投資者關(guān)系活動(dòng)類別?特定對(duì)象調(diào)研 ?分析師會(huì)議 ?媒體采訪 ?業(yè)績說明會(huì) ?新聞發(fā)布會(huì) ?路演活動(dòng) ?現(xiàn)場(chǎng)參觀 ?其他（請(qǐng)文字說明其他活動(dòng)內(nèi)容）　　參與單位名稱及人員姓名申萬菱信：梁國柱 華安基金：胡哲、欒超、熊哲穎 國信證券：云夢(mèng)澤 中郵證券：孫業(yè)亮 和諧匯一：凌晨時(shí)間2025年02月18日、2025年02月19日地點(diǎn)線上及現(xiàn)場(chǎng)會(huì)議上市公司接待人員姓名財(cái)務(wù)總監(jiān)兼董事會(huì)秘書 周旭紅女士 戰(zhàn)略規(guī)劃部總經(jīng)理 楊利強(qiáng)先生 數(shù)字智能產(chǎn)品部負(fù)責(zé)人 徐興先生投資者關(guān)系活動(dòng)主要內(nèi)容 介紹一、介紹環(huán)節(jié) 科藍(lán)公司成立于1999 年，深耕中國金融科技領(lǐng)域二十多年。作 為國內(nèi)數(shù)字渠道和移動(dòng)銀行領(lǐng)域規(guī)模最大的解決方案供應(yīng)商，我們 已服務(wù)超過 500 家經(jīng)營機(jī)構(gòu)?？梢哉f，國內(nèi)銀行的電子渠道、線上 渠道以及如今的移動(dòng)渠道，很大程度上是由科藍(lán)公司開創(chuàng)并推動(dòng)發(fā) 展的。從服務(wù)用戶數(shù)來看，國內(nèi)近半數(shù)人口都在使用科藍(lán)開發(fā)的相關(guān) 系統(tǒng)。 站在商業(yè)銀行金融科技與包括AI在內(nèi)的新技術(shù)應(yīng)用的視角，銀 行業(yè)有其顯著行業(yè)特點(diǎn),考慮到風(fēng)險(xiǎn)與監(jiān)管合規(guī)，銀行業(yè)在新技術(shù)應(yīng) 用方面相對(duì)保守。以人工智能為例，自 2015年AI技術(shù)興起，銀行業(yè) 在應(yīng)用時(shí)，優(yōu)先選擇對(duì)整體運(yùn)營風(fēng)險(xiǎn)管理影響最小的領(lǐng)域，主要是客 戶服務(wù)領(lǐng)域進(jìn)行落地實(shí)踐。科藍(lán)公司也從 2015 - 2016 年開始接觸 并整合人工智能解決方案。盡管當(dāng)時(shí)人工智能技術(shù)尚不成熟，發(fā)揮作 用有限，但隨著 ChatGPT 在 2022 年問世，引發(fā)了新一輪人工智能 熱潮。2023 年，科藍(lán)公司進(jìn)行了重大戰(zhàn)略調(diào)整，從專注數(shù)字渠道解 決方案全面向 AI 技術(shù)轉(zhuǎn)型，明確了 “3A” 戰(zhàn)略目標(biāo)，即圍繞 AI 相關(guān)基礎(chǔ)設(shè)施 ——AIDB（人工智能數(shù)據(jù)庫）、AI機(jī)器人與AI應(yīng)用以 及 AI 算力中心提前展開戰(zhàn)略布局。 在 AIDB 領(lǐng)域，科藍(lán)公司正在建設(shè)國內(nèi)領(lǐng)先的 AI 時(shí)代數(shù)據(jù)庫 技術(shù)平臺(tái)。與傳統(tǒng)數(shù)據(jù)庫相比，我們具有兩大亮點(diǎn)：其一，我們是國 內(nèi)最早支持向量計(jì)算的數(shù)據(jù)庫；其二，無論是向量支持方面，還是傳 統(tǒng)關(guān)系型數(shù)據(jù)庫領(lǐng)域，我們的數(shù)據(jù)庫均為全內(nèi)存數(shù)據(jù)庫。隨著 AI 應(yīng) 用的不斷拓展，對(duì)高性能、全內(nèi)存數(shù)據(jù)庫的需求也日益增長。 在 AI 機(jī)器人方面，科藍(lán)自 2020 年啟動(dòng) “小藍(lán)智能機(jī)器人” 研發(fā)。基于商業(yè)銀行渠道需鏈接銀行業(yè)務(wù)人員、外部客戶的特性，“小 藍(lán)機(jī)器人” 主要圍繞銀行超級(jí)員工和智能客戶兩個(gè)領(lǐng)域進(jìn)行拓展。 第一代 “小藍(lán)機(jī)器人” 推出了兩個(gè)成熟解決方案：一是小藍(lán)智能高　柜機(jī)器人，旨在助力銀行網(wǎng)點(diǎn)智能化轉(zhuǎn)型，提升柜員勞動(dòng)生產(chǎn)效率 目前，該機(jī)器人已在郵儲(chǔ)銀行和國有大行試點(diǎn)應(yīng)用，未來有望大幅提 升傳統(tǒng)網(wǎng)點(diǎn)的人員效能。二是小藍(lán)企業(yè)網(wǎng)銀機(jī)器人，我們?cè)诜?wù)金融 機(jī)構(gòu)的基礎(chǔ)上，逐步向金融機(jī)構(gòu)的客戶直接提供服務(wù)，通過小藍(lán)企業(yè) 網(wǎng)銀機(jī)器人幫助銀行的企業(yè)客戶自動(dòng)管理與金融機(jī)構(gòu)的交易，降低 企業(yè)財(cái)務(wù)運(yùn)營成本，提升流動(dòng)資金運(yùn)營效率。同時(shí)，在 AI 應(yīng)用層 面，我們正在推進(jìn)全渠道 AI 應(yīng)用轉(zhuǎn)型，將大模型（LLM）基座接入 現(xiàn)有手機(jī)銀行、網(wǎng)上銀行等相關(guān)解決方案，同時(shí)利用AI技術(shù)提升運(yùn)營 交付質(zhì)量。 在 AI 算力中心方面，我們正在蘇州建設(shè)AI算力中心。在金融 大模型時(shí)代，普及性是關(guān)鍵，大型金融機(jī)構(gòu)主要自建 AI 算力，但眾 多中小金融機(jī)構(gòu)，如城市商業(yè)銀行、農(nóng)商行等，因算力中心建設(shè)投入 巨大，難以承擔(dān)?；诖?，我們將結(jié)合公司AI行業(yè)解決方案通過AI 算 力中心為中小銀行等金融機(jī)構(gòu)提供算力服務(wù)與AI應(yīng)用賦能，助力其 發(fā)展。