文 / 中国建设银行金融大模型建设项目组
2023年以来，人工智能迎来了高光时刻，不断夯实的大模型底层技术和持续涌现的创新场景，掀起了人工智能研发和应用浪潮，成为高质量发展的新动能和新质生产力的重要组成部分。各行各业都已开展人工智能的探索和布局，百度、阿里、腾讯、字节跳动等科技巨头纷纷入局，同时也诞生了智谱、百川等新兴独角兽。人工智能以前所未有的广度和深度渗透至交通、教育、医疗、金融、法律、制造等领域，各类突破性成果持续涌现。
建设银行高度关注并及时跟进最新的人工智能技术迭代，以企业级视角统筹开展人工智能建设，不仅将人工智能作为金融科技战略的重要组成部分，更有效发挥自身的模型、算力、数据、人才、场景等优势，打造智能视觉、自然语言处理、智能语音、知识图谱、智能推荐与决策五大领域能力，在科技金融、绿色金融、普惠金融、养老金融、数字金融等方面上线了丰富的场景。随着大模型时代的加速到来，建设银行成立专项工作组，启动“方舟计划”（如图所示），积极开展以提升客户体验和为员工赋能减负为目的的金融大模型建设，取得了显著的应用成效。
图 “方舟计划”企业级金融大模型建设体系
风起云涌：人工智能加速赋能千行百业
2024年政府工作报告提出，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。政策的支持推动人工智能以百模千态加速赋能千行百业。工信部数据显示，我国人工智能核心产业规模已接近6000亿元，人工智能企业数量超过4500家。人工智能为B端企业带来全新的商业模式、为C端客户带来全新的服务体验。智能制造让工业生产提质增效，智能导航为出行者提供最优路线规划，智慧教育助力每个孩子快乐成长，智慧医疗助力偏远山区享受普惠均等的医疗服务，智慧金融助力金融服务更加普惠高效，智慧司法助力法治公正透明等等。
适时而动：银行人工智能建设正当时
银行业积极投身人工智能建设浪潮，在员工内部流程优化、人机交互智能化、运营管理数字化、风险管理精细化等方面上线了丰富的应用场景。其中，大模型为银行的个性化服务、高效化办理、智能化交互、数字化风控等提供了新动能，从而有效提升了人民的获得感与幸福度。建设银行紧跟时代趋势，发挥集团优势，快速打造具备“大模型、大算力、大数据”的金融大模型基座与能力体系，并建立一支与之匹配的高质量人才队伍，规范安全对齐的管理机制。
1.建成千亿级大模型基座。建设银行于2023年3月成立“方舟计划”专项工作组，依托人工智能领域专家和数据、算力资源打造千亿大模型基座，并利用高质量文本数据进行预训练、微调和强化学习，使其能更好地理解金融知识和建设银行业务。目前已初步具备信息总结、信息推断、信息扩展、文本转换、安全与价值观、复杂推理、金融知识7项一级能力和26项二级能力。同时，持续关注通用大模型的发布及迭代动态，以敏捷、灵活的方式紧随技术演进，使用内部高质量专业知识数据进行持续训练，不断提升金融大模型的各项能力与场景适用性。
2.搭建云智算集群。大模型参数规模庞大，动辄数百亿甚至过千亿，训练和推理金融大模型通常需要成百上千个算力卡组成高效的算力集群作为保障。建设银行统筹利用已有算力资源，已建成包含不同类型算力卡的高性能异构算力集群。研究制定信创算力设备的测评标准，稳步推进信创算力集群建设，未雨绸缪构建稳定可持续的算力生态，为未来金融大模型建设与应用迈向更高水平打下坚实的算力基础。
3.构建高质量金融数据集。高质量、海量、多样性的数据是影响金融大模型应用效果的关键。目前，建设银行整合内外结构化与非结构化数据（如文档、图像、电子凭证、音视频等非结构化数据，以及工商企业、纳税、政策法规、新闻资讯等外部数据），通过分类、清洗等处理，使其可直接用于大模型训练，初步形成了丰富的数据资源和相对完善的数据质量保障能力。
