中国农业发展银行政策研究室研究二处处长 毕超
2023年10月召开的中央金融工作会议和2024年7月召开的党的二十届三中全会都明确提出要发展数字金融,加强对重大战略、重点领域、薄弱环节的优质金融服务。银行业在我国金融体系中占据着核心和基础地位,其加快数字化转型、做好数字金融大文章,对整个金融业数字化发展、实体经济和数字经济深度融合、金融强国建设等具有重要现实意义。2022年以来,以ChatGPT为代表的大模型技术快速迭代发展,国内外各类通用与垂直领域大模型百花齐放,正在赋能并改变千行百业。我国银行业数字化起步早、基础好,且资金、数据、决策密集度高,具有大模型技术发展应用的先天优势,应当抢抓大模技术应用落地的时间窗口,加快发展银行大模型,做好数字金融大文章,为我国数字金融高质量发展闯出一条新路。
银行大模型的内涵和特点
银行大模型是基于大数据、云计算等新一代信息技术,针对银行业的特点和需求,采用大语言模型、多模态大模型等人工智能技术,通过对海量金融知识、数据进行深度学习、挖掘和分析,构建的参数量巨大,具有高度智能化、良好适应泛化及内容生成等能力的大规模预训练人工智能模型。银行大模型具有参数规模大、训练方式灵活、预训练数据量巨大、应用场景广泛、通用和专业能力兼备等特点。
银行大模型的应用和价值
从宏观国家战略的角度看,银行大模型是促进国家战略落实落地的重要技术保障和支撑。其一,银行大模型具有平台聚集效应和技术革新效应,可以赋能我国打造“六个强大”。其二,银行大模型具有链接市场动态与政府政策的作用,可以及时跟进市场发展变化与政府调控要求,促进市场需求与资金供应的更好匹配,推动金融供给侧结构性改革不断深化。其三,银行大模型可以充当数字金融发展的重要引擎,以数字金融为突破口,推动金融服务、产品、模式、制度等全方位创新,协同做好金融“五篇大文章”。
从中观行业发展的角度看,银行大模型是银行业高质量发展的重要技术基础设施。其一,银行大模型的研发训练需要大规模、高质量的银行业基础知识与数据,这将推动银行业数据治理向更高水平迈进。其二,银行大模型的推广应用将进一步提升行业数据质量和规模,加快银行业数据资产化进程,推动行业内部和行业之间依法合规开展数据交易,进而繁荣数据要素市场。其三,银行大模型将促进监管与被监管的良性互动,利用大模型技术,监管机构和被监管机构双方都可以提高合规效率,前瞻性监管和主动适应监管要求将形成良性循环。
从微观机构的角度看,银行大模型是银行业金融机构深化改革、强化创新、防控风险、服务客户、降本增效的重要抓手和技术载体。在深化改革方面,大模型可以提升银行智能化水平,与机器人流程自动化(RPA) 等技术相结合,推动银行实现经营管理流程的优化重构和标准化、自动化升级。在强化创新方面,大模型可用于识别市场机会、开发新金融产品和服务,推动收入增长。在风险防控方面,大模型可用于构建更准确、更全面的风险模型,帮助银行评估和管理市场风险、信用风险和操作风险等,提供更精确的风险预测和决策支持,辅助制定有效的风险管理策略。在客户服务方面,大模型围绕客户全生命周期,聚焦客户识别与定位、客户体验设计和旅程重塑及客户价值和关系管理,形成以客户体验为中心的智能洞察,有助于银行更好地理解客户需求,提升客户满意度和忠诚度。在降本增效方面,大模型在银行信息技术开发、客服、办公等领域的应用,帮助银行在海量数据中识别关键见解、计算风险并以前所未有的速度和规模自动执行日常任务,每条业务线和每个功能都可以得到增强,将显著降低运营成本并提高效率。
银行大模型的发展基础和优势
一是银行业数据基础良好。我国银行业机构多、种类全、受众广、覆盖广、体量大,形成了海量基础金融数据资源并且持续动态更新、日益丰富,为银行大模型训练和优化奠定了坚实的基础。二是大模型技术进步迅速。近年来,我国大模型的某些具体技术已经赶超或逼近全球先进水平,为银行大模型的构建提供了良好的技术支持。三是大模型基础设施较为完善。我国的互联网基础设施、算力基础设施和金融基础设施建设迅速,为银行大模型的开发运行、推广应用提供了必要的硬件支持。四是金融生态成熟、场景丰富。我国金融科技应用的广度、深度在全球首屈一指,在多个领域领先全球,形成的金融科技生态为银行大模型的应用提供了多样化的场景。五是市场需求广阔活跃。随着经济的发展和金融市场的成熟,我国企业和个人对金融服务的需求日益增长,为银行大模型的应用提供了广阔的市场空间。银行业金融机构和科技企业都在积极探索利用大模型提高金融服务效率和质量,形成了规模庞大且不断增长的市场供应和需求。六是注重风险和伦理治理。各参与方已对加强相关风险、伦理治理形成共识,稳健审慎的风险、伦理治理环境将会推动银行大模型开发应用行稳致远。
银行大模型的发展路径和政策保障
推动银行大模型发展应用是一项长期艰巨复杂的系统性工程,需要把握重点,进一步厘清银行大模型的发展路径。一是加快建设完善银行业的算力基础设施。加大投入和科技攻关力度,结合银行业大模型的算力需求和特点,自主研发高性能芯片和云计算技术,减少对外部供应链的依赖。二是推动银行大模型算法创新。三是加快银行大模型训练框架研发。四是构建银行业数据资源体系。加强银行业数据治理和共享,按照预训练数据集、评测数据集、对齐数据集等分类,建立完善银行业金融语料库共享机制,全面系统提升金融数据质量和数量。五是系统提升银行大模型工程化能力。六是培养大模型专业人才队伍。
同时,银行大模型的健康发展离不开科学有效的监管引导,以及与时俱进的监管政策保障。一是明确监管目标体系。要明确监管政策的核心目标、优先目标及非核心次级目标。在目标设置上,要鼓励守正合规创新,找准创新与合规的平衡点,推动银行大模型参与方在合规框架内进行创新,同时确保创新活动不会损害市场秩序或消费者利益。二是制定监管标准。监管标准应涵盖数据安全、隐私保护、模型透明度、算法公平性、可解释性等方面,确保银行大模型在遵循这些标准的前提下进行开发和应用。还应要求银行大模型的开发应用者提供模型的透明度和可解释性等情况,使监管机构、消费者和其他利益相关者能理解大模型的决策过程。三是强化监管能力。积极推动银行大模型在金融监管中的应用,促进监管智能化升级,使大模型技术发展应用与金融监管、模型监管更好融合互动,进而提升监管质效。四是实施动态监管。金融市场和大模型科技处于不断变化之中,监管政策也应具备灵活性和适应性,便于及时弹性应对新出现的风险和挑战。五是促进跨部门协作。银行大模型的监管涉及多个领域,需要跨部门的协作配合,形成监管合力。六是持续评估促进监管优化调整。把监管政策制定和执行作为一个持续优化的过程,定期评估其有效性,并根据市场、行业和技术的发展进行及时的调整优化。
作者系中国农业发展银行政策研究室研究二处处长