作者： 财联社记者 郭子硕 罗克关|
发布时间：2025-03-14 21:28:31
“AI原生银行”时代已来！商业银行加速“变形” 
摘要： 随着DeepSeek等大模型爆火，银行对AI的应用加速落地。微众银行率先宣布向“AI原生银行”转型。超过30家银行已宣布接入大模型，主要落地在风控、营销、客服等业务。但AI变革也对银行的组织架构、人才储备和风险管理提出新的挑战。
正文：
背景：
随着2024年DeepSeek大模型的出现，银行对人工智能的应用正加速从技术探索转向场景落地，其对组织模式、人才储备等方面的影响也在显现。
- 微众银行率先转型： 近日，微众银行宣布要从数字银行迈向AI原生银行，成为国内首家宣布向AI原生银行转型的商业银行。
- AI原生定义： 微众银行数字金融发展部负责人姚辉亚表示，商业银行AI原生阶段，即产品设计、研发、部署、运维等过程都将基于AI无处不在的理念进行，AI成为功能的自然组成部分。目前，微众银行从基础设施、应用、治理三个层次构建AI系统化能力。
- 系统性变革： 姚辉亚强调，这一过程将是系统性变化，商业银行需要通过组织架构调整和人员AI素养培训等举措做好充分准备。
- 行业趋势： 本轮DeepSeek热潮以来，至少有30家银行宣布接入。但目前强调AI内嵌将对组织架构带来影响的银行仍然不多。
AI变革带来的挑战：
- AI理念转变： “AI原生的理念更强调AI不再是产品的补充或附加组件，而是构成产品与体验的有机组成部分。不是简单地将AI嵌在流程里，而是流程嵌进AI里。”姚辉亚表示。
- 全生命周期渗透： AI能力都将渗透至金融服务的全生命周期，成为功能的自然组成部分。因此，银行需要通过组织架构调整和人员AI素养培训等举措做好充分准备。
- AI能力约束： 大模型存在一定的幻觉问题，即使用本地数据仍可能出现不准确的情况。银行要充分认知AI的约束性和局限性，将大模型应用到合适的场景中。
- 人才需求升级： 除了专业人才外，业务人员也需要具备较高的数字化素养和AI素养，才能有效发挥AI工具的价值。
- 大模型风险管控： 在应用大模型之前，是否具备相应的治理能力至关重要。此前，中国人民银行、工信部、网安标委曾出台一系列的模型风险管理要求以及数据治理要求，这些规定基本覆盖了大模型可能引发的风险类型。
大模型接入热潮：
- 低成本优势： 以DeepSeek-R1为代表的大模型问世后，因其具备**“低成本、高性能、开源”**的优势，近期银行业内掀起一波接入热潮。
- 应用场景： 各行接入DeepSeek后主要落地在风控、营销、客服等业务。
- 工商银行： 将DeepSeek模型接入自主研发的 “工银智涌”大模型矩阵体系，落地三大应用场景：
- 在金融市场领域推出ChatDealing数智对话交易产品，实现交易规模提升。
- 远程银行坐席助手 “工小慧”推动通话时长压降10%。
- 信贷审批风控助手 “工小审” 实现对公信贷全流程智能化。
- 招商银行： “AI理财顾问”依托DeepSeek-VL2多模态模型，将客户画像颗粒度提升5倍，实现个性化理财建议定制，满足多样化金融服务需求。
- 工商银行： 将DeepSeek模型接入自主研发的 “工银智涌”大模型矩阵体系，落地三大应用场景：
- 主力军： 本次引入DeepSeek模型的主力部队是城农商行、民营银行等中小银行。
- 数据安全： 随着Deepseek这类开源大模型的出现，这些模型的本地化部署成本显著降低，使得银行能够在内部环境中运行AI系统，从而有效避免数据外流的风险。
商业银行是否需要自研大模型？
- 专家观点：
- 姚辉亚认为：银行没必要自行研发通用大模型，核心优势在于本地化场景与垂直领域数据，AI落地应聚焦在应用层面。
- 招商银行信息技术部副总经理俞吴杰建议：不建议盲目跟风，尤其是一次性的大投入，目前大模型的发展还有很多变数。
- 卢良楷指出：“算力是银行AI化的核心瓶颈。银行现有的老旧系统难以支撑实时计算与大规模模型训练，而国内IT算力厂商能力不足加剧了对国外设备的依赖。”
- 合作共赢： 中小金融机构面临技术储备薄弱与研发资源有限的实际困难，亟需通过技术合作与开源生态构建实现技术资源的优势互补，依托行业集体智慧加速数字化转型进程，避免重复性技术投入造成的资源耗损。
结论：
AI原生银行的转型已是大势所趋，标志着银行业进入了智能化新阶段。银行应积极拥抱AI技术，把握大模型带来的机遇，但同时也需要重视AI应用带来的挑战，加强风险管理和人才培养，最终实现效率和安全的平衡。 
延伸阅读
原文链接