报告：银行大模型应用分为前中后台、通用工具等领域，面临4方面挑战

创作时间:

作者:

@小白创作中心

报告：银行大模型应用分为前中后台、通用工具等领域，面临4方面挑战

引用

来源

https://www.mpaypass.com.cn/news/202502/06101939.html

2025年1月8日，国际知名会计师事务所毕马威发布了《2025年中国银行业展望报告》。该报告通过对国内多家商业银行的调研，全面分析了中国银行业在数字化转型和金融科技领域的现状与未来趋势。报告指出，银行业正在积极拥抱人工智能和大数据技术，特别是在大模型应用方面取得了显著进展，但同时也面临着数据困境、人才短缺等多重挑战。

数字化转型成银行业重点战略

根据报告第一章节的“问卷调查分析”显示，数字化转型已成为大多数受访银行重点关注的业务策略，占比高达71.0%。其中，资产规模达到万亿元及以上的大型银行对数字化转型尤为重视。

算力智能硬件成发展新方向

在第三章节“热点话题”中，多位专家讨论了算力智能硬件、金融算法要素、数字金融等与金融科技紧密相关的话题。报告指出，银行业正在积极利用算力赋能前沿科技应用，改善传统作业模式，提升业务运营水平。2025年，银行业或将更深入地融入前沿科技，尤其是在算力智能硬件领域。具体包括两个方面：积极构建算力智能硬件的“新基建”；算力从“量的扩张”转向“质的提高”。

大模型技术加速发展

在算力硬件的完善下，大模型技术加速发展。报告“金融算法要素”部分显示，银行业经过近一年半的试验与投入，已初步形成大模型应用能力全景视图，将逐渐同质化大模型建设路径与部署方式，并加强组织保障与协同运营。

当前，金融业大模型应用场景主要分为四大领域：通用工具、前台业务提升、中台精益管理、后台经营决策。相较2024年初，各领域应用进一步细分与完善。

通用工具类一般为机构首个建成并推广的大模型应用场景，由于审慎原则，此类工具更多聚焦内部工作流程的嵌入；
前台业务提升类、中台精益管理类为当前聚焦领域，由于可解释性与ROI（投资回报率），多为实验室场景，少部分试点以传统AI为主、人机协同形态部署；
大模型深度融入后台开发能力，全面提升数据治理、代码管理等领域能力，在部分头部机构，代码类应用成为首个颠覆式创新场景；
知识图谱/知识库+大模型的方式为当前主要投产技术路线，单Agent已有小规模试点，基于流程编排类的多Agent协同仍处于实验阶段，Agentic AI将成为下一代AI应用的主体承载形式，而音频、视频生成和任意模态转换成为新兴领域，预计2025年多模态协同场景将逐步涌现；
轻量化模型的推出表明模型向移动端和资源受限设备优化的趋势，大模型在多模态、轻量化等方面持续创新，展现出深远的潜力和应用前景；
受新兴AI的影响，以传统小模型为主的场景蓬勃发展，复杂场景下的大小模型融合成为主流解决方案，人工智能全要素再一次提到战略地位；

银行应用大模型面临的四大挑战

银行在应用大模型技术时，也面临着四大主要挑战：

数据困境：大模型预训练需要庞大的高质量数据集。但很多银行缺乏足够的有效数据资产来支持这种需求。面向指令微调的标注数据集更是稀缺。此外，银行内的数据垂直整合问题突出，因为银行考虑到数据隐私及安全性，不愿将私有数据直接提供给大模型企业用于预训练与微调。而银行自身重新训练模型，在数据规模和数据质量方面难以找到合适的平衡点。
复合人才瓶颈：发展和应用大模型技术需要具备跨学科知识的复合型人才。这类人才不仅需要具备一定的技术背景，还需要深入理解金融业务场景，成为技术与业务之间的重要桥梁。然而，目前行业内面向大模型技术的复合型人才极为短缺，导致需求挖掘、产品设计与项目推动困难重重。
建设路径与ROI：在大模型场景建设策略上，银行业存在明显的“马太效应”现象。头部机构通常与科技公司、科研院所合作，进行探索性、前瞻性的端到端全栈投入。然而，由于经历技术论证期，往往呈现单点多头建设态势，扎根于技术视野过深，缺乏基于全盘数据资产、业务价值的全局化、系统化的路径设计，缺乏配套流程组织的协同。而部分中小机构仍处于“期望膨胀期”，审慎观望与大愿景口号并存，主要依赖“拿来主义”，且难以辨析市场上的方案优劣，陷入“信息茧房”困境。
数据使用及生成的合规性问题：金融监管趋严。大模型在数据采集、处理和生成过程中，往往会面临合规性挑战。例如，模型训练过程中涉及到的客户数据如何保证隐私保护，模型生成的合成数据是否符合监管要求等。而这些问题若处理不当，不仅可能导致法律风险，也可能影响客户对机构的信任度。

针对上述挑战，专家建议：提升数据治理与安全管理，包括完善数据治理体系、推动数据共享机制、提升数据标注效率、完善数据合规与管理机制等；明晰ROI评估机制，合理规划建设路径；加强人才培养与团队建设，包括跨学科培训、引进复合型人才、跨部门协作等。