QY球友会体育

邬胜：城商行打造AI中台核心引擎的路径及价值！phm数据中台

　　近年來，長沙銀行進入數字金融發展的快車道，業務逐步實現線上化、自動化與智能化。其中AI作爲主要的金融科技能力，在長沙銀行發展戰略中占據了重要地位。在數字化轉型過程中，AI能力的建設與推廣應用面臨諸多挑戰。比如，用于建模的數據資産數量有限、質量急需提升，以及訓練數據處理、模型訓練調優、模型發布監控等缺乏統一管理與平台支撐等。由此，結合技術前沿趨勢及具體技術環境，長沙銀行打造了以人工智能模型管理平台爲核心的AI中台，實施以應用落地爲目標的AI訓練、以價值挖掘爲導向的數據治理、以存續周期爲閉環的模型管理、以自主研發爲要求的團隊組建，圍繞對內、對外兩條應用實踐路徑，加速釋放AI數智化潛能。

　　1.數字化轉型激發AI需求。自長沙銀行明確數字化轉型整體思路以來，一直持續推動金融科技與業務管理全面深度融合、協同發展。以數據和技術雙輪驅動經營管理模式的全方位、全領域、全流程轉型重構。

　　隨著數字化轉型的穩步推進，業務線上化、數字化、智能化需求增長迅速，近年來以每年近10%的速度增長。同時伴隨著大模型技術的巨大突破，AI已成爲金融領域解鎖“新質生産力”的核心力量，各個應用場景對NLP、CV、視頻生成、語音識別、産品推薦等方面的需求更加迫切。據業務系統IT研發任務中的需求統計分析顯示，IT研發對AI的需✅求增長迅速，2024年應用AI技術的比例達到總需求的20%，預計5年後，此比例將高達50%。因此，AI賦能需求增勢旺盛、價值重大。

　　2.AI工程化激發平台需求。AI在應用場景的研發上，需要進行數據處理、預訓練、機器學習等重要工作，這與傳統軟件在實現方式、開發流程上存在較大差異。傳統的軟件工程方法並不完全適用于AI軟件開發，如果不改進研發流程，AI的應用可能會陷入“試點陷阱”和“規模化低谷”，難以將AI技術從單一項目擴展到整個企業。爲加速AI的落地應用，需要有完整的開發、部署、管理和優化AI應用的方法和平台，幫助企業克服上述挑戰，實現AI技術的商業化和規模化應用。

　　在搭建AI中台之前，長沙銀行一直按傳統的軟件工程方法開發AI場景，存在建模成本高、部署周期長、管理不完善、監控不到位、模型資産分散、部署流程不統一等諸多問題。針對這些痛點，長沙銀行啓動了AI中台建設，目的是有效釋放行內外數據價值，對全行基礎數據進行資産化建模，與大模型數據✅預處理、企業級標簽管理、大模型訓練、多模態支持等進行有效關聯和融合，對數據到模型、訓練到應用、評估到改進等全鏈路進行整體管理和支持。

　　1.定位與整體設計。AI中台是實現AI模型快速研發、叠代複用和高效部署的智能化基礎底座，是實現通用性智能能力的關鍵基礎設施，主要承載AI能力的開發、部署、管理與運營等功能。打造AI能力驅動應用場景落地是一個全鏈路工程，不僅直接依賴AI平台的整體管理能力，還需要配套數據中台、知識中台、業務中台，融合這些能力平台構成長沙銀行的AI中台。

　　建立健全的AI中台才能有效驅動業務的個性化數智創新，支撐內部管理運營及外部客戶經營，進一步提升業務智能化水平與效率。如圖1所示，采用這種融合設計的優勢是：首先，實現AI能力的高效生産、集中化與流水線管理，向行內數據中台、營銷中台等業務中台輸出AI服務；其次，通過與知識中台的協同，提升知識的智能生産、組織與應用等能力，爲AI中台實現由知識到智慧的智能躍升提供支撐。最後，可以重構行內AI能力的開發、管理模式，將重複的AI能力研發、管理環節標准化，並將這些能力共享，快速構建滿足個性化業務要求的AI能力，通過共享、重複、標准化實現服務沈澱，形成一套完整的人工智能模型全生命周期管理平台和服務體系。