通過自有算力中心的建設(shè)過程，我們還形成了了 AI 算力中 心基礎(chǔ)設(shè)施解決方案，若有銀行希望獨(dú)立建設(shè) AI 算力中心，我們 也能提供全套解決方案及產(chǎn)品合作。目前，我們已與華為等國內(nèi)眾多 基礎(chǔ)設(shè)施廠商在 AI 基礎(chǔ)設(shè)施領(lǐng)域達(dá)成廣泛聯(lián)盟合作。 公司在大模型(LLM)的對(duì)接和發(fā)展歷程中逐步形成了一套較為 完整的基礎(chǔ)產(chǎn)品能力和體系。 第一塊：大模型對(duì)接與發(fā)展歷程 從具體進(jìn)程來看，大模型的發(fā)展大體分為三個(gè)階段： 第一階段（2022年之前） 在ChatGPT發(fā)布之前，我們主要采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI技 術(shù)，解決移動(dòng)銀行、移動(dòng)APP運(yùn)營、客戶服務(wù)等領(lǐng)域的問題。　第二階段（2022年底至2023年） ChatGPT的發(fā)布標(biāo)志著大模型時(shí)代的開啟。2023年，各大廠商陸 續(xù)推出大模型，如谷歌的Gemini、Meta的LLAMA、百度的文心大模型 等?？扑{(lán)作為百度文心一言的首批合作伙伴，開啟了對(duì)大語言模型的 探索。2023年4月，LLAMA3的發(fā)布和開源成為重要轉(zhuǎn)折點(diǎn)，我們正式 啟動(dòng)了大模型應(yīng)用的研發(fā)工作。這一階段的技術(shù)突破包括多模態(tài)處 理、算力支撐、深層式和推理式能力，以及RAT技術(shù)的快速發(fā)展，為 未來帶來了巨大的想象空間。 2023年，阿里、科大訊飛、華為、騰訊等公司推出了通義、星火 盤古、混元等模型。我們積極集成這些模型，并在2024年中進(jìn)一步完 善了模型的基礎(chǔ)能力和聚合能力，推出了“模型聚合平臺(tái)”產(chǎn)品。 第三階段（2024年至今） 2024年，我們集中精力進(jìn)行模型集成和對(duì)接，并基于這些模型研 發(fā)AI智能體，支持多模型聚合調(diào)用，以滿足金融場(chǎng)景的復(fù)雜需求。同 時(shí)，我們推出了數(shù)據(jù)精煉工廠和模型監(jiān)控產(chǎn)品，解決大模型的二次訓(xùn) 練、微調(diào)、AI績效、AI幻覺和倫理問題，形成了一套完整的大模型基 礎(chǔ)能力體系。 2024年12月，deep seek V3 的推出為我們帶來了新的機(jī)遇，它 能以更小的資源代價(jià)完成模型的具象化升級(jí)和訓(xùn)練。春節(jié)前其 R1 推理模型推出后，我們加班加點(diǎn)完成集成，進(jìn)一步提升了平臺(tái)能力 第二塊：基礎(chǔ)產(chǎn)品能力體系的形成 在集成大模型和應(yīng)用升級(jí)的過程中，我們逐步形成了基于大模 型基礎(chǔ)的產(chǎn)品體系，包括： 魔聚平臺(tái)（大模型聚合應(yīng)用平臺(tái)）：實(shí)現(xiàn)不同大模型的連接、聚　合、配置和管理，并對(duì)相應(yīng)的 AI agent 進(jìn)行調(diào)配，確保在復(fù)雜多變 的業(yè)務(wù)場(chǎng)景中能夠靈活調(diào)用最合適的模型能力。 魔界平臺(tái)（大模型數(shù)據(jù)精煉工廠）：負(fù)責(zé)為大模型的二次訓(xùn)練和 微調(diào)提供標(biāo)準(zhǔn)化的數(shù)據(jù)治理和加工服務(wù)，保障輸入數(shù)據(jù)的高質(zhì)量和 一致性，進(jìn)而提升大模型的性能和應(yīng)用效果。 魔瞳平臺(tái)（大模型運(yùn)行監(jiān)控系統(tǒng)）：實(shí)時(shí)監(jiān)測(cè)模型的運(yùn)行狀態(tài)和 性能表現(xiàn)，對(duì)模型的績效、評(píng)分、準(zhǔn)確度進(jìn)行評(píng)估，并嘗試抑制 AI 幻覺等問題，確保模型穩(wěn)定可靠運(yùn)行。 第三塊：實(shí)踐探索與場(chǎng)景化應(yīng)用 在實(shí)踐探索中，我們重點(diǎn)關(guān)注以下幾個(gè)場(chǎng)景： 1、移動(dòng)銀行私域營銷運(yùn)營 作為移動(dòng)銀行市場(chǎng)的領(lǐng)先者，已經(jīng)有多家銀行落地應(yīng)用我們的 聚合應(yīng)用平臺(tái)連接大模型，通過對(duì)話交互實(shí)現(xiàn)營銷運(yùn)營策劃、運(yùn)營分 析和歸因分析，有效提升了運(yùn)營效率和精準(zhǔn)度。 2、場(chǎng)景金融營銷與運(yùn)營 我們正在探索連接具體場(chǎng)景（如車生活、物流、銀發(fā)經(jīng)濟(jì)、萌寵 經(jīng)濟(jì)等），獲取更多生活數(shù)據(jù)和行為數(shù)據(jù)，結(jié)合銀行交易數(shù)據(jù)，進(jìn)一 步完善模型能力。預(yù)計(jì)這一實(shí)踐將在2025年上半年落地。 3、產(chǎn)業(yè)金融 - 小微企業(yè)融資助手 我們與幾家銀行合作，探索通過對(duì)話式交互方式幫助小微企業(yè) 主找到融資訴求并進(jìn)行風(fēng)控診斷。這一探索與國家近期發(fā)布的供應(yīng) 鏈金融政策密切相關(guān)。 4、模擬經(jīng)營與財(cái)務(wù)規(guī)劃　受馬斯克近日發(fā)布Grok3大模型的啟發(fā)，我們正在構(gòu)想未來銀行 如何利用大模型進(jìn)行模擬經(jīng)營、模擬現(xiàn)實(shí)和財(cái)務(wù)規(guī)劃。