大模型正掀起一场银行业的效率和服务革命。多家银行年报披露的数据显示，其大模型应用场景已达上百个。南都湾财社记者近期走访多家银行科技支行发现，大模型的应用已贯穿科技金融业务全链条，全面赋能评估、审批、风控等多个环节。

政策层面也在积极引导大模型与银行业务场景的深度融合。今年3月份发布的《银行业保险业科技金融高质量发展实施方案》明确提出，鼓励金融机构加大数字化转型投入，运用云计算、大数据、人工智能等技术，提升经营管理质效和风险防控水平。这一举措将进一步推动银行业大模型的应用和发展。

然而，高昂的投入和不断演变的模型风险也成为银行业布局大模型必须面对的现实问题。南都湾财社“广东科技支行创新力深调研”系列报道第三篇，将关注大模型如何赋能科技金融产品创新和风险防控，并深入探讨其伴生的成本和模型风险管理难题。

大模型“落地开花”

当银行遇见大模型，金融的齿轮开始以智能的节奏转动。例如，建行广州开发区分行科技金融业务中心通过构建知识产权估值模型，实现了对科技企业专利的快速评估，大大提高了业务效率。

大模型的赋能不仅体现在专利估值上，还广泛应用于风险防控、信用评估、个性化投顾服务等多个领域。工商银行、建设银行、招商银行等多家银行的大模型应用场景均超过百个，累计调用量巨大，显著提升了业务处理效率。

银行投入审慎

要让智能的齿轮持续运转，银行需要投入巨大的成本。算力消耗、人才储备与数据清洗等成为智能时代的金融新基建。六大国有行和九大A股上市股份行的年报显示，这些银行的科技投入占营收比例均在3%以上，部分银行甚至超过5%。

然而，在降本增效的背景下，一些银行在大模型上的投入也变得更加审慎。科技投入增速有所放缓，但科技投入占营业收入的比重仍在提升，反映出银行业对科技仍然高度重视。

模型风险隐现

随着大模型的广泛应用，模型幻觉、数据安全、算法偏见等风险也逐渐显现。招商银行等银行对模型风险给予了高度重视，并采取多项措施消除技术的不确定性。

多位业内人士表示，大模型的“黑箱”性质导致其决策难以验证，存在潜在风险。同时，数据安全和合规问题也是银行大模型应用中必须正视的挑战。

监管需跟上

面对大模型带来的风险和挑战，监管部门应尽快出台相关制度进行规范和引导。例如，制定金融人工智能管理办法，明确算法审计要求和责任追溯规则；建立动态风险评估模型；制定大模型在金融领域应用的技术伦理标准等。

只有实现技术创新、法律合规与伦理约束的协同发展，才能真正释放大模型在银行业的产业价值。

（文章来源：南方都市报）