　　2.主體功能與應用框架。AI中台應用框架包括基座能力、支撐能力、平台能力，以及上層應用場景。如圖2所示，中台能力包括數據探索、特征工程、模型開發、模型管理、模型應用與模型資産管理等。

　　AI模型管理平台是長沙銀行AI中台最重要的組成部分，也是激活AI中台能力的核心引擎。模型管理平台主體功能可以歸集爲三大支撐：提供覆蓋機器學習算法、圖挖掘算法，以及圖像識別、語音識別、自然語言處理等深度學習算法的AI技術支撐層；提供高質量、高效率數據供給的數據服務體系及AI模型開發兩大能力模塊的AI研發支撐層；提供模型管理、模型應用的AI管理支撐層。基于以上三個層次提升AI資源利用率、優化使用體驗，並助力實現核心資産的沈澱與共享，促進行內協同創新生態。截至2024年9月，平台累計上線個，AI項目研發成本降低85%，模型研發時效提升超過90%。隨著AI大模型技術的發展，以AI模型管理平台爲核心的AI中台也在快速演進，平台緊跟技術前沿趨勢，持續引入知識庫模塊、向量數據庫模塊、大模型引擎部署等新能力。

　　3.關鍵技術。AI中台建設兼顧技術先進性與應用穩定性，重點突破了以下多項關鍵技術。高性能計算，利用分布式計算和並行處理技術，大幅提升AI任務的執行效率；智能化服務編排，自動化組合和調度多個AI服務，實現複雜業務流程的智能化管理；強大的模型管理能力，提供一站式的模型開發、測試、部署和監控平台，且支持多種機器學習和深度學習框架，滿足多樣化的建模需求；實時分析與反饋循環，與行內營銷平台、運營平台打通，實時收集和分析用戶行爲及業務數據，及時調整AI策略和服務模式，構建閉環反饋系統，持續優化AI模型的准確性和響應速度；卓越的安全性能，采用業界領先的安全技術、合規措施，確保金融交易和客戶信息的絕對安全，定期進行安全審計和風險評估，及時修補潛在漏洞；靈活的定制化服務，根據不同部門和業務線的特定需求，提供定制化的AI解決方案，支持快速原型設計和實驗驗證，加速新業務的孵化進程。

　　4.生態體系。從軟硬件協同、AI人才培養與敏捷組織保障三方面，長沙銀行持續完善AI中台的生態體系。針對軟硬件協同生態，以軟硬件深度協同夯實底層支撐，打造全棧AI基礎設施，支持CPU、GPU、FPGA、AI專用芯片等多規格硬件，覆蓋主流硬件廠商雲邊端✅場景，適配信創操作系統構建AI基建。針對AI人才培養生態，長沙銀行定位在組建AI建模專家及算法團隊，聚焦構建定制化AI研發能力，實現全場景業務賦能，重點培養既懂AI技術又懂産業應用、跨專業跨領域的複合型骨幹人才，爲AI規模化應用儲備具有行業競爭力的科技人才。AI中台生態體系也需要敏捷組織保障，爲實現即時響應、敏捷開發、快速交付、持續叠代等AI能力，長沙銀行建立了從需求分析、技術可行性分析、研發叠代、版本測試與發布，到持續運營模型研發與應用實施的路徑，針對該路徑，確定了業務人員、産品賦能服務支持人員、開發部門用數賦智人員，以及創新實驗室人員的角色定位與工作職責。

　　AI中台目的是將人工智能技術轉化爲實際應用、創造實際價值，長沙銀行的應用原則是注重AI賦能的技術投入與業務成效的價值平衡，即按照增加收入、降本增效、減少損失三大價值類型梳理銀行AI賦能創新應用，並根據應用特性定義價值評估指標，從而量化計算AI賦能創新應用服務價值。在應用層面，從實際案例出發，按“由點及線”“彙線從面”的方式，在智能經營、智能風控、智能客服等方向推進AI賦能實踐。

