近年來，在金融科技浪潮之下，商業(yè)銀行加快金融科技創(chuàng)新，“全面推進數(shù)字化轉(zhuǎn)型”已經(jīng)成為包括銀行業(yè)在內(nèi)金融行業(yè)的共同目標，以及時代發(fā)展的必然趨勢。而隨著當下全球新一輪科技革命和產(chǎn)業(yè)變革深入推進，在“百年變局”中回應(yīng)歷史之變、時代之變、世界之變，數(shù)字化轉(zhuǎn)型也從1.0時代邁向了2.0時代。1.0時代的數(shù)字化轉(zhuǎn)型主要是以互聯(lián)網(wǎng)為核心，實現(xiàn)金融業(yè)務(wù)的線上化、便捷化、普惠化，但仍然存在一些局限性，如數(shù)據(jù)孤島、服務(wù)標準化、風險管控等。智能化是2.0時代數(shù)字化轉(zhuǎn)型的關(guān)鍵詞，也是銀行、金融業(yè)一直致力于探索和實踐的領(lǐng)域。從早期的智能客服、智能風控、智能營銷等應(yīng)用，到近期AI的爆發(fā)、大模型時代的到來，行業(yè)即將迎來新一輪革新。01新時代下的創(chuàng)新架構(gòu)隨著人工智能的快速發(fā)展，以大模型為代表的底層技術(shù)得到爆發(fā)，金融銀行業(yè)加快智能化轉(zhuǎn)型步伐已經(jīng)成為一個不可逆轉(zhuǎn)的趨勢。銀行業(yè)作為與數(shù)字距離最近的行業(yè)，自然是數(shù)字變革的領(lǐng)導(dǎo)者。并且經(jīng)過多年發(fā)展，大部分領(lǐng)先銀行基本形成了“業(yè)務(wù)+數(shù)據(jù)”雙平臺的應(yīng)用格局，但對于數(shù)據(jù)平臺的邊界以及與產(chǎn)品服務(wù)類、經(jīng)營分析類等業(yè)務(wù)間的交互關(guān)系，始終無標準答案。隨著大模型爆發(fā)，越來越多銀行逐步意識到，“數(shù)字化”本身是業(yè)務(wù)、數(shù)據(jù)與AI之間的相互融合，因此部分架構(gòu)師認為平臺的范圍不僅是數(shù)據(jù)與業(yè)務(wù)的建設(shè)，用戶自助化、數(shù)據(jù)產(chǎn)品化、智能員工化、運營數(shù)字化等等，這些AI應(yīng)用也應(yīng)當納入平臺的開發(fā)和管理范疇。方可加快推動經(jīng)營和治理模式的數(shù)字化變革。目前，六大國有行及部分全國股份行紛紛打造并推廣金融人工智能平臺，支撐智能應(yīng)用的快速孵化，或?qū)硪惠喗ㄔO(shè)潮。而為了更好地支撐金融人工智能平臺這個“智能根基”建設(shè)，國內(nèi)大行普遍考慮中心-分支-邊緣三級金融建設(shè)架構(gòu)。中心對應(yīng)的是總行，基于硬件產(chǎn)品，如昇騰硬件，能夠集中建設(shè)高效節(jié)能的液冷AI訓(xùn)練和推理中心，再使用AI平臺進行傳統(tǒng)AI模型和大模型的快速訓(xùn)練與部署，及各業(yè)務(wù)AI模型的管理。圍繞中心產(chǎn)生的分支，對應(yīng)的是各個城市的支行，可以使用總行AI中心的資源運行相關(guān)業(yè)務(wù)，并向總行AI中心回傳數(shù)據(jù)，使業(yè)務(wù)模型不斷迭代演進。再分散出去的叫邊緣，對應(yīng)的也就是常見的網(wǎng)點營業(yè)廳，在該架構(gòu)中可以實現(xiàn)邊緣節(jié)點統(tǒng)一管理升級，也可以從總行AI中心獲取最新業(yè)務(wù)模型，在邊緣節(jié)點對實時數(shù)據(jù)進行推理分析，并將部分數(shù)據(jù)回傳總行AI中心。通過AI平臺，能夠為銀行AI實驗室和各個業(yè)務(wù)部門的軟件開發(fā)部門提供數(shù)據(jù)標注、數(shù)據(jù)管理、模型訓(xùn)練、準確度驗證、應(yīng)用開發(fā)，降低AI應(yīng)用門檻。