例如，幫助銀 行推出新產(chǎn)品或成立新事業(yè)部時(shí)，基于行業(yè)數(shù)據(jù)進(jìn)行沙盤模擬，測(cè)算 未來收益和ROE。 二、提問環(huán)節(jié) 問題1: AI加C端的 APP 營銷跟過去沒有AI互聯(lián)網(wǎng)時(shí)代下做的 銀行營銷相比，有什么不同點(diǎn)？使得這些業(yè)務(wù)在AI時(shí)代下能夠落 地？科藍(lán)公司鏈接銀行跟大模型的一些能力來做變現(xiàn)，商業(yè)模式上 面有沒有升級(jí)？ 回答：當(dāng)前AI技術(shù)尤其是大模型，對(duì)于銀行渠道究竟是起到加法 作用，還是會(huì)在業(yè)務(wù)模式及運(yùn)營模式層面帶來顛覆性變革，這兩者存 在顯著差異。銀行在渠道端對(duì) AI 的應(yīng)用由來已久，早在 2016 - 2017 年，部分銀行便已基于深度學(xué)習(xí)等技術(shù)展開探索。從銀行渠道 建設(shè)角度，渠道的核心價(jià)值在于連接銀行與客戶。因此，未來我們?cè)?AI 及渠道端的整體產(chǎn)品研發(fā)與解決方案策略將圍繞 “超級(jí)員工” 與 “智能客戶” 兩大業(yè)務(wù)主題展開。 DeepSeek R1 推理模型出現(xiàn)后，將思維鏈（COT）從傳統(tǒng)大模型 中剝離出來，這對(duì)我們打造渠道具有重大價(jià)值。它能夠使銀行 APP 從過去被動(dòng)執(zhí)行客戶指令，轉(zhuǎn)變?yōu)殡S時(shí)隨地洞察客戶當(dāng)下業(yè)務(wù)意圖 并預(yù)測(cè)客戶下一步行為，實(shí)現(xiàn)從 “讀懂客戶” 到 “知曉客戶所想 的跨越。這一轉(zhuǎn)變不僅對(duì)銀行業(yè)，對(duì)眾多服務(wù)行業(yè)的線上渠道都將產(chǎn) 生巨大沖擊，促使現(xiàn)有線上渠道系統(tǒng)從被動(dòng)接受操作轉(zhuǎn)變?yōu)榛诖?模型的預(yù)測(cè)式交互系統(tǒng)，在客戶服務(wù)與營銷領(lǐng)域帶來顛覆性改造。 自去年下半年起，我們已啟動(dòng)新一代手機(jī)銀行的研發(fā)工作。嚴(yán)格 來說，我們更傾向于將其定義為智能客戶系統(tǒng)，因?yàn)樗⒎莾H代表銀 行提供的服務(wù)，而是能夠全方位反映客戶業(yè)務(wù)需求與當(dāng)下意圖。在此　過程中，銀行在客戶服務(wù)個(gè)性化及產(chǎn)品營銷轉(zhuǎn)化率方面將得到大幅 提升。然而，這場(chǎng)變革也帶來新的挑戰(zhàn)，即銀行應(yīng)如何運(yùn)營這樣一套 智能化線上服務(wù)及智能客戶系統(tǒng)。過去，國內(nèi)商業(yè)銀行雖倡導(dǎo)以客戶 為中心，但實(shí)際上還是以產(chǎn)品為中心。在 AI 時(shí)代，如何借助AI技術(shù) 將銀行從以產(chǎn)品為中心真正轉(zhuǎn)變?yōu)橐钥蛻魹橹行?，在運(yùn)營策略等方 面面臨諸多新挑戰(zhàn)。例如，線上運(yùn)營策略需重新規(guī)劃，甚至在未來 客戶或許能夠自主選擇行業(yè)投資策略，那么現(xiàn)行理財(cái)產(chǎn)品是否只能 由第三方理財(cái)機(jī)構(gòu)提供？客戶能否通過自選策略管理自身資產(chǎn)？這 種策略模型又該如何定價(jià)與收費(fèi)？這些都為未來商業(yè)模式創(chuàng)新提供 了廣闊想象空間。 在 AI 領(lǐng)域，我們不僅重視數(shù)據(jù)、算力與算法的構(gòu)建，更關(guān)注行 業(yè)策略。在此過程中，我們充分發(fā)揮科藍(lán)在金融行業(yè) 20 多年來在 渠道服務(wù)與客戶營銷領(lǐng)域積累的豐富經(jīng)驗(yàn)。同時(shí)，我們也提前布局了 AI 研發(fā)工作。在 AI 機(jī)器人領(lǐng)域，我們?cè)缭?5 年前就開始發(fā)力， 圍繞銀行 “超級(jí)員工” 業(yè)務(wù)主題，于 2021 年正式發(fā)布智能高柜機(jī) 器人 “小藍(lán)”。今年 1 月，“小藍(lán)” 已接入 DeepSeek 平臺(tái)。目 前，“小藍(lán)” 在銀行傳統(tǒng)柜面業(yè)務(wù)中，對(duì)傳統(tǒng)柜員的替代比可達(dá) 1:3 幫助銀行降本增效。未來，客戶前往銀行網(wǎng)點(diǎn)時(shí)，將明顯感受到原本 坐在柜臺(tái)后的服務(wù)人員大多轉(zhuǎn)變?yōu)閺d堂營銷與服務(wù)人員，這無疑是 銀行運(yùn)營模式的一大變革。 此外，在智能客戶與超級(jí)員工業(yè)務(wù)拓展方面，我們將商業(yè)模式從 僅服務(wù)銀行，延伸至服務(wù)銀行的客戶。我們研發(fā)了 AI 小藍(lán)智能企 業(yè)網(wǎng)銀機(jī)器人，直接為銀行企業(yè)客戶賦能，將銀行的數(shù)字員工智能化 服務(wù)延伸至企業(yè)生產(chǎn)與運(yùn)營場(chǎng)景，助力企業(yè)財(cái)務(wù)人員提高財(cái)務(wù)處理 效率，降低企業(yè)流動(dòng)資金成本，這也是我們今年重點(diǎn)推廣的方向之 一。 關(guān)于第二個(gè)問題，也非常具有探討價(jià)值。在我們提出的 3A 戰(zhàn)　略中，最后 “A” 圍繞 AI 算力中心展開?？扑{(lán)建設(shè)算力中心并非 僅為滿足自身需求，更多是考慮到大模型訓(xùn)練及推理對(duì)硬件資源的 巨大消耗，以及未來渠道營銷服務(wù)模式的重大變革。我們期望未來針 對(duì)中小型金融機(jī)構(gòu)，不僅作為建設(shè)商，更作為運(yùn)營服務(wù)商，與其攜手 共同應(yīng)對(duì)AI時(shí)代客戶服務(wù)與營銷模式的變革。 問題2：算力中心預(yù)期投資及何時(shí)建成。 