邬胜：城商行打造AI中台核心引擎的路径及价值

1.数字化转型激发AI需求。自长沙银行明确数字化转型整体思路以来，一直持续推动金融科技与业务管理全面深度融合、协同发展。以数据和技术双轮驱动经营管理模式的全方位、全领域、全流程转型重构。

随着数字化转型的稳步推进，业务线上化、数字化、智能化需求增长迅速，近年来以每年近10%的速度增长。同时伴随着大模型技术的巨大突破，AI已成为金融领域解锁“新质生产力”的核心力量，各个应用场景对NLP、CV、视频生成、语音识别、产品推荐等方面的需求更加迫切。据业务系统IT研发任务中的需求统计分析显示，IT研发对AI的需求增长迅速，2024年应用AI技术的比例达到总需求的20%，预计5年后，此比例将高达50%。因此，AI赋能需求增势旺盛、价值重大。

2.AI工程化激发平台需求。AI在应用场景的研发上，需要进行数据处理、预训练、机器学习等重要工作，这与传统软件在实现方式、开发流程上存在较大差异。传统的软件工程方法并不完全适用于AI软件开发，如果不改进研发流程，AI的应用可能会陷入“试点陷阱”和“规模化低谷”，难以将AI技术从单一项目扩展到整个企业。为加速AI的落地应用，需要有完整的开发、部署、管理和优化AI应用的方法和平台，帮助企业克服上述挑战，实现AI技术的商业化和规模化应用。

在搭建AI中台之前，长沙银行一直按传统的软件工程方法开发AI场景，存在建模成本高、部署周期长、管理不完善、监控不到位、模型资产分散、部署流程不统一等诸多问题。针对这些痛点，长沙银行启动了AI中台建设，目的是有效释放行内外数据价值，对全行基础数据进行资产化建模，与大模型数据预处理、企业级标签管理、大模型训练、多模态支持等进行有效关联和融合，对数据到模型、训练到应用、评估到改进等全链路进行整体管理和支持。

1.定位与整体设计。AI中台是实现AI模型快速研发、迭代复用和高效部署的智能化基础底座，是实现通用性智能能力的关键基础设施，主要承载AI能力的开发、部署、管理与运营等功能。打造AI能力驱动应用场景落地是一个全链路工程，不仅直接依赖AI平台的整体管理能力，还需要配套数据中台、知识中台、业务中台，融合这些能力平台构成长沙银行的AI中台。

建立健全的AI中台才能有效驱动业务的个性化数智创新，支撑内部管理运营及外部客户经营，进一步提升业务智能化水平与效率。如图1所示，采用这种融合设计的优势是：首先，实现AI能力的高效生产、集中化与流水线管理，向行内数据中台、营销中台等业务中台输出AI服务；其次，通过与知识中台的协同，提升知识的智能生产、组织与应用等能力，为AI中台实现由知识到智慧的智能跃升提供支撑。最后，可以重构行内AI能力的开发、管理模式，将重复的AI能力研发、管理环节标准化，并将这些能力共享，快速构建满足个性化业务要求的AI能力，通过共享、重复、标准化实现服务沉淀，形成一套完整的人工智能模型全生命周期管理平台和服务体系。

图1  长沙银行AI中台建设框架

2.主体功能与应用框架。AI中台应用框架包括基座能力、支撑能力、平台能力，以及上层应用场景。如图2所示，中台能力包括数据探索、特征工程、模型开发、模型管理、模型应用与模型资产管理等。

图2    长沙银行AI中台功能与应用框架

AI模型管理平台是长沙银行AI中台最重要的组成部分，也是激活AI中台能力的核心引擎。模型管理平台主体功能可以归集为三大支撑：提供覆盖机器学习算法、图挖掘算法，以及图像识别、语音识别、自然语言处理等深度学习算法的AI技术支撑层；提供高质量、高效率数据供给的数据服务体系及AI模型开发两大能力模块的AI研发支撑层；提供模型管理、模型应用的AI管理支撑层。基于以上三个层次提升AI资源利用率、优化使用体验，并助力实现核心资产的沉淀与共享，促进行内协同创新生态。截至2024年9月，平台累计上线并稳健运行AI模型172个，AI项目研发成本降低85%，模型研发时效提升超过90%。随着AI大模型技术的发展，以AI模型管理平台为核心的AI中台也在快速演进，平台紧跟技术前沿趋势，持续引入知识库模块、向量数据库模块、大模型引擎部署等新能力。

3.关键技术。AI中台建设兼顾技术先进性与应用稳定性，重点突破了以下多项关键技术。高性能计算，利用分布式计算和并行处理技术，大幅提升AI任务的执行效率；智能化服务编排，自动化组合和调度多个AI服务，实现复杂业务流程的智能化管理；强大的模型管理能力，提供一站式的模型开发、测试、部署和监控平台，且支持多种机器学习和深度学习框架，满足多样化的建模需求；实时分析与反馈循环，与行内营销平台、运营平台打通，实时收集和分析用户行为及业务数据，及时调整AI策略和服务模式，构建闭环反馈系统，持续优化AI模型的准确性和响应速度；卓越的安全性能，采用业界领先的安全技术、合规措施，确保金融交易和客户信息的绝对安全，定期进行安全审计和风险评估，及时修补潜在漏洞；灵活的定制化服务，根据不同部门和业务线的特定需求，提供定制化的AI解决方案，支持快速原型设计和实验验证，加速新业务的孵化进程。

