随着AI大模型等人工智能技术的快速发展，中小银行如何实现智能化转型成为金融行业关注的焦点。近日，度小满CTO许冬亮接受了麦肯锡专访，并针对中小银行智能化转型的现状和挑战提出了自己的看法。许冬亮认为，具有通用能力的大模型将成为信息处理的基础设施，中小银行应用人工智能技术的门槛将大幅降低，在数字化、智能化进程中有了“弯道超车”的机会。

　　“比ChatGPT更值得关注的是它所依托的底层技术能力。我们认为类似GPT这样的大模型技术，是下一代人工智能技术较量的核心课题”，许冬亮表示，“在金融领域，大模型技术将广泛应用于智能获客、风险管理、智能客服等方面，为客户带来显著的优化体验。”

　　许冬亮进一步解释，大模型可分为理解式大模型和生成式大模型。理解式大模型在智能获客和风险管理上可提升金融机构的经营效率和风险管理决策能力。生成式大模型则可自主生成新的数据、图像、语音、文本等信息，成为金融行业从业人员的得力助手，提升服务效率和服务体验。

　　对于大模型技术在金融行业的具体应用，许冬亮提出了三个方面的观点：

　　第一是基于大模型的智能客服将超越人工服务，让高质量顾问式金融服务成为可能。在通用大模型的基础上，叠加金融客服领域的数据和专业服务经验，经过垂直领域定向训练后客服机器人既能与用户进行多轮对话，还能提出具体的、可行的解决方案。

　　第二是生成式大模型可以成为理财师、经纪人等从业者的“全能业务助理”。基于大模型的业务助理不仅了解国内外的宏观政策、行业信息、产品信息，还可以自动生成文章、报告，提供专业建议和方案辅助交流。

　　第三是广告和营销内容一键生成，营销效率大幅提升。以ChatGPT为代表的大模型技术，将带来知识型工作者生产效率的二次飞跃。过去，我们需要在海量信息中检索词条，将大量的精力投入到信息的获取、提炼与整合，自己做检索、设计、制作等工作；未来，大模型技术会适应并普及到所有知识型工作行业，例如文案、设计、编程等，人机协作将大幅提高工作效率。

　　许冬亮同时指出，技术的应用不能脱离业务应用本身，AI技术的价值体现在业务的发展上。其次，数据的积累、技术能力的建设、底层的架构、人才积累与培养，这些都要长期投入，逐步形成；AI与业务的融合是一个持续迭代的过程，我们不能唯业绩论，要给技术沉淀的空间和时间，但也不能只关注技术建设，不考虑对业务的收益——既要仰望星空，又要脚踏实地。目前来看，大模型技术的发展和应用存在很多挑战，需要我们正视和解决，主要包括以下四个方面：

　　一、应用门槛。大模型训练和应用的成本依然很高；在数据上，中文语料和数据质量相较于英文存在差距，当前模型的稳定性和真实性还要进一步的优化。

　　二、金融安全。金融行业的安全性是第一位的。生成式大模型创作自由度高，所以常会有令人惊艳的表现，但正是因为它的自由度太大了，当解决真实场景中的任务时，会造成可控性不足。

　　三、人才储备。我国人工智能人才紧缺程度持续高于互联网总体水平，作为ChatGPT核心技术的大模型，其人才缺失更为突出，尤其是领军人才一将难求。

　　四、科技伦理。随着技术的不断突破，为了规范技术的发展，科技伦理的治理也要及时跟上，比如，大模型训练需要应用大量的数据支持，需要做好数据的安全管理，避免泄露带来的风险。同时这一技术可能会涉及偏见、歧视、误导等问题，需要加强技术规范和标准制定，防止误导，防范道德和伦理风险，防止歧视，保护消费者权益。

　　事实上，AI大模型技术已经为中小银行跨越“智能化鸿沟”提供了有力的支持。积极拥抱和应用大模型技术，对于提升中小银行的市场竞争力和服务水平具有重要意义。据了解，目前度小满已经开展了一系列基于大模型的应用。例如将大型语言模型LLM应用于海量互联网文本数据、行为数据、征信报告的解读，将小微企业主的信贷违约风险降低了25%。随着模型的迭代，大模型在智能风控上的潜力将进一步释放。

　　ChatGPT所展现的语义理解能力，也是度小满在自然语言处理（NLP）领域重点投入的方向。2021年，在微软举办的MS MARCO 比赛中的文档排序任务中，度小满NLP团队排名第一并刷新纪录；团队研发的轩辕 (XuanYuan) 预训练模型也在CLUE分类任务中排名第一。

　　百度 “文心一言”开放生态合作后，度小满成为首家接入的金融科技公司。接下来，基于“文心一言”的大模型技术基座，结合度小满业务场景积累的金融行业知识和数据进行交互式训练。“我们希望能在金融行业发挥ChatGPT类人工智能技术的作用和价值，打造全新的智能客服、智能风控、智能交互服务。这些垂直应用不仅要具备生成式人工智能（AI）、多模态语义理解等能力，而且要适配金融行业高度重视风险、把安全性放在第一位的行业特点，做到高度稳定、自主可控。”许冬亮表示。