聊聊国内银行的大模型

最近配合同事准备一份汇报材料，调研其他银行的大模型研发和应用情况。在网上看了工行、建行、交行、招行、兴业关于大模型的公开报道，可以说乏善可陈。其中，工行、兴业和招行在大模型研发领域做了些工作，其他银行鲜有提及自研，场景介绍大多也很空洞，出彩的探索很少。

忽然想起ChatGPT火爆之初，招行一马当先，号称业内首次把大模型用在银行场景。本以为是什么了不起的创新，结果就是发布了一张信用卡，卡面文案用大模型生成。虽然有点好笑，也能看出虽然银行对大模型持开放欢迎态度，但并没想好如何让大模型赋能场景。

试探性繁荣

今年4月份，钛媒体有篇报道，从各大银行2023年报中整理出来关于大模型的信息。如下图所示：

银行在哪些场景使用大模型？从上面两张图可管窥一二：

• 中国银行：内部知识服务，辅助编码
• 工商银行：座席助手，网点员工智能助手
• 交通银行：办公助手，客服问答
• 农业银行：客服知识库答案推荐，知识库辅助搜索
• 邮储银行：研发测试，运营管理，客户营销，智能风控，投诉问题分类
• 建设银行：向量知识库，文生图，智能客服，市场营销，投研报告，智慧办公，智能运营，智能风控
• 中信银行：代码生成，智能操作
• 平安银行：零售贷款审批，运营管理，消保降诉，汽车金融AI验车
• 招商银行：零售，批发，中后台
• 民生银行：数字化决策
• 兴业银行：智能研报摘要生成，企金产品智能问答，研发代码辅助生成，数字助手

上图中，工行、平安和兴业的落地场景最为具体。工行和平安堪称是国有行和股份制行中的金融科技领导者，所以这两家银行能找到清晰的场景并不意外。招行的科技研发实力很强，但从上图中没看到特别出彩的大模型应用。兴业能快速落地这么多场景，有点出乎意料，由此推测也在加大科技投入。

六大国有行中，工行提到了大模型自研。所谓“率先构建千亿级AI大模型技术体系”，从另一篇报道来看，应该是和鹏城实验室、清华、中科院、华为一起研发了千亿参数大模型，基于昇腾AI，而且在多个场景落地：

目前，工商银行金融行业通用模型已被创新应用于客户服务、风险防控、运营管理等多个业务领域，取得了良好的应用效果。在客户服务领域，工商银行应用该模型支撑智能客服接听客户来电，显著提升了对客户来电诉求和情绪的识别准确率，能够更精准有效地响应客户需求，并且可以大幅缩减维护成本。在风险防控领域，工商银行实现了对工业工程融资项目建设的进度监测，监测精准度提升约10%，研发周期缩短约60%。在运营管理领域，模型的应用帮助智能提取期限、利率等信贷审批书核心要素，提升了信贷审批效率。

然而，客户来电诉求和情绪识别未必需要大模型，训练好的小模型即可做出又快又准的判断；进度监测不知为何物，不做评论；从审批书中提取核心要素，在无标注数据的情况下，使用大模型较为妥当。按照我的经验，多方参与大模型研发，银行一般是甲方角色，出场景出资金，但是技术贡献度很低。不管怎样，工行敢吃螃蟹，这一点值得表扬。

其他国有行也没闲着。农行2023年3月发布ChatABC（我猜测可能不是ChatGPT那样的大模型，因为Llama的第一版参数2023年3月初才被人泄露到网上，强如Bloomberg，他们的GPT也是到2023年3月底才发布），建行启动“方舟计划”，邮储今年5月份和智谱签署战略合作协议，都在疯狂试探大模型。

再看股份制银行，兴业提到“发布百亿级大模型ChatCIB”，疑似自研。网上关于该模型的信息很少，官网上也只是简单提及：

近年来，兴业银行全面加快数字化转型，深化人工智能大模型应用，上线百亿级大模型ChatCIB，聚焦量化投研、营销财富、知识问答、报告生成、办公辅助、代码服务领域打造6类数字助手，形成首批AI大模型应用，为推进高质量发展注入新活力。

除此以外，我找到了兴业银行的另一个大模型：随兴写，用于反洗钱场景。从这篇报道看，应该是兴业自主研发的：

“随兴写”是基于兴业银行自主研发的可疑交易报告智能生成模型（AML-GPT），利用大模型与自然语言处理技术，智能分析洗钱可疑客户行为、可疑主体信息和可疑交易信息等特征，并生成可疑交易辅助分析报告，并通过运用智能问答技术，甄别人员可在模型生成的初稿基础上快速调整优化，实现兴业银行类GPT大模型从0到1的突破