回答：算力中心預(yù)期今年逐步建設(shè)，預(yù)期投資是6個(gè)億。 問題3:公司什么時(shí)候能落地一些AI業(yè)務(wù)？落地案例我們什么時(shí) 候能看得到？ 回答：我們的一系列落地案例已陸續(xù)推向市場(chǎng)。2022年，我們的 小藍(lán)智能高柜機(jī)器人在郵儲(chǔ)銀行新一代智能網(wǎng)點(diǎn)建設(shè)中得到應(yīng)用。 目前，我們不僅與郵儲(chǔ)銀行保持合作，還與工商銀行等金融機(jī)構(gòu)開展 了前期合作工作。 從市場(chǎng)層面來看，過去兩年國內(nèi)金融機(jī)構(gòu)在AI應(yīng)用領(lǐng)域呈現(xiàn)出 “雷聲大、雨點(diǎn)小”的局面。這主要是因?yàn)楫?dāng)時(shí)缺乏真正的國產(chǎn)大模 型。因此，過去兩年很多金融機(jī)構(gòu)雖有運(yùn)用大模型的意愿，卻大多處 于觀望狀態(tài)。在此期間，相關(guān)大模型應(yīng)用更多停留在嘗試性與研發(fā)性 階段，這也是我們此前多為試用及初期應(yīng)用案例的原因。 問題4：科藍(lán)公司有沒有四大行或者優(yōu)先客戶、重點(diǎn)客戶他們具 體的 AI 變現(xiàn)場(chǎng)景？具體的變現(xiàn)場(chǎng)景才開始探索，還是已經(jīng)找科藍(lán) 公司做前期研發(fā)了？ 回答：實(shí)際上，我們很早就開始了相關(guān)工作。目前銀行在渠道端 的應(yīng)用主要在客戶服務(wù)、精準(zhǔn)營銷、運(yùn)營優(yōu)化等領(lǐng)域，例如智能客服 智能助手、智能推薦等方面。自 2021 年起，科藍(lán)承接的渠道類項(xiàng)目 都運(yùn)用了這些相關(guān)技術(shù)，并達(dá)成了相應(yīng)的業(yè)務(wù)與服務(wù)目標(biāo)。不過，我 們不將其稱為真正意義上的 AI渠道應(yīng)用，原因在于它們更多地只是 起到輔助作用，尚未能給銀行的業(yè)務(wù)帶來實(shí)質(zhì)性的重大變革。　而對(duì)于 DeepSeek 為代表的大語言模型，特別是R1推理模型， 能夠?qū)崿F(xiàn)傳統(tǒng)渠道系統(tǒng)的重大變革，即從過去的被動(dòng)服務(wù)模式轉(zhuǎn)變 為預(yù)測(cè)式的主動(dòng)服務(wù)模式，從單純被動(dòng)執(zhí)行客戶指令轉(zhuǎn)變?yōu)橹鲃?dòng)理 解客戶意圖，并引導(dǎo)客戶完成銀行的服務(wù)與營銷目標(biāo)。 就目前情況來看，這是所有銀行今年最為重要的研發(fā)方向之一 這樣的變革對(duì)于銀行而言，意味著現(xiàn)存的渠道系統(tǒng)都需要進(jìn)行顛覆 性的重構(gòu)，當(dāng)然，這一過程的實(shí)現(xiàn)需要一定的時(shí)間。 問題5：目前公司對(duì) AI 產(chǎn)品市場(chǎng)這塊有什么看法 回答：此前，我們已經(jīng)對(duì)相關(guān)概念做出了清晰的界定。我們認(rèn)為 這一輪大模型技術(shù)的發(fā)展，對(duì)于科藍(lán)原有的主營業(yè)務(wù)而言，絕非簡(jiǎn)單 做加法疊加新產(chǎn)品的問題。當(dāng)前銀行傳統(tǒng)的被動(dòng)式線上服務(wù)模式，未 來將會(huì)被 AI 驅(qū)動(dòng)的主動(dòng)式、預(yù)測(cè)式服務(wù)渠道全面重構(gòu)。這意味著 我們正面臨全新的市場(chǎng)機(jī)遇，而且新市場(chǎng)是在科藍(lán)公司原有市場(chǎng)基 礎(chǔ)上發(fā)展而來的。 對(duì)于商業(yè)銀行而言，大模型的應(yīng)用需要從不同的業(yè)務(wù)板塊逐步 推進(jìn)。銀行的業(yè)務(wù)涵蓋運(yùn)營、客戶服務(wù)、營銷、風(fēng)險(xiǎn)管理以及經(jīng)營管 理等多個(gè)方面，各有其獨(dú)特的業(yè)務(wù)需求。 當(dāng)我們探討金融機(jī)構(gòu)的 AI 應(yīng)用時(shí)，有關(guān)鍵因素不容忽視，那 就是監(jiān)管。在當(dāng)前的監(jiān)管環(huán)境以及銀行對(duì)風(fēng)險(xiǎn)的容忍度下，我們認(rèn)為 AI 的落地將首先集中在客戶服務(wù)與營銷領(lǐng)域。這是因?yàn)閺倪@兩個(gè)角 度出發(fā)，對(duì)于商業(yè)銀行來說，落地的風(fēng)險(xiǎn)最小，效果最佳。從市場(chǎng)競(jìng) 爭(zhēng)格局來看，這也最有利于銀行對(duì)存量客戶市場(chǎng)的經(jīng)營管理。 科藍(lán)在移動(dòng)銀行、場(chǎng)景金融等方面有所探索。近期我們團(tuán)隊(duì)工作 繁忙，客戶交流邀約不斷。從目前情況看，與去年上半年相比，大家 對(duì)大模型的預(yù)期要高很多。我認(rèn)為未來大模型相關(guān)業(yè)務(wù)增長是必然　趨勢(shì)。 另外，我們一直致力于構(gòu)建銀行連接具體場(chǎng)景的模式。隨著推理 大模型的出現(xiàn)，我們發(fā)現(xiàn)銀行自身數(shù)據(jù)有一定局限性，大量數(shù)據(jù)源自 外部衣食住行等場(chǎng)景。銀行若想在大模型領(lǐng)域取得進(jìn)一步發(fā)展，就需 要借助這些外部場(chǎng)景，從而更好地服務(wù)零售客戶和產(chǎn)業(yè)客戶?；诖?趨勢(shì)，銀行連接場(chǎng)景的動(dòng)力愈發(fā)強(qiáng)勁。為此，我們計(jì)劃連接車生活 物流、銀發(fā)經(jīng)濟(jì)、針對(duì)年輕客群的萌寵經(jīng)濟(jì)等場(chǎng)景，并在智能化落地 模式上進(jìn)行創(chuàng)新。