　　1.智能經營。一方面，通過産品及客戶畫像支持分層分群經營。依托行內外各類數據，運用AI中台，自主研發客戶産品偏好預測模型、客戶潛力挖掘模型、客戶流失預警模型、客戶挽回策略模型等，覆蓋信用卡、保險、基金、理財、定投與數據貸等金融産品和服務，構建精准的客戶畫像，豐富內外部數據，完善標簽體系，持續提升客戶識別能力，開展分層分群經營，近一年來，上線多個AI模型對客戶營銷經營賦能。另一方面，通過AI中台支持經營新生態。針對我行不同金融産品，圍繞客戶生命周期四個時期、客戶全旅程五個階段，打造了AI驅動的客戶生命周期，以及AI驅動的客戶全旅程，對客群分析、活動策略、效果分析、用戶體驗等進行全程AI賦能，通過“金融産品+營銷場景+AI模型”敏捷配置，實現智能營銷經營體系。

　　2.智能風控。一是模型策略支持風控決策，通過AI支持實現風控決策引擎的高性能，實現策略模型實時決策、敏捷叠代，全面實現所有風控模型策略全生命周期的自主研發、自主叠代、集中閉環管理。目前全行已部署模型策略5000+，實時計算指標8000+，日處理進件10000+，各類數據貸産品申請轉化率提升明顯。二是行爲分析支持欺詐監控，構建智能化的風險識別模型，深度挖掘和分析客戶的交易行爲、特征數據，結合客戶的交易習慣、風險等級等因素，既能保障正常交易需求，又能有效遏制潛在的賬戶涉詐涉賭風險，阻斷信貸欺詐事件能力提升明顯。三是大語言模型支持風險評估，探索其在客戶負面輿情信息提取及預警風險排查報告文本分析方面的應用，爲一線客戶經理減負。基于知識圖譜，建立客戶關聯度網絡及關聯風險傳導模型，實現對系統性群體性風險的重點監測及預警管控，實現傳統貸後向智能化貸後轉變。

　　3.智能客服。積極探索“大模型+智能化”在客戶服務中的運用，按訓練端、運營端和管理端三個方面建設AI生態新場景。一是訓練端：由“傳統人工訓練”向“模型訓練”轉變，將“人工知識錄入—人工打標訓練—人工設置回複”替換爲“知識自動拆解—知識自動訓練—知識自動回複”的大模型預訓練模式，替代90%人力，大幅提升訓練效能。二是運營端：由“知識手動搜索”向“知識自動推送”轉變，打造AI座席實時助手，實現“知識內容自動推送—操作流程自動導航—風險違規自動糾錯—對客話術自動提醒”，實現運營智慧輔助。三是管理端：由“人工質檢建模”向“生成式質檢”轉變，擺脫傳統“規則建模—模型測試—模型發布”的繁瑣過程，通過大模型的語義推理和生成能力，輸入指令自動生成質檢結果，實現秒級響應，快速提升管理效能。

　　未來，長沙銀行將持續探索大模型創新實踐，聚焦基層有感、受衆面廣、效果易評估的應用場景，平台將演進爲知識驅動的大模型應用體系，通過“大模型+小模型”雙輪驅動，演進AI平台新框架。其中，框架中的數據探索、特征工程功能演變爲知識加工模塊，並將與知識中台打通；模型開發、模型管理、模型應用功能將被整合成模型增強訓練與應用推理模塊，並與硬件資源更緊密關聯；模型資産管理會被新增的智能體模塊替代，AIAgent將成爲新的模型應用集市。

　　AI能力在未來的金融科技生態中將占據非常重要的地位，AI中台是長沙銀行響應數字金融等五篇大文章的精神、發展數字新基建的重要舉措。長沙銀行將以AI中台爲核心，打造長行智腦，構建長行新質生産力，助力業務降本增效提質，形成“人工智能+金融”的優勢領✅域。