2025年，已成为人工智能发展的关键之年。从年初DeepSeek的技术引爆，到国务院《关于深入实施“人工智能+”行动的意见》发布清晰的产业路线图，再到“十五五”规划将其列为发展重点——系列举措表明，对于各行各业，拥抱人工智能已不再是一道选择题，而是关乎未来生存与发展的必答题。
图片来源于网络，如有侵权，请联系删除
作为现代化经济体系的血液循环系统、信用基石和资源配置中心，银行业在响应国家战略、顺应行业趋势、重塑业务格局的多重要求下，正借助人工智能的东风，实现自身商业范式与内在逻辑的自我变革与价值演进。
作为十二家全国性股份制银行之一，恒丰银行将“数字化敏捷银行”列为自身长期发展愿景之一。据恒丰银行首席信息官徐彤介绍，随着DeepSeek等大模型能力提升，大幅降低了中小银行技术准入门槛，恒丰银行正在通过场景应用推进AI路径稳步发展。他指出，通用大模型显著降低了技术门槛，使中小银行得以突破算力壁垒，但金融场景落地仍需经历从通用模型到行业模型、再到企业专属模型的分层适配过程。目前，恒丰银行将AI定位为员工赋能工具以提升服务质效。同时强调AI正在重塑银行组织形态，推动从“金字塔型”向精悍的“松树型”演进。
“未来恒丰银行希望借助AI的力量，能够让金融更普惠、更高效、更有温度。”徐彤说道。
AI大模型引领行业变革 助力中小银行跨越AI数字鸿沟
受自身条件影响，长期以来大型银行与中小型银行间存在明显的“数字鸿沟”，但以DeepSeek为代表的大模型所具备的“开源性、普惠性、低成本、高性能”特点降低了使用门槛，有助于中小机构打破技术升级壁垒，银行业在AI领域的应用以DeepSeek为代表的大模型爆发为界限，呈现出不同的发展趋势。
恒丰银行首席信息官徐彤表示，过去三年，银行业在AI领域实际上已经存在诸多实践案例。但此前AI技术的规模化应用，更多是属于实力雄厚的大型银行的专利。
细究其原因，“在基础通用模型广泛运用之前，银行业的AI发展格局总体处于算力为王的时代，谁的算力强，谁才有资格去做AI。”徐彤解释道：“另一方面，过去各银行主要以全程自研的形式构建自有AI模型，这背后是巨大的算力消耗，算力不足与持续投入成为广大银行面临的共同挑战。”
但DeepSeek的横空出世改变了这一局面。徐彤表示：“DeepSeek把银行过去需要从头建设的通用能力做了基础建设并进行开放，这种通用模型的能力甚至有可能强于银行自身训练模型的能力。”
“但这不代表大模型可以拿来即用，”徐彤同时强调，以DeepSeek为代表的AI大模型只是降低了银行的技术使用门槛，从大模型的通用能力到金融场景的实际落地之间，仍需要分层逐步与场景结合。
具体而言，徐彤将其划分为三层，依次为通用大模型—行业大模型—企业大模型。“通用大模型的知识水平非常高，但它不一定具备能够完全理解不同行业差别的能力。”徐彤说道：“所以在通用大模型的基础上应该要有一个行业模型，比如说农业、工业、银行业等等。”
在此基础上，还要建设属于企业自身的模型，徐彤认为，不同类型的银行间虽然具备共通之处，但产品与客群等方面仍然存在差别。行业大模型无法精准匹配不同企业间的差异化领域，所以需要建设契合自身业务方向的模型，并进一步根据不同场景形成垂直小模型。比如说客户服务领域更注重实时咨询问答、贷款审批更需要精准用户画像等等。
徐彤强调以场景拼接AI实践路线图的重要性。据其介绍，目前恒丰银行建设规划了3层9类72个场景，前台直接面向客户（如投资理财、贷款营销）；中台为前台提供共享能力支撑（如风控、贷款审批）；后台则支撑底层公共运营能力。
他认为，由于银行业强监管及消费者权益保护限制，AI尚未直接用于面向客户的服务，而是主要作为内部前中后台人员的辅助工具。银行对AI的切入场景因行而异，恒丰银行正在沿着这三层结构继续推进，AI将逐步嵌入前中后台的支撑体系中。
在徐彤看来，当前银行构建AI模型主要有两条路径——对于算力充足的大型银行，走“训练自有模型”路线利用其庞大的算力，以通用大模型为基底，使用银行内部的专有数据进行继续训练或微调，将其精炼成更适合自身业务的专属模型。
对于算力有限的中小银行走“知识库外挂”路线。不追求优化或重新训练大模型本身，而是充分利用并跟随通用大模型自身能力的进化。通过构建知识库和知识图谱，将大模型无法学到的、银行内部的机密知识、操作流程、企业制度、产品手册外挂给大模型。让通用大模型与外部知识库协同配合，这就像是给大模型这个“新员工”配备了一本专业的“工具书”，这也有助于解决幻觉问题。
定位员工辅助工具 恒丰银行以AI赋能业务场景
徐彤认为，AI与人类交互演进分为三个阶段，第一阶段AI是被动响应，进行交互、搜索与整理的智能工具；第二阶段是协同阶段，AI开始作为助手，承接并完成一部分具体工作任务；第三个阶段是智能体阶段，AI升级为自主代理，能在人类设定的目标与监督下，独立完成全流程工作。
