专题 | 迎接智能化时代，助力金融大模型从智力涌现走向价值涌现

大模型的发展已从如火如荼的“百模大战上半场”走向“大模型的AI原生智能应用下半场”，各厂家更聚焦大模型如何应用落地。在众多AI创新中，金融大模型尤其引人瞩目，也被认为是AI大模型产业化落地的第一站。

华为持续推进AI大模型在金融的价值创造。近一年，华为联合客户和伙伴，将大模型应用从运营辅助推向生产，在多家金融机构落地了超50个场景。大模型正在从AI4Data、AI4Business、AI4IT三个领域，提升金融智能化，从智力涌现走向价值涌现。

发展AI的基础是高质量数据，尤其是在大模型时代，PB级非结构化数据将被激活，数据和AI之间的联系也将更加紧密，构建“云-数-智-算”全面融合架构，助力银行数智能力全面升级，势在必行。

为此，华为提出构建“1-2-3-4”银行数智能力体系蓝图，其中包括一体化数智软件底座和计算底座，数据和AI两条产线，以及三类数字化场景和大模型应用，四类数据工程化服务包含数据能力体系规划、架构规划、场景与应用集成设计及性能调优。通过数据与AI的深度融合渗透，构建可复用、可演进的数智能力，实现体验最优、价值效益提升，帮助银行通过数据赋能走向智能化升级。

重塑数字化体验，定义银行数据中台三大能力

只有构建全面的数据能力体系底座，才能应对大模型时代的海量数据需求。未来的数据平台，需要具备全域融合、多维分析、实时反馈、智能驱动和安全共享等基础能力。因此，我们围绕三大体验来定义银行数据中台三大能力。

1.技术供给：围绕业务体验，构建实时、多维、智能的供给能力

场景上，我们围绕业务体验，深耕数字化营销、风控和运营场景，构建实时、多维、智能的技术供给能力，携手伙伴丰富数据应用，实现从被动用数到主动用数。

首先，实时保证了数据的及时采集、传输、处理和应用，实现了数据的动态更新和实时反馈。助力银行快速响应市场变化，及时调整业务策略，提高风险防控能力，增强服务创新能力。

例如，某银行利用“实时营销”策略，通过大数据分析客户偏好和行为，定制圈客算法，实现精准营销。这种千人千面的营销方式，不仅提升了客户体验，还通过实时反馈和权益发放，显著提高了客户活跃度和资产留存率，相比传统营销方法提升了164%。

又如，某银行通过“实时分析”，赋予分支网点即时查看T+0指标的能力，实现“晨会（第二天）变夕会（当天）”，能够及时进行业绩总结和改进，有效提高了运营效率。

支撑这些实时营销和实时分析的背后，是华为的全链路实时方案，它实现了数据从采集到计算再到应用的全面贯通，支撑了敏捷决策，确保了数据的实时同步、入湖、加工和展示。

其次，多维代表了数据的跨界融合，它从一种业务视角释放了数据的价值。例如，一家大型银行通过构建手机CRM系统，实现了从传统陌拜到精准获客和持续经营的转变。客户经理利用该系统进行智慧移动营销，包括地图查新企业、营销策略推荐、产品展示和业务指导等，同时在移动端完成谈判决策支持、客户信息采集、流程跟踪和风险分析等全流程管理。

又如，某城商行通过融合多方数据形成知识图谱，支持对公营销数字化，服务于智慧园区信贷和结算用户拓客，助力战略性新兴产业和科创实体经济。利用图技术挖掘潜在客户，推送至CRM系统，实现数字化营销，并结合产业知识进行企业经营关系预测，探索小微金融服务新模式。

支撑这些多维营销和运营的背后，是华为的多维分析方案，它支持亿级数据的毫秒级响应和百亿级数据的多区域部署，实现点查秒级响应和多表聚合的实时检索，提高了运营分析的精细度、透视性和效率。

最后，智能是通过整合人工智能、大数据和云计算，深化了数据的挖掘、分析和应用，全面融入AI引擎。在数据底座层，AI技术构建了多模态智慧搜索平台，结合大模型和知识库，支持办公和网点助手等业务，同时升级传统搜索为向量数据库，以支持高维数据检索。在产线层，AI技术赋能数据治理，通过嵌入各流程，提高数据开发效率，实现数据使用的便捷性。在应用层，AI辅助进行智能数据分析，进行根因分析和数据资产沉淀，实现数据分析的可视化和自动化。

2.融合架构：围绕系统体验，构建云数智算全面融合架构，化繁为简

保证数据的高效流动，快速支撑各类应用系统，对银行数字化转型意义重大。通过数据的高效流转，银行可以加速贷款审批、账户管理、风险评估等流程，缩短业务处理时间，提升客户满意度，并降低运营成本；可以深入理解客户需求和行为，提供个性化服务；并加强银行的风险监控能力，通过大数据分析，银行能更准确地评估信贷风险，及时发现异常交易和欺诈行为，保护客户资金安全。那么，如何做到数据高效流转成为亟待解决的问题。