基于大模型的訴求，這種連接需求會(huì)更強(qiáng)烈，連接 進(jìn)程也會(huì)加速。從行內(nèi)私域角度完成大模型基礎(chǔ)能力建設(shè)，以及加速 連接外部場(chǎng)景這兩個(gè)維度來看，我對(duì)未來趨勢(shì)和預(yù)期極為看好。此前 我們也做了很多準(zhǔn)備工作，情況大致如此。 問題6：銀行新出的 AI 需求與2023年有什么不一樣？請(qǐng)大概總 結(jié)一下這一輪 AI 的銀行需求，落地在哪幾個(gè)方向，比如超級(jí)員工 智能營銷等。 回答：首先在這一輪交流中客戶變得更加理性。上一輪交流時(shí) 大家似乎隱約覺得有那么一件事要做，但具體怎么做并不明確。經(jīng)過 之前的經(jīng)驗(yàn)積累，加上持續(xù)的市場(chǎng)宣傳，以及信息差的不斷縮小，如 今我們接觸到的客戶，其具體訴求和思考要點(diǎn)變得更理性、更貼合實(shí) 際。客戶會(huì)充分考量諸多因素，比如 AI 的幻覺問題、涉及自身的風(fēng) 險(xiǎn)，以及引入相關(guān)技術(shù)對(duì)降本增效能帶來哪些具體提升。這與銀行當(dāng) 下的經(jīng)營環(huán)境密切相關(guān)，所以他們不會(huì)盲目嘗試，而是理性分析。在 構(gòu)建 AI 及對(duì)應(yīng)場(chǎng)景后，客戶更關(guān)注對(duì)自身業(yè)務(wù)有哪些提升，哪些 真正可以落實(shí)，而非花費(fèi)大量費(fèi)用和成本去盲目探索。 其次，從具體落地角度來看，客戶會(huì)分步驟推進(jìn)。以我們對(duì)接的 幾個(gè)客戶為例，首先借助我們構(gòu)建基于 DS 的模型基礎(chǔ)，再思考如 何搭建、怎樣提供相應(yīng)服務(wù)，并且服務(wù)范圍會(huì)逐步由內(nèi)向外延伸。目 前，銀行應(yīng)用最多的是內(nèi)部辦公場(chǎng)景，提供一些基礎(chǔ)辦公分析內(nèi)容 另具體場(chǎng)景與我們相關(guān)，銀行大量工作集中在后臺(tái)運(yùn)營管理和營銷　運(yùn)營，包括運(yùn)營策劃、復(fù)盤、報(bào)告產(chǎn)出以及分析預(yù)測(cè)等，這些都是可 以落地的點(diǎn)。 此外，大家更多處于探索階段的是對(duì)外客戶服務(wù)領(lǐng)域。由于在模 型訓(xùn)練和使用過程中，常出現(xiàn) AI 幻覺及其帶來的負(fù)面影響，且監(jiān) 管日益嚴(yán)格，消費(fèi)者權(quán)益保護(hù)意識(shí)不斷增強(qiáng)，所以在這方面大家格外 謹(jǐn)慎，目前多處于嘗試階段。 總結(jié)來說，AI 應(yīng)用分為三個(gè)層次：一是在內(nèi)部辦公體系中充當(dāng) 助理角色，這已經(jīng)可以直接落地；二是為運(yùn)營管理和營銷管理等客戶 運(yùn)營工作提供支持，目前正在具體實(shí)施；三是面向客戶服務(wù)，這與上 一輪相比差異明顯，現(xiàn)在推進(jìn)得非常謹(jǐn)慎。例如，客戶會(huì)重點(diǎn)關(guān)注如 何預(yù)防和解決 AI 在服務(wù)過程中出現(xiàn)回答不當(dāng)或欺騙性內(nèi)容，以及 業(yè)務(wù)兜底問題。整個(gè)應(yīng)用推進(jìn)處于逐步探索的過程。 問題7：從銀行的預(yù)算角度、AI的賬戶角度，今年的預(yù)算比2023 年、2024年要高不少？ 回答：很明顯能感覺到其實(shí)已經(jīng)在規(guī)劃這樣的預(yù)算，因?yàn)橐呀?jīng)有 幾家銀行讓我們幫他們?nèi)ヒ?guī)劃這樣的一塊內(nèi)容。除此之外，跟之前不 一樣的就是大家對(duì)于大模型的認(rèn)知，比起之前的這種像深度學(xué)習(xí)、機(jī) 器學(xué)習(xí)這種 AI 它最大的差異，是它對(duì)算力的要求。所以銀行除了 在應(yīng)用層面，可能在硬件的支撐層面也會(huì)有更大的預(yù)算和考慮。其實(shí) 也是科藍(lán)去規(guī)劃，算力以及包括機(jī)器人的相關(guān)的一些產(chǎn)品的提前的 布局。 問題8：在這一輪的 deep seek起來之后是否能更利好銀行的IT 外包？銀行是否更愿意去把預(yù)算投到這方面？ 回答：對(duì)于眾多中小金融機(jī)構(gòu)，大模型的技術(shù)發(fā)展與應(yīng)用充分表 明，在 IT 板塊投入過多自有人員并非可行之舉。唯有與外部廠商 第三方開展合作，才能夠切實(shí)推動(dòng)大模型與金融業(yè)務(wù)的深度融合與 落地轉(zhuǎn)化。 如今，業(yè)界已達(dá)成共識(shí)：與以往可自行訓(xùn)練、行方擁有訓(xùn)練數(shù)據(jù) 的小模型不同，大語言模型的二次訓(xùn)練效果欠佳，更多依賴大模型自　身的能力。通過與大模型廠商在行業(yè)解決方案方面的深度全面合作 發(fā)揮公司行業(yè)解決方案的優(yōu)勢(shì)市場(chǎng)地位，是我們當(dāng)前的顯著優(yōu)勢(shì)所 在。目前，我們正與多家大模型廠商就戰(zhàn)略合作事宜展開談判，相關(guān) 合作成果也將于近期正式公布。 問題9：主業(yè)金融銀行的投入其實(shí)已經(jīng)在持平，有些項(xiàng)目高峰期 已經(jīng)過去了，我們?cè)谶@方面是什么看法？ 回答：第一個(gè)問題是銀行在整體 IT 技術(shù)建設(shè)方面，預(yù)算增長 呈現(xiàn)放緩趨勢(shì)；第二個(gè)問題則聚焦于人工智能（AI）領(lǐng)域的新技術(shù) 探討其未來是否具備新的增長潛力。 從IT信息化建設(shè)的角度，銀行的投資建設(shè)確實(shí)已過高峰期，整體 費(fèi)用增長逐漸放緩。然而，值得注意的是，在銀行 IT 整體費(fèi)用中 各部分的分配比例正在發(fā)生顯著變化。