畢超：加快發展銀行大模型 做好數字金融大文章

2023年10月召開的中央金融工作會議和2024年7月召開的黨的二十屆三中全會都明確提出要發展數字金融，加強對重大戰略、重點領域、薄弱環節的優質金融服務。銀行業在我國金融體系中占據著核心和基礎地位，其加快數字化轉型、做好數字金融大文章，對整個金融業數字化發展、實體經濟和數字經濟深度融合、金融強國建設等具有重要現實意義。2022年以來，以ChatGPT為代表的大模型技術快速迭代發展，國內外各類通用與垂直領域大模型百花齊放，正在賦能并改變千行百業。我國銀行業數字化起步早、基礎好，且資金、數據、決策密集度高，具有大模型技術發展應用的先天優勢，應當搶抓大模技術應用落地的時間窗口，加快發展銀行大模型，做好數字金融大文章，為我國數字金融高質量發展闖出一條新路。

銀行大模型的內涵和特點

銀行大模型是基于大數據、云計算等新一代信息技術，針對銀行業的特點和需求，采用大語言模型、多模態大模型等人工智能技術，通過對海量金融知識、數據進行深度學習、挖掘和分析，構建的參數量巨大，具有高度智能化、良好適應泛化及內容生成等能力的大規模預訓練人工智能模型。銀行大模型具有參數規模大、訓練方式靈活、預訓練數據量巨大、應用場景廣泛、通用和專業能力兼備等特點。

銀行大模型的應用和價值

從宏觀國家戰略的角度看，銀行大模型是促進國家戰略落實落地的重要技術保障和支撐。其一，銀行大模型具有平臺聚集效應和技術革新效應，可以賦能我國打造“六個強大”。其二，銀行大模型具有鏈接市場動態與政府政策的作用，可以及時跟進市場發展變化與政府調控要求，促進市場需求與資金供應的更好匹配，推動金融供給側結構性改革不斷深化。其三，銀行大模型可以充當數字金融發展的重要引擎，以數字金融為突破口，推動金融服務、產品、模式、制度等全方位創新，協同做好金融“五篇大文章”。

從中觀行業發展的角度看，銀行大模型是銀行業高質量發展的重要技術基礎設施。其一，銀行大模型的研發訓練需要大規模、高質量的銀行業基礎知識與數據，這將推動銀行業數據治理向更高水平邁進。其二，銀行大模型的推廣應用將進一步提升行業數據質量和規模，加快銀行業數據資產化進程，推動行業內部和行業之間依法合規開展數據交易，進而繁榮數據要素市場。其三，銀行大模型將促進監管與被監管的良性互動，利用大模型技術，監管機構和被監管機構雙方都可以提高合規效率，前瞻性監管和主動適應監管要求將形成良性循環。

從微觀機構的角度看，銀行大模型是銀行業金融機構深化改革、強化創新、防控風險、服務客戶、降本增效的重要抓手和技術載體。在深化改革方面，大模型

可以提升銀行智能化水平，與機器人流程自動化（RPA） 等技術相結合，推動銀行實現經營管理流程的優化重構和標準化、自動化升級。在強化創新方面，大模型可用于識別市場機會、開發新金融產品和服務，推動收入增長。在風險防控方面，大模型可用于構建更準確、更全面的風險模型，幫助銀行評估和管理市場風險、信用風險和操作風險等，提供更精確的風險預測和決策支持，輔助制定有效的風險管理策略。在客戶服務方面，大模型圍繞客戶全生命周期，聚焦客戶識別與定位、客戶體驗設計和旅程重塑及客戶價值和關系管理，形成以客戶體驗為中心的智能洞察，有助于銀行更好地理解客戶需求，提升客戶滿意度和忠誠度。在降本增效方面，大模型在銀行信息技術開發、客服、辦公等領域的應用，幫助銀行在海量數據中識別關鍵見解、計算風險并以前所未有的速度和規模自動執行日常任務，每條業務線和每個功能都可以得到增強，將顯著降低運營成本并提高效率。

銀行大模型的發展基礎和優勢

一是銀行業數據基礎良好。我國銀行業機構多、種類全、受眾廣、覆蓋廣、體量大，形成了海量基礎金融數據資源并且持續動態更新、日益豐富，為銀行大模型訓練和優化奠定了堅實的基礎。二是大模型技術進步迅速。近年來，我國大模型的某些具體技術已經趕超或逼近全球先進水平，為銀行大模型的構建提供了良好的技術支持。三是大模型基礎設施較為完善。我國的互聯網基礎設施、算力基礎設施和金融基礎設施建設迅速，為銀行大模型的開發運行、推廣應用提供了必要的硬件支持。四是金融生態成熟、場景豐富。我國金融科技應用的廣度、深度在全球首屈一指，在多個領域領先全球，形成的金融科技生態為銀行大模型的應用提供了多樣化的場景。五是市場需求廣闊活躍。隨著經濟的發展和金融市場的成熟，我國企業和個人對金融服務的需求日益增長，為銀行大模型的應用提供了廣闊的市場空間。銀行業金融機構和科技企業都在積極探索利用大模型提高金融服務效率和質量，形成了規模龐大且不斷增長的市場供應和需求。六是注重風險和倫理治理。各參與方已對加強相關風險、倫理治理形成共識，穩健審慎的風險、倫理治理環境將會推動銀行大模型開發應用行穩致遠。

銀行大模型的發展路徑和政策保障

推動銀行大模型發展應用是一項長期艱巨復雜的系統性工程，需要把握重點，進一步厘清銀行大模型的發展路徑。一是加快建設完善銀行業的算力基礎設施。加大投入和科技攻關力度，結合銀行業大模型的算力需求和特點，自主研發高性能芯片和云計算技術，減少對外部供應鏈的依賴。二是推動銀行大模型算法創新。三是加快銀行大模型訓練框架研發。四是構建銀行業數據資源體系。加強銀行業數據治理和共享，按照預訓練數據集、評測數據集、對齊數據集等分類，建立完善銀行業金融語料庫共享機制，全面系統提升金融數據質量和數量。五是系統提升銀行大模型工程化能力。六是培養大模型專業人才隊伍。

同時，銀行大模型的健康發展離不開科學有效的監管引導，以及與時俱進的監管政策保障。一是明確監管目標體系。要明確監管政策的核心目標、優先目標及非核心次級目標。在目標設置上，要鼓勵守正合規創新，找準創新與合規的平衡點，推動銀行大模型參與方在合規框架內進行創新，同時確保創新活動不會損害市場秩序或消費者利益。二是制定監管標準。監管標準應涵蓋數據安全、隱私保護、模型透明度、算法公平性、可解釋性等方面，確保銀行大模型在遵循這些標準的前提下進行開發和應用。還應要求銀行大模型的開發應用者提供模型的透明度和可解釋性等情況，使監管機構、消費者和其他利益相關者能理解大模型的決策過程。三是強化監管能力。積極推動銀行大模型在金融監管中的應用，促進監管智能化升級，使大模型技術發展應用與金融監管、模型監管更好融合互動，進而提升監管質效。四是實施動態監管。金融市場和大模型科技處于不斷變化之中，監管政策也應具備靈活性和適應性，便于及時彈性應對新出現的風險和挑戰。五是促進跨部門協作。銀行大模型的監管涉及多個領域，需要跨部門的協作配合，形成監管合力。六是持續評估促進監管優化調整。把監管政策制定和執行作為一個持續優化的過程，定期評估其有效性，并根據市場、行業和技術的發展進行及時的調整優化。

（作者系中國農業發展銀行政策研究室研究二處處長）