“AI银行”将至？全球数字银行正在争夺定义权

21世纪经济报道记者 黄子潇 深圳报道

AI浪潮席卷全球后，摩根大通、星展银行、花旗集团等国际大型银行纷纷引入AI，以优化成本结构、提升经营效益。

21世纪经济报道记者梳理发现，过去一年，全球多家的数字银行均调整了其AI战略。去年，巴西Nubank提出了“AI-first”（AI优先）战略；韩国Kakao公司宣布其“AI-Native”的战略，并将2025年称作AI原生的关键之年；国内的微众银行则在2023年就曾提出了从数字原生迈向AI原生的概念。

数字原生银行是否有着更高阶的形态？AI原生银行或许是一个答案。

“AI不再是产品的补充或附加组件，而是产品和体验的一部分。还有一点，不是AI嵌进流程里，而是流程嵌进AI里。”微众银行数字金融发展部负责人姚辉亚对21世纪经济报道记者表示。

已有数十家银行官宣接入Deepseek，银行不需要自研大模型渐渐成为了业内的共识。

“数字原生”和“AI原生”

数字原生银行正在追寻更高阶的形态——AI原生银行。

对于前者，数字银行指的是一类不设实体网点的，主要以线上渠道提供服务的银行。可以根据其业务起点的不同，分为原生数字银行及衍生数字银行。

原生数字银行通常为新设银行或金融科技企业，例如微众银行、网商银行、Nubank。衍生数字银行则常由传统银行衍生而来，例如ING。微众银行在2023年就已提出了“从数字原生到AI原生”的概念。时隔一年有余，在最新的科技战略规划中，微众银行正式提出要从数字原生银行转变为AI原生银行。

对于AI原生银行，一般理解为并非AI嵌在流程里，而是流程嵌进AI里。

姚辉亚表示，如果和以往一样，业务部门提需求给科技部门，科技部门再用AI手段实现，这无法称作AI原生银行。真正的AI原生银行，应该是科技部门将一系列的AI工具提供给业务部门，使业务部门可以运用AI自主解决问题。

他将这一构想描画为：产品设计、研发、运营、风险治理等过程都将基于AI无处不在的理念进行，AI成为功能的自然组成部分。对此，该行会通过调整组织架构和培训人员AI素养等方式做好准备。

成本VS赋能：AI理念的碰撞

自ChatGPT、DeepSeek等现象级产品席卷全球后，各家银行对AI的价值有着不同理解。

在AI的应用目标上，许多传统银行多以优化成本结构、提升经营效益为核心目标。尽管星展银行、摩根大通等去年利润创下新高，但仍决定用AI取代部分人员。

近日，星展银行新加坡方面表示，将进一步布局AI，或将增加1000多个与AI相关的新岗位。星展银行目前握有超800个AI模型，预估2025年可创造逾10亿新加坡元的经济效益。

不过，数字银行的目光更多放在AI与业务的深度整合上。

2024年，南美最大的数字银行巴西Nubank提出了“AI first”（AI优先）的战略。Nubank首席技术官Olivier表示，该行看到了推行“AI first”战略的机会，希望将AI嵌入尽可能多的方案中，为客户带来效率、速度、适应性、个性化。在2024年6月，Nubank收购了一家名为Hyperplane的硅谷数据智能公司，以推进其“AI-first”战略。据悉，Hyperplane的AI技术将无缝集成到Nubank系统中，增强分析海量数据的能力。

有趣的是，Olivier认为，“许多公司会以利润最大化为核心目标来应用AI，这虽常见，但并不是长久之策，因为客户终将看清“AI建议”的本质：就像某个朋友总给你建议，每次你都照做，但做得好的是他而不是你。”正因如此，该行的"AI优先"战略远不止于简单的模型连接，技术本身并非目的，AI与其他技术一样，只有当其能为客户创造实际价值时才会被采用。

无独有偶。同样在2024年，韩国Kakao公司宣布其“AI-Native”的战略，推出交互式AI助手“Kanana”，定位为能提供情绪价值的“AI伴侣”。 Kakao将2025年称作AI原生的关键之年，其旗下数字银行KakaoBank还在首尔新建了人工智能实验室。

Kakao对于AI原生的理解与微众有着相似之处。该公司首席技术官Jeong表示，Kakao不局限于为服务添加AI功能，而是成为将AI无缝融入工作流程的AI原生公司，对此，Kakao已启动了包括工作流程重构、人才体系升级与敏捷开发模式迭代的多维度变革。

网商银行也在探索AI技术和业务的深度整合。该行将AI大模型应用于产业链金融领域，重新识别上下游小微企业的信用画像，将其称作“大雁系统”，目前已借助这一能力构建9大产业方向。

是否有必要自研大模型

得益于“低成本、开源、高性能”的特性，自本轮DeepSeek热潮以来，已有数十家银行官宣接入Deepseek大模型。

大模型的幻觉依然存在。例如有消息称，某头部股份行AI理财顾问依托多模态模型，将客户画像颗粒度提升，该消息已被广为引述。但21世纪经济报道记者从该股份行了解到，该行并未发布部署相关内容，上述消息或为AI生成。

一方面现象级产品频出，一方面AI幻觉难以解决，银行正在审视下场自研大模型的必要性。

昨晚，平安集团发布年报称，通过自研金融、医养垂直领域大模型，深化行业应用、重构产业生态。需求导向开发，平安搭建了三层大模型体系，支持语音大模型、语言大模型、视觉大模型等，场景准确率行业领先。此外，深挖业务场景，广泛应用、服务于全集团85个大模型场景，加速推进生态圈建设。

姚辉亚认为，银行没必要自研通用大模型。在数据体量、算力资源、人才积累等方面的限制下，银行与坐拥“万卡”级算力的大厂存在客观差距，并不具备自研几十B参数级大模型的能力，更适合采用引入的方式。

不过，银行的优势在于本地化场景、垂直领域数据、中小模型等领域，可“大小模型结合”，并结合本地数据和业务场景来灵活部署，这也有助于把控 AI幻觉带来的风险治理问题。

千模大战下，当更好的模型持续涌现，微众银行十分强调应建立工程化平台实现模型的“可插拔”。

微众银行向记者展示的一张自研的AI工程化平台架构图中，其模型层展示了Llama，Qwen，智谱GLM，DeepSeek等系列的开源模型。

微众银行数字金融发展部AI专家王亚盛表示，过去的AI开发存在“竖井式”现象，即在一个比较大的组织里面，多个团队都会去开发AI应用，每个团队需要去管理自己的算力到技术架构。

微众银行通过AI工程化平台将算力、模型、工具等进行整合，业务团队无需处理底层技术问题，仅需结合应用逻辑从平台直接调用，如果需要更换模型只需自行切换即可，即“模型可插拔"。此外，该工程化平台也做到了“硬件可兼容"，兼容国内外厂商的GPU/NPU，同时建立了统一的算力池以调配资源，实现“算力可调配”，并通过AI应用热力图将全行AI应用划入45个区块，自动收集并分析各场景算力使用情况。

同时，该行管理层对科技创新较为包容，自上而下有着“允许试错”的态度。在科技投入的预算结构上，微众银行进行创新性划分，包括Run the Bank(基础运维部分);Change the Bank(满足业务新需求部分);Innovate the Bank(布局前沿科技部分)等。通过"Innovate the Bank"部分，微众银行可以在业务需求未明朗前，提前构建底层基础设施、基础工具，抢占技术先机。

此外，微众银行在科技团队内部设立了科技产品经理一职，专职统筹技术能力规划，突破传统“业务提需求-科技执行"模式，赋予科技团队前瞻性布局能力。