過去，銀行的 IT 系統(tǒng)建設(shè) 高度重視運(yùn)營后臺(tái)系統(tǒng)，尤其是核心業(yè)務(wù)系統(tǒng)和運(yùn)營類系統(tǒng)。曾幾何 時(shí)，銀行 IT 預(yù)算中運(yùn)營相關(guān)系統(tǒng)的建設(shè)成本投入占比高達(dá)九成， 而渠道及其他輔助決策系統(tǒng)僅占一成。但自 2016 年起，這種情況 已發(fā)生明顯轉(zhuǎn)變。截至目前，在市場(chǎng)營銷和客戶服務(wù)方面表現(xiàn)較為出 色的銀行，其前臺(tái)渠道，即客戶服務(wù)和營銷側(cè)的 IT 相關(guān)系統(tǒng)建設(shè) 預(yù)算占比已超過銀行總預(yù)算的五成。這一變化意義重大，反映出銀行 已意識(shí)到不能再依賴傳統(tǒng)的盈利模式，而是要通過提升客戶服務(wù)和 營銷能力來增強(qiáng)競(jìng)爭(zhēng)力。 就科藍(lán)所處的賽道而言，我們觀察到，與客戶服務(wù)和營銷側(cè)相關(guān) 的 IT 預(yù)算正處于不斷增長的階段。過去十年間，銀行在 IT 方面 雖有大量投入，但主要集中在核心業(yè)務(wù)系統(tǒng)，此類投入從市場(chǎng)經(jīng)營價(jià) 值的角度來看，對(duì)銀行的直接貢獻(xiàn)相對(duì)有限。 在 AI 領(lǐng)域，若不是去年年底 DeepSeek 的出現(xiàn)，銀行在 AI 方 面的 IT 投資熱情可能仍難以被充分激發(fā)?？梢哉f，在 DeepSeek 出 現(xiàn)之前，過去兩年銀行在 AI 方面的投入呈現(xiàn)出 “雷聲大、雨點(diǎn)小 的局面。 國內(nèi)銀行面臨的最大挑戰(zhàn)在于，新技術(shù)的應(yīng)用必須滿足安全可　靠、自主可控的先決條件。ChatGPT 帶來的市場(chǎng)機(jī)遇，國內(nèi)銀行在前 兩年未能充分把握，主要原因在于缺乏自主可控的大模型技術(shù)。盡管 此前我們也與一些大模型廠商開展了合作，但實(shí)際能為銀行帶來的 價(jià)值較為有限。 DeepSeek 的出現(xiàn)為國內(nèi)大模型市場(chǎng)和金融行業(yè)帶來了新的變 革。DeepSeek 擁有兩套模型，分別是大語言模型 V3 和推理模型 R1。對(duì)于銀行而言，R1 模型的重要性不僅體現(xiàn)在其強(qiáng)大的推理能力 能為銀行解決諸多實(shí)際問題，更關(guān)鍵的是，它解決了長期以來困擾銀 行使用大模型的面臨的監(jiān)管透明性問題。以往的大模型對(duì)于輸入和 輸出之間的邏輯難以解釋，而 R1 模型的推理內(nèi)容能夠?yàn)楸O(jiān)管提供 重要依據(jù)，使得銀行在應(yīng)用大模型時(shí)能夠清晰地說明決策邏輯，從而 有效降低監(jiān)管風(fēng)險(xiǎn)。 自今年開年以來，我們明顯感受到了市場(chǎng)的巨大變化。與 AI 相 關(guān)的業(yè)務(wù)人員與客戶的交流變得異常頻繁，幾乎按小時(shí)進(jìn)行安排。此 前，在 ChatGPT 出現(xiàn)時(shí)，我們需要主動(dòng)向客戶推廣 AI 技術(shù)和相關(guān) 產(chǎn)品，客戶的意愿度普遍不高。而 DeepSeek 出現(xiàn)后，局面發(fā)生了逆 轉(zhuǎn)，銀行紛紛主動(dòng)尋求與廠商合作，迫切希望將 DeepSeek 應(yīng)用于 自身的各類業(yè)務(wù)場(chǎng)景中。 今年，銀行在 DeepSeek 應(yīng)用方面將呈現(xiàn)出百花齊放、百家爭(zhēng) 鳴的態(tài)勢(shì)，但目前仍處于初步探索階段。銀行主要是在對(duì)風(fēng)險(xiǎn)影響相 對(duì)較小的場(chǎng)景中大規(guī)模應(yīng)用 DeepSeek，以盡快了解和掌握這項(xiàng)技 術(shù)。雖然當(dāng)前市場(chǎng)需求旺盛，但從 IT 投入的角度來看，今年可能不 會(huì)立即出現(xiàn)大幅增長。不過，我們預(yù)計(jì)到今年年底，銀行在人工智能 相關(guān)的預(yù)算將大幅提升，盡管銀行的總體預(yù)算仍會(huì)受到控制。 在當(dāng)前中國經(jīng)濟(jì)進(jìn)入相對(duì)平穩(wěn)增長周期的背景下，銀行面臨的 是存量客戶市場(chǎng)的激烈競(jìng)爭(zhēng)，而競(jìng)爭(zhēng)的關(guān)鍵在于服務(wù)和營銷能力的 提升。因此，無論是從技術(shù)發(fā)展趨勢(shì)，還是從銀行當(dāng)前的商業(yè)競(jìng)爭(zhēng)環(huán) 境來看，未來銀行在客戶服務(wù)和營銷側(cè)的 AI 相關(guān)投入增長速度， 將遠(yuǎn)高于其他領(lǐng)域的 AI 投入增長速度。　在客戶服務(wù)和營銷側(cè)，隨著業(yè)務(wù)全面線上化，銀行面臨著如何將 過去依靠網(wǎng)點(diǎn)和客戶經(jīng)理的優(yōu)勢(shì)轉(zhuǎn)移到線上的挑戰(zhàn)。DeepSeek 大模 型的出現(xiàn)為解決這一問題提供了契機(jī)，它使得線上渠道從過去的被 動(dòng)自助服務(wù)模式，轉(zhuǎn)變?yōu)榧扔袦囟扔志咧悄艿闹鲃?dòng)服務(wù)模式，可以是 金融服務(wù)實(shí)現(xiàn)全面線上化的升級(jí)。 基于以上分析，我們預(yù)測(cè)，明年銀行在 AI 方面的預(yù)算在整體 IT 預(yù)算中的占比有望超過兩成甚至三成。在這兩成到三成的預(yù)算 中，預(yù)計(jì)將有五成投資于包括渠道建設(shè)在內(nèi)的客戶服務(wù)與營銷領(lǐng)域 問題10：我們現(xiàn)在接入 deep seek 之后，整體是否會(huì)有產(chǎn)品落 地，請(qǐng)舉一些例子。