从2022年11月ChatGPT“横空出世”到2024年2月Sora震撼亮相，生成式人工智能领域似乎越来越疯狂。多个行业探索大模型、AIGC应用，金融业更是如此。6家国有商业银行中，工行、农行、中行、交行、邮储银行5家在2023半年报或多或少透露了相关内容，而建行仅在广义的人工智能层面上提及进展。

事实上，建行也早已研究大模型应用。近日，该行便透露相关内容。

建行称，随着大模型时代的加速到来，其成立专项工作组启动“方舟计划”，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，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。

从5方面推进大模型建设，已投产3大基础应用

据介绍，建行主要从5个方面推进金融大模型建设。

一是大模型的灵活性。建行基于通用大模型打造金融大模型，目前已具备信息总结、信息推断、信息扩展、文本转换、安全与价值观、复杂推理、金融知识等七项一级能力和二十六项二级能力，是金融行业内首家完成预训练、指令微调、强化学习等全流程训练的机构。建行持续关注通用大模型的发布及迭代动态，以敏捷、灵活的方式跟进技术，同时使用内部的专业知识数据进行持续训练，提升金融大模型的各项能力与场景适用性。

二是算力基础。为满足训练金融大模型带来的算力需求，以及大量业务场景应用算力需求，建行建设了新型的智算集群，以匹配异构的高性能算力设备、高速度存储和云形态网络。

三是数据体系。高质量、海量、多样性的数据是决定金融大模型建设和应用效果的关键。建行通过整合行内外结构化与非结构化数据，形成较为丰富的数据资源和相对完善的数据质量保障能力。

四是专业人才。建行加快建设掌握金融大模型训练、工程和应用等前沿技术的数字化人才队伍，实现了围绕金融大模型建设和应用的业务、数据、技术3类人才的融合。

五是赋能高频率的应用场景。行内较为丰富的业务场景，可为金融大模型的应用落地提供更多可能，将推动体验、安全、运营、架构和交付等方面发生变革。

关于探索金融大模型应用，建行表示，金融机构开展大模型应用面临着安全性、可靠性和知识产权等挑战。其按照“先内后外、循序渐进、持续投入”的总体原则，以点及面，探索大模型应用。

金融大模型在多轮对话、逻辑推理、文本生成、情感搜索等方面具有优势，建行通过运用这些优势，已成功研发投产方舟助手、方舟工具箱、向量知识库3大基础应用。未来，其将以产学研联动等方式，强化多模态技术的融合应用，适时打造具有自主性、反应性、积极性和行动能力的智能体。

建行还透露，大模型应用场景实现多领域覆盖。建行通过金融大模型直接支持或训练后支持形成能力与场景应用的良好匹配。目前，其金融大模型应用范围已覆盖智能客服工单生成、对公客户客调报告等36项业务场景。

工行CTO曾建议短期不对客，大模型内部应用或是目前重点

上文中，建行探索大模型应用的其中一个原则是“先内后外”，而这是基于合规性等方面进行考虑的。

2023年6月，工行首席技术官吕仲涛曾表示，通过工行的前期实践认为，大模型优势明显，但当前阶段并不成熟，仍存在科技伦理风险等问题。因此，短期内不建议直接对客使用，应优先面向金融文本和金融图像分析理解创作的智力密集型场景，以助手形式，人机协同提升业务人员工作质效。

工行彼时探索大模型应用，重在提升智能客服、智慧办公、运营管理、营销创造、智能研发等业务领域的智能化水平，解决一线员工的痛点问题。

而在2023年，多家银行透露的大模型应用也主要是面向内部。

比如工行方面，利用AI大模型技术开拓新型业务应用场景，实现百亿级AI大模型的实际应用，打造网点员工智能助手，为一线员工提供规章制度、业务文档等智能问答支持，打造创新投研助手，实现金融市场投研报告的分钟级智能生成。提升传统AI模型服务质效，推出知识运营助手，更加高效、精准实现资料提炼、数据标注与知识维护，从而提升智能客服服务质效。

北京银行方面，发布AIB平台，汇聚16万条金融知识，面向理财经理、大堂经理、客户经理、综合柜员、远程客服等岗位，打造运营助手、客服助手等7个问答机器人。

上海银行方面，成立生成式语言大模型研究小组，探索代码辅助场景并进行试点应用，辅助开发人员提升开发质量和效率；运用大模型辅助提升知识生产效率，提高指令理解能力，精准定位关键知识点，降低知识运维成本，提升知识检索、问答体验。