股市五倍杠杆招行成立了人工智能实验室

近年来，招商银行十分重视科技的应用，不断探索多项科技应用，并结合实际业务场景，走出了一条具有特色的科技发展之路，特别是其AI应用能力能较好贴合实际应用场景，成为了业内的典范。

招商银行总部大楼

积极打造“AI+金融”

在刚进入信息技术时代时，招行科技部门推出的“一卡通”产品，伴随着中国银行业从存折时代进入了银行卡时代。在互联网时代，招行领行业之先创新推出“一网通”，实现了网上银行服务。在移动互联时代，招行又推出手机银行App，走在了行业前列。

因秉持“科技立行”理念，招行保持了高强度的科技投入。2024年投入133.50亿元，占公司营业净收入4.38%；研发人员超过1万人，占本集团员工总数的9.30%。近年来，为了抢抓AI快速发展机遇，积极落实国家部委“AI+金融”重点任务，推动能力提升，赋能行业发展，招行积极布局，打造“AI+金融”领域的核心竞争力。

2017年，招行成立了人工智能实验室，是国内最早组建AI专业队伍的银行，并进一步加大对AI及大数据资源投入。在发展过程中，招行不断提升研发能力强，拥有业内领先AI大模型。例如，自主研发新一代智算基础设施，投产大模型千卡算力集群；发布国内银行业首个开源金融大模型“一招”；联合科大讯飞、中科院自动化所，发布了数字金融领域大模型能力评测，构建并开源了不低于2TB的金融行业高质量数据集。此外，招行已建成智能银行基座，构建了涵盖基础设施、模型、AI中台和大模型应用的4层架构，具备大模型全栈能力，大幅降低了AI应用开发成本和门槛。如今大模型技术已在招行超过140个场景落地，涵盖零售及对公客户服务、风控、运营、办公等领域。

“五化”助力数字化发展

招行数字化发展路径可以用“五化”来概括，即“线上化”“数据化”“智能化”“平台化”“生态化”。这是招行探索发展数字化之路的方向和指引。

据招行相关人士介绍，“线上化”是数字金融的基础，可以带来高效的管理流程、便利的用户体验、低廉的服务成本、广阔的服务边界。目前线上已成为招行服务客户的主要渠道和客户交易的核心渠道。截至2024年底，App财富交易额占比接近95%，App财富交易客户数占比超过99%；对公基础业务线上化率超96%，融资业务线上化率接近94%，外汇业务线上化率超77%，对公数字化渠道月活跃客户数达212.25万户，同比增长12.29%。

“数据化”是线上化的成果积累，也是实现精准风控和业务模式创新的基础。利用内外部各类数据，可以实现产品和客户的精准匹配，为客户提供个性化的金融服务，也可以提高风控能力，有效降低金融成本，让金融服务惠及更多客户。

“智能化”是数据化的进阶，不但是实现业务和产品创新的关键，也可以进一步降低成本。依托新一代AI技术，实现对人的有效智能辅助，让人从繁杂的重复劳动中解放出来，更聚焦对客户的服务与产品的研发，进一步降低服务成本，提升服务能力。

“平台化”是沉淀企业级通用能力并推动开放共享、整合集成，可以促进企业内部快速创新、敏捷响应客户需求、赋能与合作伙伴的高效协作。

“生态化”是利用无限的连通广聚各方合作伙伴，可以建立全新的服务生态，为客户提供更丰富的非金融服务，让招行服务融入个人生活与企业生产的场景中。具体场景方面，截至2024年底，招行政务便民全年服务用户数4448.64万；公司金融财资管理云服务企业客户61.52万户，薪福通月活企业数超10万，E餐通累计入驻企业6000余家。

据记者了解，在招行“AI+”的实践中，智能风控、智能营销、智能办公成为其智能路上的招牌模式。智能风控主要体现在批发信贷风控方面，招行利用大数据、机器学习、联邦学习、图深度学习等AI技术研发综合化审批模型、综合预警模型、风险专项模型等一系列批发风控模型，建立泛信用风险模型+场景模型+风险专项模型的风控模型体系，并应用至招企贷、科创贷等普惠线上化信贷产品中，为业务提供覆盖全生命周期的实时风控服务，累计服务普惠客户超10万户。智能营销方面，招行自研经营素材创作平台，通过AI技术实现营销文案、长图文、音视频等全品类素材的自动化创作。在智能办公领域，招行利用AI大模型技术，探索建设通用型的智能办公助理和细分领域下的数字员工体系。

加强大模型风险应对能力

“目前技术的发展本身就处在一个艰难的换挡时期，一方面，数字化已经成为社会共识，线上化的红利趋于见顶。另一方面，大模型技术加速发展，但技术路线的不确定性和大模型自身带来的新形态风险叠加都在短期内限制了这一新技术在多个场景的应用。招行也仍在努力探索‘AI+金融’的具体实践，这也是我们未来一段时期在数字技术上的重点发力方向。”招行有关负责人表示，银行业本质上是对金融数据和金融信息进行加工处理的行业，如果可以较好应对大模型的局限与风险，其将对银行业产生多方面的变革。一是改变传统的服务模式，借助大模型，银行业有望实现不大量依赖人力，从而真正实现对客户服务的“千人千面”，将个性化服务覆盖所有客户。二是变革传统的工作模式，依托大模型的自主处理能力，许多简单重复性工作可由智能体员工协助甚至部分替代人类员工，从而形成人类员工与智能体员工高效协同的新局面。三是优化与客户的交互模式，借助大模型自然语言的问答交互能力，客户使用银行线上服务的方式将从完全图形化转变为“图形+Chat”模式，显著优化用户体验。四是改变数据分析的模式，在大语言技术的支持下，数据Agent可以精准理解员工的数据分析需求，并基于对银行大数据平台和数据仓库的结构学习，快速定位所需字段和表格。凭借其编程能力，模型可自动生成SQL脚本或Python代码，实时满足岗位数据分析需求。招行也正在不断探索大模型在这些方面的应用，比如数据Agent功能已在招行的“管理驾驶舱”中落地应用。

要让大模型产生应用的效果，就要解决大模型潜在的风险。一是防范价值观偏差和伦理偏见，首先是规范训练数据，其次要在训练过程中建立价值观对齐机制，最后就是要有约束机制，避免大模型生成不符合人类共同价值观的内容。二是防范大语言模型的幻觉风险，要做好技术与场景的适配，对于大语言生成的结果要建立审核和校验机制，避免大语言传递错误信息。三是保护用户的隐私数据，避免在训练过程中混入用户隐私数据，在推理使用过程中，也应做到隐私数据与公共数据的隔离。四是落实好人的责任，无论是模型的引入，训练的规范，还是内容的监督，都离不开人的管理。对于一个强监管的银行而言，对于大模型使用的关键环节就是要落实人的责任，以确保大模型使用的合法合规。