4.锤炼人工智能人才队伍。建设银行具有良好的创新氛围，锻炼了一支业务、数据和技术高度融合的金融大模型人才队伍，包含全行业务、数据、技术各条线近1000余人，为大模型建设和应用保驾护航，部分专家兼任智慧教育国家新一代人工智能开放创新平台负责人、ACM ICVIP分会主席、ACM ICCPR技术委员会委员等，以外部合作推动银行、产业双赢。同时，持续推动建立敏捷迭代和试错容错机制，为金融大模型建设和应用营造紧跟潮流、大胆创新、求真务实的工作环境。
5.建立安全对齐的管理机制。建设银行在应用侧明确了相关需求规范；在数据侧形成了取数用数、数据安全、数据集成、提示工程等管理办法；在研发侧制定了端到端开发规范、知识库应用服务规范等流程机制，开发敏感词过滤机制。通过规范管理机制，进一步增强了金融大模型的安全对齐能力，兼顾发展，审慎应对人工智能应用可能产生的隐私、安全及幻觉风险，确保金融大模型输出安全可控。
多点开花：大模型应用成效显著
银行业开展金融大模型应用还面临安全性、可靠性和知识产权等挑战。建设银行按照“先内后外、循序渐进、持续投入”的总体原则，以点及面，推动应用多点开花。
1.三大基石形成强应用支撑。运用金融大模型在多轮对话、逻辑推理、文本生成、情感搜索等方面的优点，建设银行已成功研发投产方舟助手、方舟工具箱、向量知识库三大基础应用。方舟助手为员工提供业务知识问答、文案写作、表单填写、客调报告生成等多样化功能。方舟工具箱是方舟助手的“技能编辑器”，以无代码的开发方式让具有简单基础的员工应用各种行内提供的“人工智能工具”，快速构建服务自身工作、属于自己的“智能体”。向量知识库是方舟助手、方舟工具箱的“专业图书馆”，提供了海量的金融大模型可理解的向量化行内业务知识。
2.应用场景达100余项，实现多领域覆盖。建设银行深入了解各部门、各条线的核心需求，运用大模型支持或训练后支持等方式，形成金融大模型能力与场景应用的最优匹配。目前，已上线个人金融、公司金融、风险管理、资金资管、渠道运营、办公管理等领域的100余项业务场景。其中，智能客服工单项目荣获中国银行业协会2023年客服与远程银行创新应用大赛其他类赛道冠军。
（1）赋能个人金融。员工运用金融大模型简化资料填写，制定营销方案，策划营销文案，生成推荐话术、个性化营销图片、产品宣传视频等，实现个人客户服务的个性化与多样化。例如，房贷业务流程中，申请表的填写是一项复杂的工作。需填写申请人及共同借款人的身份信息、收入证明、房屋信息、告知书等大量信息。依托金融大模型自动识别、抽取、总结、分类所需信息，填入相关栏位并生成完整的房贷申请表和客户调查报告，切实简化了房贷客户经理的信息录入等事务性工作，显著提升了工作效率。
（2）赋能公司业务。员工运用金融大模型辅助展开知识检索、材料审核、对公客调报告、客户拜访记录、会议纪要等重复性工作，赋能员工有更多精力从事客户咨询、产品推广、营销服务等高价值工作，提升对公客户服务效能。例如，在日常工作中，客调报告撰写是一项繁琐且耗时的任务。借助金融大模型的信息抽取总结、文本写作等能力，可辅助对公客户经理撰写报告，平均节省时间30%以上。
（3）赋能风险管理。员工运用大模型辅助进行风险对话分析、风险核查、撰写风险报告等复杂性工作。例如，在反赌反诈风险核查中，人工核查不仅耗时耗力，还会因风控运营人员的专业性差异，产生风险判断的主观性差异。基于金融大模型的反赌反诈风险核查，依托风险对话的信息分析与关键词提取，可自动生成结构化的核查结果，为风控专员提供后续核查或处理建议，辅助风控决策。
（4）赋能资金资管。员工运用金融大模型了解最新市场资讯、模拟市场动态、生成投研报告摘要等。例如，投研报告撰写是一项复杂且专业性强的工作，金融大模型具备自动摘取摘要、自动续写文章、智能点评等能力，能够有效提升研究员的投研写作效率及研究能力。员工还可上传基金信息和市场策略报告，调用大模型生成基金运作报告，缩短研究员的资料检索时间，拓宽写作思路，提升写作效率。
