AI大模型的快速发展正在加速金融行业的智能化变革，为中小银行提供了前所未有的机遇。近年来，随着DeepSeek等开源大模型的应用门槛降低，越来越多的中小银行开始拥抱这一技术，以提升业务效率、优化客户体验，并在智能风控、智能营销等关键领域实现突破。
据了解，作为坚持“技术立行”的数字银行，新网银行一直十分重视科技与业务深度融合。随着AI大模型向金融领域渗透，该行快速跟进大模型探索实践，自2024年5月起就在系统研发场景中应用DeepSeek大模型，并在智能客服、智能营销、贷后管理、风险控制等多个领域尝试大模型应用。
如何看待银行业对DeepSeek的快速反应？AI大模型的低算力要求和低数据训练成本是否为中小银行提供了追赶的机会？新网银行在技术路线选择上有何特点？围绕一系列问题，新网银行副行长李秀生于日前接受了《每日经济新闻》记者（以下简称“NBD”）专访。
“大模型将不再是大型银行的专属，而是能够广泛应用于中小银行之中。”李秀生表示，随着DeepSeek等大模型技术的出现和逐渐迭代提升，其低算力要求和低数据训练成本的特性，让中小银行能够以更低成本引入和应用这些先进技术。
在大模型技术应用场景选择方面，李秀生认为，在大模型时代，银行需要从人工智能充分应用的角度思考如何重塑银行的经营管理和流程。在选择具体的大模型时，应基于自身应用特点、战略思考来选择合适的模型组合。
中小银行可利用大模型更好地推进普惠金融落地
NBD：你如何看待银行业对DeepSeek的快速反应？这种反应可能基于怎样的战略考量？
李秀生：我认为，对于DeepSeek的快速反应，是银行业基于实施提质增效、技术创新、提升智能化水平的战略考量。在过去，往往需要更多成本构建算力、引入模型，DeepSeek的开源特性降低了技术门槛，让中小银行也看到了应用大模型的空间，为银行业模型应用效率提升提供新途径，推动其更加智能化、高效化地发展。
NBD：你认为大模型技术对传统银行服务模式的改变程度如何？在一些领域比如智能客服、智能风控等，是否会带来质的飞跃？
李秀生：大模型技术能够改变过往服务模式，特别是在客户感知层面将愈发明显，未来每位客户都有可能拥有自己的专属客户经理。通过大模型技术，也能够更为深入了解客户需求，提供个性化交互服务。
随着大模型出现，风控模式将进入多模态数据风控大模型和领域化智能风控大模型的发展趋势。而且，随着模型参数增大和数据增强，模型性能也将逐渐增强。在客户授权下，多模态数据风控大模型可以将广泛的非结构化数据作为授信审批依据。领域化智能风控大模型则可以尝试基于金融语料构建预训练大模型，再用于下游风险识别、客户匹配度识别等领域。
NBD：DeepSeek等开源低成本大模型的出现，是否会缩小中小银行与大型银行在大模型领域的技术差距？
李秀生：大模型技术的广泛应用确实为缩小中小银行与大型银行在大模型领域的技术差距提供了可能。随着DeepSeek等大模型技术的出现和逐渐迭代提升，其低算力要求和低数据训练成本的特性，让中小银行能够以更低成本引入和应用这些先进技术。大模型将不再是大型银行的专属，而是能够广泛应用于中小银行之中。在此次大模型浪潮中，中小银行可以抓住这一机遇，积极引入和应用大模型技术，利用大模型更好地推进普惠金融落地。
通过自主创新提升大模型性能
NBD：目前新网银行在哪些业务场景中尝试应用了大模型技术？具体是如何落地的？
李秀生：目前，依托大模型技术，新网银行在智能客服、贷后管理、智能营销、智能研发、风险控制等多个领域建设了一系列智能化助手，深入应用于多个效率瓶颈环节。
其中，新网银行打造基于大模型的智能服务平台“识卷”，通过深度融合多模态数据处理能力，解决新市民客户个性化授信难、车抵房抵等抵押业务流程复杂的问题，智能化处理个人客户十余种授信自证数据，为客户提供多种资产认证模式以适配客户具体情况，利用大模型更好地推进普惠金融落地。目前，使用该服务的客户人均提额幅度超过30%。房抵贷业务能够实现全线上办理，当天审批当天放款。
NBD：你认为，银行在选择大模型技术应用场景时，应主要基于怎样的商业价值判断来做决定？该如何平衡科技预算投入与业务价值？
李秀生：具体来说，银行考虑应用场景的市场需求、业务增长潜力以及技术可行性等因素。通过综合评估这些因素，确定哪些场景最适合应用大模型技术。
在大模型时代，银行需要从人工智能充分应用的角度思考如何重塑银行的经营管理和流程。在选择具体的大模型时，基于自身应用特点、战略思考来选择合适的模型组合。对于新网银行来说，我们也将进一步提高人工智能在银行发展中的战略重视程度，加大人工智能方面的投入。
NBD：新网银行在大模型应用探索上有哪些独特的优势？在技术路线选择上，相较他行是否有所差异？
李秀生：新网银行积极拥抱开源技术，推动大模型技术的普及和应用，同时也更加注重对算法和模型的优化，通过自主创新，进而提升大模型的性能。
自2024年5月起，新网银行就在系统研发场景中应用DeepSeek大模型，分别构建了研发知识问答助手与代码续写助手，缩短一线工程师在研发过程中查阅技术资料的耗时。
另外，新网银行还通过自研插件的方式，将DeepSeek代码大模型的能力嵌入到代码编辑器这类开发工具中，形成Copilot助驾的研发模式，使得专业大模型的能力可以嵌入一线研发人员的工作流程中。
NBD：在探索和应用大模型技术的过程中，新网银行是否遇到过技术瓶颈？当时是如何应对的？这些经验对于后续的技术应用和战略调整有哪些启示？
李秀生：在大模型客服服务领域，最初存在一定幻觉现象，面对这种情况，新网银行从提升数据质量、数据多样性、工程兜底三个方面着手解决，大量应用通用大模型参与数据检测、数据生成、数据修复，最终成功缓和幻觉问题。
人机交流过程中，机器音色有着机械化问题。针对该难题，新网银行除了探索前沿语音合成算法外，还自创自建消音室，加工坐席真实语料用于模型训练，大幅提升了拟人化效果，极大地增强了人机对话的自然度与真实感。
从中也可以看出，技术应用需紧密贴合业务实际，注重用户体验与反馈，同时探索多模态数据风控大模型和领域化智能风控大模型的应用潜力。通过技术创新与业务融合，新网银行希望在数字化金融时代为客户提供更加精准、高效、智能的金融服务，助力行业迈向更高水平的智能化发展。