在客戶服務(wù)營銷這邊有什么形式的產(chǎn)品？接入了 新的 deep seek 模型，未來是否可能會(huì)形成訂單？ 回答：從產(chǎn)品角度，我們可以分為兩個(gè)層次：AI模型的基礎(chǔ)能力 層次和AI應(yīng)用層次。這兩個(gè)層次是相輔相成的。 一、AI模型的基礎(chǔ)能力層次 在AI基礎(chǔ)能力層次，我們已經(jīng)構(gòu)建了一個(gè)完整的產(chǎn)品體系，主要 包括以下幾個(gè)核心產(chǎn)品： 大模型聚合平臺(tái)（魔聚平臺(tái)） 該平臺(tái)的核心能力是聚合不同的大模型，構(gòu)建AI智能體 （Agent），并管理這些智能體以支持上層應(yīng)用。它的核心作用是作 為大模型與應(yīng)用層之間的連接樞紐，提供底層能力支持。 數(shù)據(jù)精煉工廠（魔界平臺(tái)） 該平臺(tái)主要用于大模型的數(shù)據(jù)精煉。例如，當(dāng)我們選擇某個(gè)參數(shù) 版本的大模型（如R1版本）用于特定業(yè)務(wù)領(lǐng)域（如汽車金融或貸款領(lǐng) 域）時(shí)，雖然模型本身具備一定的推理能力，但仍需進(jìn)行二次訓(xùn)練和 微調(diào)。數(shù)據(jù)精煉工廠可以結(jié)合行內(nèi)業(yè)務(wù)數(shù)據(jù)，按照大模型的參數(shù)和標(biāo) 準(zhǔn)，生成高質(zhì)量的數(shù)據(jù)輸出，幫助模型進(jìn)行訓(xùn)練和優(yōu)化。 模型監(jiān)控平臺(tái)（魔瞳平臺(tái)） 該平臺(tái)主要用于大模型應(yīng)用過程中的監(jiān)控，包括AI能力的績效 評(píng)估、AI幻覺的檢測(cè)與評(píng)分，以及AI治理過程中的預(yù)警機(jī)制。它能夠　對(duì)AI服務(wù)的質(zhì)量和效果進(jìn)行實(shí)時(shí)監(jiān)控和評(píng)估，確保AI應(yīng)用的可靠性 和合規(guī)性。 與華為共創(chuàng)的一體機(jī) 我們與華為合作，將我們的軟件應(yīng)用預(yù)裝到華為的一體機(jī)中，形 成“魔方訓(xùn)推一體機(jī)”產(chǎn)品。該產(chǎn)品結(jié)合了華為的基礎(chǔ)硬件能力和我 們的軟件能力，為客戶提供一體化的解決方案。 二、AI應(yīng)用層次 在AI基礎(chǔ)能力的基礎(chǔ)上，科藍(lán)的全線產(chǎn)品已經(jīng)在應(yīng)用層進(jìn)行了 全面的升級(jí)和改造。這些產(chǎn)品包括： 智能小藍(lán)機(jī)器人：智能小藍(lán)機(jī)器人的升級(jí)版本，基于大模型能 力，提供智能化的交互和服務(wù)，是我們?cè)贏I應(yīng)用層次的重要產(chǎn)品之一 渠道產(chǎn)品：如網(wǎng)銀、手機(jī)銀行等。 業(yè)務(wù)系統(tǒng)：如賬戶系統(tǒng)、支付系統(tǒng)、財(cái)資系統(tǒng)等。 開發(fā)工具：如低代碼開發(fā)平臺(tái)等。 這些產(chǎn)品通過接入底層的大模型能力，實(shí)現(xiàn)了智能化升級(jí)，能夠 更好地滿足客戶需求。目前，我們?cè)诮涣?、售前和推廣過程中，主要 圍繞這兩個(gè)層次的產(chǎn)品展開工作。 我們?cè)谕茝V的過程中，一般是基于客戶情況提供升級(jí)或定制方 案，比如說原有是科藍(lán)建設(shè)的手機(jī)銀行或者其他移動(dòng)APP，我們會(huì)幫 客戶怎么去基于deep seek 的具備更智能化的場(chǎng)景設(shè)計(jì)，目前已經(jīng) 有具象化的方案在推給客戶了，不是說僅僅是我們內(nèi)部在實(shí)驗(yàn)室自 研的。整個(gè)的推廣過程就是今年春節(jié)之后才進(jìn)行的，是突然這么一個(gè) 爆發(fā)式的增長?？蛻魰?huì)主動(dòng)找我們來提供升級(jí)的解決方案，因?yàn)樽灾?可控，而且自帶了實(shí)際的效果。 問題11：需求爆發(fā)的話，是銀行的行領(lǐng)導(dǎo)要求還是只是IT部門？ 回答：是銀行業(yè)全體從業(yè)者！如今，不僅是我們，甚至銀行內(nèi)部 員工都在自發(fā)使用 DeepSeek。支行的柜員現(xiàn)在上班時(shí)都會(huì)借助 DeepSeek 探討如何解答客戶問題。畢竟現(xiàn)在銀行推出的產(chǎn)品眾多， 柜員需要思考如何針對(duì)不同客戶的情況，結(jié)合各類產(chǎn)品來回答客戶　咨詢。同樣是產(chǎn)品咨詢，不同客戶的需求和背景千差萬別，有了 DeepSeek 的輔助，解答起來更加得心應(yīng)手。。DeepSeek 的出現(xiàn)，使 得幾乎所有人都想要了解它能為自己的工作帶來哪些助力，大家都 在積極嘗試。 今年的市場(chǎng)表現(xiàn)較為分散，但覆蓋面極廣。我們更關(guān)注的是， DeepSeek 的應(yīng)用絕非只是今年的一時(shí)之熱，明年就無人問津或者熱 度驟減。我一直在強(qiáng)調(diào)，DeepSeek 對(duì)于銀行業(yè)來說，帶來的變革具 有深遠(yuǎn)意義。一方面，它滿足了中國銀行業(yè)自主可控的關(guān)鍵需求；另 一方面，從全球監(jiān)管層面來看，監(jiān)管機(jī)構(gòu)對(duì)于銀行使用大語言模型等 技術(shù)，首要要求就是具備可監(jiān)管性。若模型無法被監(jiān)管，即便其性能 再優(yōu)越，銀行也不敢輕易采用，這也是過去兩年的真實(shí)寫照。如今 DeepSeek 解決了這一難題。 我們更應(yīng)深入思考的是，DeepSeek 將給整個(gè)金融行業(yè)帶來怎樣 的顛覆性變化？