建設(shè)金融人工智能平臺，離不開算法、算力支撐。昇騰AI作為人工智能產(chǎn)業(yè)建設(shè)的主力軍，從底層硬件、操作系統(tǒng)、AI框架到應(yīng)用開發(fā)，全面實現(xiàn)創(chuàng)新，在提供算力底座的同時，能最大限度提升AI與金融產(chǎn)業(yè)融合的效率，幫助企業(yè)實現(xiàn)效果和效用的最大化。在行業(yè)大趨勢下，昇騰AI能夠為金融、銀行業(yè)帶來數(shù)據(jù)驅(qū)動業(yè)務(wù)的改革新范式，助力企業(yè)組織從人力驅(qū)動加速轉(zhuǎn)換至數(shù)據(jù)驅(qū)動，提高企業(yè)智能體、行業(yè)智能化的演進過程。02擁抱大模型，夯實大底座與此前不同，新時代建設(shè)背景下，大模型成了銀行業(yè)、金融業(yè)的AI平臺建設(shè)的主要支撐點，其能夠幫助企業(yè)提高模型的精度、適應(yīng)性和安全性，適應(yīng)快速變化的商業(yè)環(huán)境，處理各種類型的數(shù)據(jù)，進行遷移學習，保護客戶隱私和數(shù)據(jù)安全，因此大模型的加入至關(guān)重要。一言以蔽之，大模型打破了傳統(tǒng)專用模型解決專有任務(wù)的AI研發(fā)范式。依托于大模型，銀行可以利用大量獨有的數(shù)據(jù)、案例和經(jīng)驗來進行精確化訓(xùn)練。不同銀行采用不同算法，有不同數(shù)據(jù)庫，可以逐步提升，訓(xùn)練出核心競爭力。而企業(yè)利用昇騰AI推出的大模型開發(fā)使能平臺，能夠從算力供給、模型算法建設(shè)、大模型分布式框架、大模型建模流水線等入手，與數(shù)據(jù)平臺對接，建立以大算力、大模型、大數(shù)據(jù)為核心的云原生智能底座，形成大模型+微調(diào)的高效率、高質(zhì)量、低門檻的AI建模新模式。具體來看，企業(yè)可以在大模型算法庫建設(shè)上，通過開源+引入模式，豐富大模型算法，持續(xù)構(gòu)建基礎(chǔ)大模型算法庫;建設(shè)大模型分布式訓(xùn)練框架，完成接口標準化封裝和適配;另外結(jié)合大模型所需算力要求，升級大模型訓(xùn)練和推理算力集群;最后完成大模型適配，利用各垂直領(lǐng)域開發(fā)的建模模板形成包括一鍵式微調(diào)、轉(zhuǎn)換等配套開發(fā)工具在內(nèi)的建模流水線。從技術(shù)維度上講，算法、算力為關(guān)鍵。為此，昇騰AI也致力于推動AI計算基礎(chǔ)設(shè)施建設(shè)，助力算力網(wǎng)絡(luò)發(fā)展，推動各地人工智能計算中心陸續(xù)接入中國算力網(wǎng)，為行業(yè)通用模型訓(xùn)練提供了強大的算力保障。也成功助力某國有銀行基于同業(yè)領(lǐng)先的開放式架構(gòu)云計算平臺，落成同業(yè)規(guī)模最大的千卡級算力集群。在工程化維度，開發(fā)平臺成為AI落地應(yīng)用的重要支撐。其中，ModelArts作為一站式AI開發(fā)平臺，其使命就是讓AI應(yīng)用開發(fā)更簡單，為解決AI成為通用生產(chǎn)力，推動千行百業(yè)智能升級。應(yīng)用維度上講，昇騰AI助力簡化大模型從開發(fā)到部署的全流程，有效突破了人工智能在規(guī)?；瘧?yīng)用方面通常具有的成本高、周期長、迭代慢等挑戰(zhàn)?；诖竽Ｐ偷耐ㄓ煤头夯芰?，典型智能場景的平均模型開發(fā)周期從一個月左右縮短到一周左右，極大提升了業(yè)務(wù)需求的響應(yīng)速度，節(jié)約了建模成本。目前，金融業(yè)基于AI大模型，已在客戶服務(wù)、風險防控、AI遙感等多個業(yè)務(wù)領(lǐng)域落地應(yīng)用，并取得良好效果。