特定业务领域的优化，如地方性银行通过AI提升本地客户的服务体验。”郑磊表示。

“大行凭借雄厚资金和技术实力，能在高端复杂AI应用和基础设施建设上领先，中小行则更侧重于借助外部合作引入适合自身业务的AI解决方案实现差异化竞争。AI将促使银行业格局重塑，加速行业数字化转型，推动服务模式创新，提升风险管理能力，可能使市场竞争更加激烈，也催生新的金融业态和商业模式。”郭涛表示。

然而，即便是AI，也难逃挑战和难点。交通银行方面表示，考虑到AI在实际应用中仍存在不确定性，甚至可能产生“AI幻觉”（即AI生成虚假或不准确的信息），该行采取“先对内、后对外，先局部、后整体”的策略，以确保AI应用的可靠性和可控性。

针对“幻觉输出”问题挑战，郭涛表示：“银行要强化数据标注质量，构建高质量数据集，并优化模型训练算法；对于数据隐私泄露，严格遵循数据保护法规，采用加密等技术手段保障客户信息安全；面对模型不可解释性，开发可解释AI技术，使决策过程透明化。”