在架构上，我们围绕系统体验，构建企业级数据平台，打破数据孤岛，高效数据供给。通过云—数—智—算全面融合架构，将数智一体化底座、数智研运一体产线和数字化应用南北向贯通，让应用开发的效率更高；另一方面，我们通过推动智算融合、数算融合、数智融合和云数融合，大幅提升从训练到模型上线的速度，做到化繁为简，全面推进智能化升级。

云数智算融合架构不仅为银行构建了坚如磐石的数据基础，更确保了与AI的高效融合，为银行将来进一步运用AI打下了坚实基础。在此基础上，银行可以构建连贯的数据与智能生产流程，实现业务的全面数字化，为客户提供更加个性化、智能化的服务。

3.服务共享：围绕用户体验，实现数据资产服务化

在数据治理方面，华为围绕用户体验，重塑数据产线，从数据管理走向数据运营，实现数据资产服务化。

我们认为未来数据服务肯定是共享化的，数据应用要求跨租户、跨组织、跨部门、跨业务条线进行数据共享。因此，既要实现基于平台资源、存储资源和算力资源的资源共享，又要实现包括数据模型、数据指标、数据资产、应用服务、分析服务、AI服务在内的服务共享，打造安全、实时、高效的数据服务，以支撑银行可以通过数据驱动来创造价值。

比如某股份制银行率先构建了统一的数据服务平台和数据服务门户，成立数据资产运营中心部门进行长期数据运营，行内月活用户数超过6万，员工用数渗透率超过55%，其中业务部门用户数占比97%，全面支撑各类业务，实现人人用数。

迎接智能化时代，助力大模型从智力涌现走向价值涌现

金融大模型的建设是一个系统化的工程，我们在坚实的数据能力体系基础上，定义了金融大模型的整体方案架构，包括底座层、平台层、模型层和场景层，重塑决策与交互，助力大模型成为金融机构的关键生产力，加速金融行业智能化。

1.金融大模型业务原生驱动，是金融智能化的关键

一步大模型场景的应用，模型能力是第一性。华为最新发布的盘古大模型5.0在全系列、多模态、强思维三个方面带来全新升级，包括2300亿的稠密模型和2.6万亿的MOE大模型（混合专家模型），能够更好地处理复杂场景和跨领域多任务场景。

金融行业的应用需要打造“多样智能”模型能力，华为将盘古大模型中的预测大模型应用于财务智能预警场景，提供企业财务异常识别和手段分析，准确率从65%提升到90%以上，并升级应用于银行资产负债调度，智能辅助日间上千亿资金头寸的运营决策。

华为主张百模千态，联合数据、大模型、应用、服务等伙伴，促进金融大模型应用场景繁荣与落地。软硬件和模型开发管理平台集成多家伙伴，全面适配和纳管。并提供大模型一站式开发工具链，包括数据工程、模型微调与训练、应用开发、安全工程等系列工程化套件，让客户和伙伴更便捷地应用大模型。

在安全防范与风险管控方面，华为强调数据保护、抗攻击以及伦理对齐能力，助力银行建立全面的安全体系，确保大模型的决策过程和输出结果符合伦理标准，保障数据、技术和业务的安全。

2.筑牢基础设施，为金融大模型提供坚实底座

对于金融大模型来说，不仅需要面对其他通用类、专用类大模型普遍需面对的存、算、网基础设施需求，还需要考虑到金融行业的一系列特点。华为金融大模型提供的AI基础设施，具备三重独特的价值。

一是自主创新。华为可以实现包括计算、网络、存储等基础设施的全面自主创新。从硬件板卡和整机，到操作系统、模型开发框架等构建全栈AI基础设施环境。

二是存算网协同。对于金融大模型来说，基础设施底座并不仅仅在于AI算力，同时还包括网络与存储的协同。华为通过建设大规模集群和云存算网高效协同，实现30天长稳训练；打造算网协同NLSB负载均衡方案，实现算力集群内网络链路利用率从50%提升到95%以上。

三是推理场景的深度优化。这是决定大模型大规模应用的关键。不同的大模型服务如办公知识问答对话、智能信贷报告长文本写作、市场摘要分析、营销图片生成等推理并发的机制是不一样的。有的服务要求响应快，如智能客服（推理效率高）；有的服务用户人数多，如知识问答；有的服务只在月末使用，如收入预测；有的服务类型复杂，如金融市场智能体。推理系统需要根据不同服务的需求，华为深度优化推理场景，合理安排推理资源的调度机制与响应速度，既能保障每个业务的并发峰值得到满足，又能最大限度利用资源，实现算力和成本效益的平衡。

立足技术供给、融合架构和服务共享三大能力，叠加金融大模型的智能化升级，华为构建了系统化、工程化的数据和AI能力体系，助力银行提升三大体验，驱动金融生产力跃升。

（此文刊发于《金融电子化》2024年8月上半月刊）