這些變化在未來一年、兩年甚至五年、十年之后，又 會(huì)產(chǎn)生何種影響？投資的核心在于對(duì)行業(yè)未來五到十年發(fā)展趨勢(shì)的 研判，絕非僅僅著眼于當(dāng)下。今年，所有廠商都在與 DeepSeek 相關(guān) 聯(lián)，但明年，銀行和整個(gè)社會(huì)將會(huì)回歸理性，大家會(huì)更加關(guān)注哪些應(yīng) 用能夠真正創(chuàng)造價(jià)值、帶來收益，以及這些應(yīng)用能否為銀行帶來長遠(yuǎn) 變革。 目前，我們?cè)谇蓝说膽?yīng)用，如智能助手、運(yùn)營分析、客戶行為 預(yù)測(cè)等，今年這些應(yīng)用會(huì)帶來一些訂單增長，不過大多是在已有訂單 基礎(chǔ)上的增量，這種 “AI+” 模式的市場(chǎng)價(jià)值相對(duì)有限。例如，在 原有系統(tǒng)中嵌入智能助手，很難帶來巨大的商業(yè)價(jià)值。我們關(guān)注的是 未來整個(gè) AI 時(shí)代的全面變革。 我們與清華大學(xué)合作，早在前年就成立了 “清華科藍(lán)先進(jìn)智能 數(shù)據(jù)庫研究院”，這是清華大學(xué)在人工智能領(lǐng)域與外部合作設(shè)立的唯 一聯(lián)合機(jī)構(gòu)。我們與智樸、百川等頭部AI公司保持著深度合作，借助 研究院的專業(yè)力量，與相關(guān)專家共同研發(fā)新一代渠道服務(wù)類系統(tǒng)，這 是一套完全智能化的服務(wù)系統(tǒng)。其最大的特點(diǎn)在于，從過去被動(dòng)執(zhí)行　客戶操作，轉(zhuǎn)變?yōu)槟軌蛑鲃?dòng)思考客戶每一步操作意圖，主動(dòng)預(yù)測(cè)客戶 下一步操作。這將打造出一個(gè)更懂客戶的銀行，甚至能洞悉客戶內(nèi)心 的想法。 預(yù)計(jì)今年我們將完成這套系統(tǒng) 1.0 版本的研發(fā)，這對(duì)于明年來 說意義重大，它意味著對(duì)銀行現(xiàn)有渠道類 IT 信息化建設(shè)成果的全 方位顛覆。前兩年，很多銀行都向我們提出，能否將手機(jī)銀行改造成 能夠精準(zhǔn)把握客戶的所思所想。這不僅是銀行業(yè)，也是所有服務(wù)行業(yè) 共同關(guān)注的核心問題。從博弈論的角度來看，若能預(yù)判客戶的行為意 圖，企業(yè)必然能成為最大的獲益者。 當(dāng)然，這種變革也可能引發(fā)一系列問題，比如通過預(yù)測(cè)引導(dǎo)客戶 投資理財(cái)觀念，是否會(huì)帶來一定風(fēng)險(xiǎn)，這涉及到未來的倫理道德層 面。但從金融機(jī)構(gòu)服務(wù)角度來看，它將實(shí)現(xiàn)真正的千人千面服務(wù)，線 上渠道服務(wù)不再千篇一律，而是根據(jù)客戶信息和行為軌跡進(jìn)行動(dòng)態(tài) 調(diào)整。在營銷方面，以往的群發(fā)短信等粗放式營銷方式將被淘汰，取 而代之的是在預(yù)測(cè)客戶意圖后，將銀行產(chǎn)品營銷巧妙融入客戶下一 步行為鏈中，在客戶不知不覺間完成營銷轉(zhuǎn)化，這種方式的成功率無 疑是最高的。許多人在使用 DeepSeek 時(shí)都能明顯感受到，它會(huì)主 動(dòng)迎合用戶需求，從商業(yè)角度而言，這具有巨大的價(jià)值。 這并非是在現(xiàn)有渠道或客戶服務(wù)營銷類系統(tǒng)上做簡(jiǎn)單加法，而 是要徹底顛覆現(xiàn)有所有渠道。這意味著在客戶每一步操作時(shí)，渠道服 務(wù)類系統(tǒng)都要深度思考客戶操作意圖，以及如何將營銷和運(yùn)營策略 融入其中。很多人談及 AI 類應(yīng)用，就認(rèn)為只是通過語音或文字與 DeepSeek 交流，將其當(dāng)作文字助手，這是完全錯(cuò)誤的認(rèn)知。大語言 模型的本質(zhì)是擁有海量知識(shí)圖譜和強(qiáng)大的推理能力，客戶在手機(jī)銀 行的每一次點(diǎn)擊操作，即便沒有文字交流，將這些操作軌跡數(shù)據(jù)發(fā)送 給 DeepSeek，它也能精準(zhǔn)分析出客戶的操作意圖以及下一步可能的 操作。 以 DeepSeek 為代表的技術(shù)，將成為銀行在客戶服務(wù)和營銷側(cè) 的決策中心，構(gòu)建全新的渠道交互架構(gòu)。但這并非一蹴而就，今年在　市場(chǎng)上還難以完全顯現(xiàn)。銀行還需要在算力中心進(jìn)行投入建設(shè)。因 此，我們預(yù)測(cè)今年銀行在 AI 領(lǐng)域的主要投資熱點(diǎn)仍集中在基礎(chǔ)建 設(shè)方面。首先是算力，這是支撐 AI 應(yīng)用的關(guān)鍵；其次，在各個(gè)業(yè)務(wù) 細(xì)分領(lǐng)域的也會(huì)初步投入進(jìn)行探索。 問題12：業(yè)務(wù)線比如數(shù)據(jù)庫、機(jī)器人，還有算力中心，這三個(gè)是 不是可能跟剛剛講到的現(xiàn)有產(chǎn)品的升級(jí)相比其實(shí)是獨(dú)立開來的？ 回答：不能簡(jiǎn)單地認(rèn)為其是完全獨(dú)立的。就 AIDB而言，它代表 了我們?cè)?AI 基礎(chǔ)設(shè)施、數(shù)據(jù)基礎(chǔ)要素以及基礎(chǔ)平臺(tái)方面的布局。 從當(dāng)前商業(yè)銀行的情況來看，若要搭建一套新的 AI 類系統(tǒng)，完善 的基礎(chǔ)設(shè)施是首要條件。其次在AI 算力中心，眾多國內(nèi)的中小金融 機(jī)構(gòu)在國內(nèi) AI 相關(guān)的 IT 市場(chǎng)中占據(jù)著相當(dāng)大的比重。然而，這 些中小銀行往往缺乏自建算力的能力，卻又存在對(duì)算力的迫切需求 為了滿足這些客戶的需求，我們正在蘇州投資建設(shè) AI 算力中心。