“就当前的认知和现在的应用情况，尤其是在银行来看，我觉得还没到AI能取代人的大部分工作、来替人做决策的时候。”徐彤说：“所以我们还是把主体放在了第二阶段，AI是人的助手，无非只是不同的银行机构，AI的应用能力或者知识整理的强弱，以及AI替代人的工作的幅度和范围大小而已。”
将AI定位为现阶段辅助工具，恒丰银行将其作为赋能员工、降本增效的关键抓手。“就像过去的算盘、PC机、大型机，AI同样是人的一个助手，只是展现的形式转变成了大语言模型，以银行员工分身助手的形式帮助其掌握和汇集更多知识，并聚合专家的能力，最终输出必须经过人工确认才能最终交付给客户。”徐彤说。
主要原因在于，现在大语言模型的底层核心能力具有不可解释性，其可靠性依赖于主要人类对其结果的经验性判断。徐彤解释道：“大语言模型通过海量算力不断调整其内部数以亿计的参数，把最贴近问题的、概率最高的结果输出为最终答案，但内在机制无法通过数学推理或者物理规律等传统逻辑解释，这就是它的不可解释性。”
徐彤表示，在这一定位的基础上，目前恒丰的AI应用的主要方向是，面向全行员工，以内部工具（To Employee方式）的形式进行——将DeepSeek等AI模型进行本地化部署，然后开放给员工使用。这能够帮助员工熟悉并使用AI处理日常事务，例如撰写会议纪要、润色材料、生成初步文档等，从而培养全行的AI使用氛围和能力。这也可以防止员工使用外部AI工具可能导致的行内敏感信息和文档泄露风险。
在员工应用的过程中，还要匹配不同的细分场景，恒丰银行根据技术“可实现性”和“业务价值”两个维度，选择相应场景进行实践。
徐彤介绍，恒丰银行在AI场景的探索中，选择从技术成熟、场景明确且业务价值显著的场景进行优先切入。比如，构建了面向柜面人员的AI知识库。员工无需死记硬背，通过实时交互问答，快速获取信息，确保对制度和操作要点的遵从，提升效率与准确性。
还有一类是，技术可行性不如第一层明确，但有潜力解决业务痛点，属于创新性探索。在这方面，恒丰银行以业务需求为驱动，定位AI为“员工工具和助手”，核心目标是减轻劳动强度、提高效率。比如说客户经理对公贷款尽职调查。让AI辅助处理企业年报、财报等原始材料并初步生成尽调报告。撰写尽调报告的时间从原来的约20天大幅缩短至1天左右，极大地提升了效率，也降低了成本。
AI驱动 “平权” 与组织进化 恒丰银行探索 “松树型” 发展新路径
徐彤提到三个“平权”的理念，分别是：业务平科技的权、一线平中后台的权、小行平大行的权。
对银行内部而言，业务人员能够利用AI工具系统能力和数据能力及时响应业务需求，自主解决问题，缩短“业务人员写需求、科技人员做开发”的流程；一线部门受制于中后台部门的制度解释和资源分配，AI的开放性帮助他们将制度规则、专家知识等掌握在自身手中。
对于行业竞争而言，大行凭借其庞大的网点数量、线上能力和规模优势形成竞争壁垒。通过AI赋能，将一个客户经理的能力提升到堪比一个传统网点的产能。这使得像恒丰这样网点较少的银行，能将其数千名客户经理等效为数千个虚拟网点，从而在服务覆盖和能力上大幅缩小与更大体量银行的差距。
徐彤同时认为，未来的AI应用会成为银行组织结构优化调整的极大挑战。所以恒丰银行在推进AI进程时，除了算力工程、知识工程、模型工程之外，还特别提出了组织工程。
“此前整个银行发展的趋势基本上都是一个金字塔形，总行是塔尖，扩张网点、客户经理构成底座，形成金字塔形结构。”徐彤分析道：“但随着AI的持续应用，银行的组织结构有可能会变成松树型。总行将不再依靠人员规模的扩张，而是借助AI，成为一个规模缩小但决策和知识密度极高的‘树冠’。向下则依托AI建设所带来的‘平权’，不再需要建设过多的网点，金字塔形的强底座精简为‘松树’的强树干。”
此外，徐彤还认为，面对AI带来的工作范式革命，银行必须主动进行组织变革，成立跨部门的敏捷团队（如PMO）来探索新业务模式，以适应时代变化。鉴于银行“经营风险”和“稳态为主”的特性，恒丰银行为了稳妥地推动变革，其对策是成立由最高层发起、领导和执行的跨部门PMO（项目管理办公室）。以AI+数据相结合的形式，不断尝试优化业务流程和模式 ，不断匹配服务不同的应用场景。
无论如何，人工智能将成为恒丰银行未来高质量发展的核心动力，“在‘十四五’期间，数字化转型是银行的重要工作。未来在‘十五五’新的发展阶段，恒丰银行将进一步推动数字化转型的深入发展。也希望借助AI强大的海量信息处理能力，对既有数字化资料进行深度挖掘、智能标注和交叉验证，以释放其更大价值。同时，更好地梳理企业的关联图谱，利用多维数据刻画更精准的用户画像，提升金融服务的效能。”徐彤说。
文/王欣宇 编辑/徐楠
(编辑：王欣宇) 关键字：