“在没有智能辅助工具的情况下，我们每天需要处理约30份可疑交易报告，每份报告都需要经历开展调查、分析交易流水与行为特征到撰写报告的过程，每份报告处理时长20-60分钟不等。”分行一位基层反洗钱员工表示。

“随兴写”利用强人工智能技术，训练反洗钱可疑案宗报告智能生成模型，依托于系统涵盖的多维度特征，综合分析研判形成符合反洗钱专家逻辑的可疑分析报告，并给出初步处理意见

这篇报道发表于7月底，比上面的表格晚了3个月。可见，ChatCIB可能不是兴业自研大模型。ALT-GPT是如何训练的呢？我猜测是基于某个开源大模型，用兴业积累的大量可疑交易报告和行为特征微调，例如，输入行为特征，输出可疑报告。难度也许不大，但是想法独特，好像从没有银行专门研发反洗钱大模型，值得表扬。

招行也提到了“在专业场景自研百亿参数大模型”，具体情况没有找到，猜测是基于llama微调的。另外看到了这篇报道：

智谱AI的千亿基座模型GLM-130B成为此次合作的核心驱动力，配合招商银行自主研发的百亿参数级大模型，共同在零售、批发及中后台等多个业务领域实现了智能化升级，如智能财富顾问、数字产品管理等应用的成功落地。

看来不仅有自研大模型，也从厂商采购了大模型。不知道招行对GLM评价如何，曾经看过GLM的论文，可能是为了兼顾NLU和NLG，预训练任务设计十分奇怪，多任务之间颇有些自相矛盾。我的经验是，想要模型两头都占，恐怕哪头都占不着。当然，在大力出奇迹的年代，一切皆有可能，最新GLM4不知道是否有改变。

另外值得一提的是平安银行，上图中好像没有提及自研大模型，这并不奇怪，因为平安银行的许多技术方案来自平安科技，这是众所周知的。平安入局大模型较早（我记得2023年开年就从上到下把人马组织起来了），而且一些保险和医疗场景已经在用自研的PingAnGPT。从这篇报道可以了解到平安银行自研了BankGPT：

针对L2场景大模型，基于BankGPT训练的专业理财大模型，反馈结果比较匹配。它首先会判断客户意图，评估客户对长期理财是否感兴趣，是否愿意参加相关的营销活动。其次，从策略角度讲，针对需要推荐的产品，自动化生成话术，同时会推荐其他的业务产品，在客户服务过程中，以消息方式推送给客户经理进行推荐提醒和辅助

通过描述猜测BankGPT是大模型训练工具或平台，也可能具备接入、推理等功能，方便大模型应用，而非大模型本身。平安银行有没有用上自研GPT目前不得而知，但是我猜早晚会用的。

场景为王

总体上看，各大银行都进入大模型军备竞赛，争先恐后，或采购，或自研。但是，出彩的场景并不多，而且所谓自研，大概就是基于某个开源模型用场景数据微调。这无可厚非，毕竟银行是需要极度安全、极度可靠的服务，大模型目前为止还是黑盒，限制了它在严肃场景中的使用范围。而且银行数据不外流，行内资源又极其有限，大模型应用困难重重。

从技术角度看，大模型的核心能力是“生成”，围绕这个核心开发业务场景胜算才会更高，例如代码辅助、知识问答等。一个非常实用的场景是用大模型辅助标注，用于训练更精准的小模型。最近一两年，每家银行都把“降本增效”挂在嘴边。用同等能力的小模型替代大模型，就是一种降本增效的好方法。

从银行业的特点看，银行的服务属性与大模型的强大交互能力天然契合。假以时日，大模型在银行业必然开花结果。以我个人经验来看，场景远不止上图提及的那些，可能还有些“出力不讨好”的偏门场景，反而是大模型的用武之地。从银行内场景起步，逐步发展到对客场景，也不是不可能。

但是，万事都怕过火。与其滥用，不如不用，更何况当前大模型能力远没有达到让人放心的程度。如果场景可以使用小模型解决，就没有必要投产大模型。然而，银行技术力量相对薄弱，有时不知道什么场景该用什么模型。这时特别需要“懂行”的专家合理评估，最大限度发挥各种模型的特长，而不是死磕大模型。不管大模型小模型，能解决问题的就是好模型。