以遙感大模型為例，依托AI平臺，將衛(wèi)星遙感圖像智能識別新技術(shù)與業(yè)務(wù)場景深度融合，開發(fā)地物分類、識別、變化等深度學習神經(jīng)網(wǎng)絡(luò)監(jiān)測模型，自動獲取、加工、提取遙感數(shù)據(jù)信息，形成業(yè)務(wù)領(lǐng)域價值信息。通過多元化建設(shè)風險防控手段，助力風險防控能力自動化、智能化和全面化提升。金融行業(yè)遙感大模型將地圖、定位、人地大數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)及營運數(shù)據(jù)結(jié)合，釋放空間信息數(shù)據(jù)的創(chuàng)新活力，為數(shù)字化轉(zhuǎn)型升級提供新動能?？梢哉f，在推動金融行業(yè)邁向新階段的過程中，昇騰既為AI基礎(chǔ)設(shè)施提供了算力底座，也是企業(yè)的AI使能者。昇騰AI大模型全流程使能體系在金融領(lǐng)域的成功嘗試，是助力金融行業(yè)高質(zhì)量發(fā)展的開始。03金融行業(yè)“蝶變”在即國內(nèi)外以ChatGPT為代表的大模型技術(shù)的成熟和廣泛應(yīng)用把我們帶入了人工智能時代，展望未來，新時代對于金融行業(yè)來說，充滿機遇的同時也充滿挑戰(zhàn)。首先是數(shù)據(jù)建設(shè)問題。數(shù)據(jù)是人工智能生產(chǎn)力釋放的核心資源，雖然銀行擁有海量高價值數(shù)據(jù)資源，但一些綜合性數(shù)據(jù)是比較缺失的，另外如何保障數(shù)據(jù)安全、合規(guī)和隱私，同時提高數(shù)據(jù)質(zhì)量和利用效率，是金融行業(yè)需要解決的重要問題。所以對于銀行來說，要積極參與國家數(shù)據(jù)要素市場建設(shè)，強化數(shù)據(jù)要素整合應(yīng)用能力，通過數(shù)據(jù)驅(qū)動，釋放數(shù)據(jù)要素價值，加速推進銀行業(yè)數(shù)字化轉(zhuǎn)型。另外在大模型建設(shè)過程中也需要大算力支撐。算力是人工智能的動力，但也是包括金融行業(yè)在內(nèi)各行各業(yè)的瓶頸。如何降低算力成本、提升算力性能和可擴展性，是金融行業(yè)需要突破的關(guān)鍵因素。針對國內(nèi)外算力市場供給面臨的供給短缺、多廠商異構(gòu)算力融合、國產(chǎn)AI生態(tài)不足、機房和網(wǎng)絡(luò)建設(shè)等情況，銀行需要深化與產(chǎn)業(yè)界各方的合作，共同推動解決大規(guī)模算力部署和應(yīng)用挑戰(zhàn)。算法在新時代也同樣重要。提升大模型算法的泛化能力和靈活性，一方面可以有效降低數(shù)據(jù)和算力的需求，另一方面也可以拓展應(yīng)用的范圍和深度，如何選擇合適的算法框架、優(yōu)化算法參數(shù)和評估算法效果，是金融行業(yè)需要掌握的技術(shù)手段。毋庸置疑，金融業(yè)已經(jīng)迫切需要結(jié)合自身情況，深化與產(chǎn)學研用各界合作，加快探索引入、打造業(yè)界通用大模型技術(shù)的策略和實踐，方能有效加快推進異構(gòu)算法的協(xié)同融合，不斷提升算法服務(wù)金融行業(yè)能力，實現(xiàn)金融智能化的跨越式發(fā)展。最后，大模型在銀行的深化應(yīng)用，亟需業(yè)界形成一套面向銀行業(yè)的高標準、低門檻的銀行業(yè)金融大模型產(chǎn)品，產(chǎn)業(yè)和銀行深化合作，聯(lián)合創(chuàng)新，在已有通用大模型基礎(chǔ)上，建立面向行業(yè)大模型人工智能產(chǎn)品，快速推進人工智能在金融領(lǐng)域的深化應(yīng)用。大模型的火爆，使得金融行業(yè)AI化進程明顯提速，并且一些解決問題的模式、理念及方法論，很有可能得到改變，而一旦行業(yè)適應(yīng)了大環(huán)境變化，那么完成“蝶變”只是時間問題。