4.生态体系。从软硬件协同、AI人才培养与敏捷组织保障三方面，长沙银行持续完善AI中台的生态体系。针对软硬件协同生态，以软硬件深度协同夯实底层支撑，打造全栈AI基础设施，支持CPU、GPU、FPGA、AI专用芯片等多规格硬件，覆盖主流硬件厂商云边端场景，适配信创操作系统构建AI基建。针对AI人才培养生态，长沙银行定位在组建AI建模专家及算法团队，聚焦构建定制化AI研发能力，实现全场景业务赋能，重点培养既懂AI技术又懂产业应用、跨专业跨领域的复合型骨干人才，为AI规模化应用储备具有行业竞争力的科技人才。AI中台生态体系也需要敏捷组织保障，为实现即时响应、敏捷开发、快速交付、持续迭代等AI能力，长沙银行建立了从需求分析、技术可行性分析、研发迭代、版本测试与发布，到持续运营模型研发与应用实施的路径，针对该路径，确定了业务人员、产品赋能服务支持人员、开发部门用数赋智人员，以及创新实验室人员的角色定位与工作职责。

AI中台目的是将人工智能技术转化为实际应用、创造实际价值，长沙银行的应用原则是注重AI赋能的技术投入与业务成效的价值平衡，即按照增加收入、降本增效、减少损失三大价值类型梳理银行AI赋能创新应用，并根据应用特性定义价值评估指标，从而量化计算AI赋能创新应用服务价值。在应用层面，从实际案例出发，按“由点及线”“汇线从面”的方式，在智能经营、智能风控、智能客服等方向推进AI赋能实践。

1.智能经营。一方面，通过产品及客户画像支持分层分群经营。依托行内外各类数据，运用AI中台，自主研发客户产品偏好预测模型、客户潜力挖掘模型、客户流失预警模型、客户挽回策略模型等，覆盖信用卡、保险、基金、理财、定投与数据贷等金融产品和服务，构建精准的客户画像，丰富内外部数据，完善标签体系，持续提升客户识别能力，开展分层分群经营，近一年来，上线60多个AI模型对客户营销经营赋能。另一方面，通过AI中台支持经营新生态。针对我行不同金融产品，围绕客户生命周期四个时期、客户全旅程五个阶段，打造了AI驱动的客户生命周期，以及AI驱动的客户全旅程，对客群分析、活动策略、效果分析、用户体验等进行全程AI赋能，通过“金融产品+营销场景+AI模型”敏捷配置，实现智能营销经营体系。

2.智能风控。一是模型策略支持风控决策，通过AI支持实现风控决策引擎的高性能，实现策略模型实时决策、敏捷迭代，全面实现所有风控模型策略全生命周期的自主研发、自主迭代、集中闭环管理。目前全行已部署模型策略5000+，实时计算指标8000+，日处理进件10000+，各类数据贷产品申请转化率提升明显。二是行为分析支持欺诈监控，构建智能化的风险识别模型，深度挖掘和分析客户的交易行为、特征数据，结合客户的交易习惯、风险等级等因素，既能保障正常交易需求，又能有效遏制潜在的账户涉诈涉赌风险，阻断信贷欺诈事件能力提升明显。三是大语言模型支持风险评估，探索其在客户负面舆情信息提取及预警风险排查报告文本分析方面的应用，为一线客户经理减负。基于知识图谱，建立客户关联度网络及关联风险传导模型，实现对系统性群体性风险的重点监测及预警管控，实现传统贷后向智能化贷后转变。

3.智能客服。积极探索“大模型+智能化”在客户服务中的运用，按训练端、运营端和管理端三个方面建设AI生态新场景。一是训练端：由“传统人工训练”向“模型训练”转变，将“人工知识录入—人工打标训练—人工设置回复”替换为“知识自动拆解—知识自动训练—知识自动回复”的大模型预训练模式，替代90%人力，大幅提升训练效能。二是运营端：由“知识手动搜索”向“知识自动推送”转变，打造AI座席实时助手，实现“知识内容自动推送—操作流程自动导航—风险违规自动纠错—对客话术自动提醒”，实现运营智慧辅助。三是管理端：由“人工质检建模”向“生成式质检”转变，摆脱传统“规则建模—模型测试—模型发布”的繁琐过程，通过大模型的语义推理和生成能力，输入指令自动生成质检结果，实现秒级响应，快速提升管理效能。

未来，长沙银行将持续探索大模型创新实践，聚焦基层有感、受众面广、效果易评估的应用场景，平台将演进为知识驱动的大模型应用体系，通过“大模型+小模型”双轮驱动，演进AI平台新框架。其中，框架中的数据探索、特征工程功能演变为知识加工模块，并将与知识中台打通；模型开发、模型管理、模型应用功能将被整合成模型增强训练与应用推理模块，并与硬件资源更紧密关联；模型资产管理会被新增的智能体模块替代，AIAgent将成为新的模型应用集市。

AI能力在未来的金融科技生态中将占据非常重要的地位，AI中台是长沙银行响应数字金融等五篇大文章的精神、发展数字新基建的重要举措。长沙银行将以AI中台为核心，打造长行智脑，构建长行新质生产力，助力业务降本增效提质，形成“人工智能+金融”的优势领域。

（此文刊发于《金融电子化》2024年11月上半月刊）