（5）赋能渠道运营。员工运用金融大模型辅助进行工单填写、需求编写、渠道推广、代码生成等。例如，远银中心客服人员日均需处理2万条工单记录，手工录入耗时长、效率低。建设银行成功运用金融大模型赋能智能客服工单场景，基于客户和客服的对话内容，自动总结和生成客户工单中的问题和诉求，减少了人工录入的时间和错误。同时，还实现了其他工单要素的自动抽取、分类与填写等功能，有效提升了客服人员的工作效率。员工还可借助大模型生成高质量的图像，帮助营销文案设计师生成适合客户需要的产品文案等。
（6）赋能办公管理。员工运用金融大模型辅助会议策划、撰写会议纪要、知识问答、文档润色，生成新闻宣传稿和培训课件等相关内容，实现高效办公。
畅想未来：人工智能应用无处不在
未来，随着多模态大模型、RAG、智能体等技术的快速发展，人工智能将从日常办公的得力助手逐步转变为推动核心业务变革的关键力量，重塑银行的业务、流程和运营模式，助力银行业谱写数字金融新篇章。
1.构建银行全新金融生态。人工智能是新一轮科技革命和产业变革的重要驱动力量。未来银行的业务、产品、流程和运营模式都将被人工智能重塑并创造新业态，为银行的数字化转型提供新动能。大模型的全面应用可帮助银行解决客户需求变化快、监管合规要求严、知识领域范围广、个性化服务响应不及时等痛点，提升员工幸福感和客户满意度。
2.重塑银行全新经营模式。IDC预测称，到2030年，人工智能将为全球经济贡献19.9万亿美元，推动2030年全球GDP增长3.5%。在大模型、大算力的支撑下，银行将迎来全新的经营模式。例如，银行可融合多模态结构和非结构化信息，实现产品推荐的个性化定制，即“千人千面”；推进经营策略的自动化迭代，即“一户一策”。提升客户体验与市场竞争力。
3.拓展银行全新应用空间。随着模型能力、水平的不断提升，以及多模态技术的快速发展。大模型能够处理和分析文本、图像语音等多种信息，从而帮助银行更全面地理解各种结构化和非结构化数据，不断拓展人工智能应用的空间。以更多好用、易用的AI工具赋能金融服务“既有科技感、又有人情味”。
4.增强银行高效决策能力。智能体技术是指具备自主学习、决策和交互能力的智能系统。银行在大模型中融入智能体技术，可以使其具备更强的自主学习和决策能力，帮助大模型根据历史数据和实时信息，自主调整和优化决策策略，更准确地应对市场变化、满足用户需求。同时，增强大模型的智能交互能力使其能够更自然地与用户沟通和互动，完善用户体验。
5.提升银行灵活应变能力。大模型具有海量的知识储备和卓越的通用性，能够处理复杂的自然语言处理（NLP）和计算机视觉（CV）任务。小模型具有低延迟、低能耗的特点，在实时性要求高的场景中将发挥关键作用。通过融合大小模型，可以在保持高性能的同时兼顾计算效率和实时性，更高效地匹配各种复杂应用场景。
6.提升银行客户服务能力。在满足法律、法规及监管要求、消保要求的前提下，通过构建智能化的金融服务平台，银行可尝试将人工智能用于客户服务，通过承担更多高级、复杂的内外部任务，满足多样化的金融需求。例如，应用智能语音交互和个性化推荐技术，准确理解客户需求和意图，提供个性化的产品推荐、业务咨询和问题解决等服务，并自动生成个性化的营销文案和客户服务回复，进一步提升客户满意度和忠诚度。
面对风起云涌的人工智能应用大潮，银行业将不断运用新技术、新工具、新理念，创新金融服务新模式，为金融高质量发展注入新活力，以更科技、更智能、更温暖的服务谱写数字金融新篇章。
项目组成员：于亚申 胡莺夕 宋霄宇 刘志华等
（此文刊发于《金融电子化》2024年11月上半月刊）
新媒体中心
主任 / 邝源
编辑 / 姚亮宇 傅甜甜 张珺 邰思琪
