31%遠程銀行完成大模型部署，銀行AI應用場景開始爆發？業內：新舊融合仍有多重阻力

財聯社8月9日訊（記者 郭子碩 實習記者 蔣習）年初，Deepseek因低成本高性能、直逼國際巨頭OpenAI爆火，引發新一輪對人工智能的關注熱潮。隨着OpenAI迭代GPT-5模型，銀行業在 AI 大模型領域的探索也再次受到矚目。

目前，銀行業哪些業務領域已開始應用大模型技術？取得了哪些成效？大模型落地又面臨哪些難點？

中國銀行業協會最新發布的《中國銀行業客服中心與遠程銀行發展報告（2024）》（下稱報告）顯示，2024年客服中心與遠程銀行智能技術綜合使用率提升至93%，較2023年提高1個百分點；已有31%的客服中心與遠程銀行開始探索應用大模型技術。

某國有大行金融科技部門人士告訴財聯社記者，當前銀行業AI業務場景落地聚焦於客服、風控及行內AI輔助編程等領域。當前近期該行已搭建Agent平臺並推進相關項目，“相當於多個AI協同組成工作流”。不過，多位業內人士認爲，銀行業在推進人工智能創新過程中面臨多重挑戰，主要集中在算力不足、合規壓力、人才缺口等問題。

搭建平臺完善Agent應用是關鍵一步

《報告》指出，據不完全統計，有31%的客服中心與遠程銀行已在行內完成大模型部署，推動包括模糊語義識別、話術優化、智能摘要等功能落地。調研顯示，儘管國有大行、股份行及中小銀行對 Deepseek 應用的宣傳有所 “降溫”，但 AI 應用場景探索仍在持續，目前各家銀行的 AI 應用主要集中在智能客服等落地場景。

上海銀行相關負責人也告訴財聯社記者，該行的AI手機銀行已支持“對話即服務”。用戶只需通過語音或文字等指令，即可完成賬戶業務辦理、理財諮詢等高頻交易。此前，包括工行、北京銀行在內的多家銀行也曾披露，通過 AI 爲手機銀行賦能，爲不同用戶提供定製化的財富管理方案。

對於銀行來說，儘快搭建平臺完善Agent應用或是解決複雜金融應用場景的關鍵一步。工商銀行軟件開發中心高級專家劉承巖近日指出，大模型技術已進入以智能體（Agent）應用爲核心的下半場，企業現實問題的解決成爲AI應用的核心工作。

前述某國有大行人士也向財聯社記者透露，近期已搭建Agent平臺並推進相關項目。該銀行人士直言：“此前業內對OpenAI的預期較高，但ChatGPT等基礎模型在實際應用中存在一定落差。預計待基礎模型成熟後，Agent 應用可能迎來爆發期。”

“無論是前中後臺，銀行在 AI 上的應用場景都在進一步擴容，但不同銀行之間的分化也在加劇。”某頭部金融雲負責人也告訴財聯社記者，機構投入的算力和人才資源成了這一分化的分水嶺。

行業面上，不少銀行還在加大“真金白銀”投入算力及相關配套設備採購。其中，浦發銀行出現了超 1 億元的大單 “2025 年大模型算力擴容及算力管控能力建設項目之鯤鵬”。此外，多家股份行、城商行的大模型項目招採金額也超過 500 萬元，且項目主要集中在算力、GPU 服務器等採購方面。

AI創新仍有多重壁壘：人才匱缺、算力不足、流程複雜

上述人士也指出，銀行在AI創新過程中面臨多重阻力：一方面，技術團隊能力有待提升，目前多以修改開源技術爲主，既需深度理解業務又要具備技術落地能力的複合型人才相對缺乏；另一方面，銀行內部流程規範複雜，AI創新項目需經過大量評審、聯合技術審覈、安全審查等環節，嚴苛的合規要求也在一定程度上制約了創新進度。

上海金融與發展實驗室首席專家、主任曾剛向財聯社記者表示，銀行傳統IT架構相對保守穩定，與AI技術的敏捷迭代特性存在衝突。核心系統改造風險高、成本大，新舊系統融合面臨技術壁壘。

“儘管大模型在提升效率方面表現出色，但在落地方面仍存在痛點。”博通分析金融行業資深分析師王蓬博認爲，首先，其搜索能力、理解準確性及多步推理的可靠性仍有待提高，容易出現錯誤，這對金融級別的嚴謹性提出了挑戰；此外，開發和部署大模型需要鉅額投資，包括硬件資源如顯卡等，對於中小銀行來說，這構成了較高的進入門檻。