交行副行长、cio钱斌谈生成式ai金融应用前景，已设立相关实验室-全讯国际

7月8日，2023世界人工智能大会“新一代ai·新时代金融”论坛在上海世博中心举办。交行党委委员、副行长、首席信息官钱斌出席并发表演讲。

钱斌强调，去年chatgpt横空出世，可能一个新的时代即将到来，人工智能极有可能从传统意义上的体力劳动替代向脑力劳动替代转变，它所带来的改变和冲击将是爆炸性和颠覆性的，甚至会改变人类的未来。

chatgpt等生成式ai将带来颠覆性变革

追溯历史，运用和发展通用人工智能由来已久。上世纪五十年代就出现了图灵测试，最近十年取得一些突破，比如alphago。然而，这些产品距离真正的通用人工智能相差甚远，基本停留在大算力和专用能力。但chatgpt的出现，让我们所有人真切地感受到新赛道的颠覆性威力。

首先，算力、算法、数据的相互赋能，使人工智能出现了涌现效应。chatgpt的成功离不开成熟的模型底座、丰富的数据供给和强大的算力支撑。算法方面，在循环神经网络、transformer等算法思想、架构上逐步传承、积累。从公开数据来看，gpt模型参数从2018年最初的1.17亿，到gpt3已达到1750亿。数据方面，海量增长的数据为模型训练和应用提供了丰沃土壤。根据idc数据统计，2022年全球数据总量为103zb，中国占比接近1/4，预估2027年全球数据总量将达到284zb。算力方面，模型训练参数与算力成正比，据openai测算，自2012年以来，全球头部ai模型训练算力每3-4个月翻一番。

在算法、算力、数据的共同加持下，目前gpt已支持文本和图像输入，在多种专业和学术考试中已经表现出与人类相当的能力。

其次，生成式ai改变了人类知识的存储、传承和使用方式。过去五千年，人类知识被储存在文字中。互联网的诞生，改变了人类记录知识、获取知识的方式，加速了人类应用知识、创造知识的速度。而当下，因为生成式ai的突破式进展，人类的知识体系将被构建到大模型中，这是人类知识存储、传承和使用方式的再一次重构。

人工智能从固定任务场景触发，逐步进化为通过自然语言接受指令、理解人类意图并不断迭代，由简单的“人力替代”向“人机协同”转变，实现人工智能从交互中学习，与人共同完成知识创造。

第三，人工智能正在由专用能力向通用能力转变。以往人工智能基本都是专业领域、边界清晰、定义明确的单一任务模型，任务稍有变化，效果会大打折扣。而以chatgpt为代表的生成式ai，具有了涌现能力、思维链推理能力、多模态理解和生成能力，实现了从文本理解到图像理解，从对话理解到全文理解，从意图理解到创意实现的根本性改变，不仅能够完成文学创作、代码生成、图片生成等多项任务，伴随数据和参数的规模提升，生成式ai拥有了学习和成长的基因，表现出的学习能力、理解能力已接近人类表现。

生成式ai作为走向通用人工智能的关键技术路线，正掀起产业变革浪潮。据彭博预测，未来十年，生成式ai市场规模将从2022年的400亿美元，增长至2032年的1.3万亿美元，年复合增速有望达到42%。

金融领域也将受到新技术应用的影响。

生成式ai将提升金融业客户服务、运营、风控等效能

金融业具备大规模、高质量的数据资源和多维度、多元化的应用场景，是人工智能应用落地较为深入的领域之一。近些年，智能客服、智慧营销、智能风控等领域，相关技术应用取得了不错成绩。

但是，生成式ai是人工智能领域的一次范式转变，开辟了新的赛道。钱斌指出，新技术将有助于解决包括金融发展不平衡、不充分的结构性问题，数据要素向数据资产转化、金融科技人才短缺的问题，并带来客户体验、运营效率和风险防控等经营效能提升。

一是探索升级客户服务能力。生成式ai将变革人机交互方式，赋能差异化的产品和服务创新，促进实现从人性化、个性化到感性化的体验升级。比如，在精准营销方面，借助生成式大模型，在灌注专业领域知识后，可以提升行业洞察能力，并更为精准地解读个体个性化需求，帮助实现从理解“客群”到理解“客户”的跨越；在智能客服方面，生成式人工智能在准确理解人类意图，进行流畅、自然、高质量的对话上具有优势，甚至能够体现出一定的共情能力，结合文档理解分析和生成能力，人机交互的体验和效率将有望出现质的飞跃。

二是探索提升内部运营效率。探索将生成式ai应用于运营流程优化、运营模式创新、运营知识提供，从而实现运营效率提升、运营成本降低。比如，在软件研发方面，gartner预测，到2027年，将有15%的新应用程序由ai自动生成，金融业可利用大模型实现代码生成、代码审查等能力，提升研发效率和质量；在智慧办公方面，可以存储复杂、专业、动态的制度规范，以在线问答的形式为员工提供高效精准的工作指引，成为提升员工能力的“智慧助手”。

三是探索精准的金融风险防控。生成式ai或将帮助金融机构更快识别、分析和预测风险。比如，在反洗钱、反欺诈方面，可探索借助大模型的泛化能力提升知识图谱构建效率，从而提高欺诈行为和洗钱活动的识别效果，及时发出预警，在减少客户损失的同时，降低银行自身法律合规风险。

机遇伴随着挑战，生成式ai所形成的诸多挑战，需要加以关注和重点研究解决，包括大模型对算力、算法、数据的协同的高要求和对基础设施建设的冲击，数据少、质量差和处理能力弱降低了人工智能大模型的“智商”，以及技术、应用、场景等生态体系间的竞争问题。

钱斌也介绍，交行今年上半年已成立人工智能联合创新实验室，制定gpt大模型建设规划，组建专项团队，加快生成式ai在金融场景的应用。