DeepSeek在中国引发了一波人工智能（AI），并且将来在各个行业中采用AI，将来会加速。瑞银最近提出，鉴于金融业的数据密集型和劳动力密集的性质以及大量与语言相关的任务，据信该行业被Genai（通用人工智能）重塑，比其他更深入行业。
实际上，近年来，金融行业继续增加对信息技术的投资。以中国的银行业为例，在2021年，在披露相关数据的18个上市银行中，信息技术的总投资为1584.22亿元人民币。相比之下，2023年的17家银行总投资增加到1846.86亿元人民币。同时，包括中国工业和商业银行，中国农业银行以及中国商人银行在内的大约20个机构披露了其2023年有关研究与开发，商业应用和授权的年度报告。
尽管AI也遇到了“增长问题”，例如大型模型幻觉，价值和道德偏见，客户隐私泄漏等，但该行业认为，应对即将到来，不发展，不再拥抱和使用的时间浪潮人工智能由于担心挑战，因此落后是最大的挑战。
扎克·卡斯（Zack Kass）是前全球市场应用领导者兼人工智能和商业战略专家，最近在对第一名财务记者的独家访谈中提到，根据他对领先的国际银行的理解，AI可以在五个金融行业中找到。提高效率的关键领域 - 零售银行，财富管理，保险承销和产品定价，销售和营销以及客户获取，投资银行业务。以上所有领域的特征是人事需求庞大，专业人数高以及效率不足。预计AI的普及将显着提高一些业务效率低下的业务的投资回报率（投资回报率）。
AI将提高五个主要领域的金融业效率
数字金融的背景是新一代AI技术的兴起，这与大型模型密不可分。
作为AI行业的高级从业人员和AI先知，CASS告诉记者，在未来10至20年内，医疗保健，教育和金融服务的三个行业将因AI而发生重大变化。
对于金融业而言，通过生成AI对行业的潜在重塑可能大于其他行业（大量数据积累，高劳动力强度和与语言相关的工作内容的高比例）。
Cass认为，金融业的五个部分将是AI最强大的提升。
首先是零售银行业务。尽管这对于主要银行来说是必不可少的，但该业务通常是昂贵的，投资回报率很低，并且以浓厚的人群为特征。如果AI可以通过它来提高低利润业务的投资回报率，这将成为AI在金融行业中可以释放的巨大潜力。 AI的使用可以提高零售产品的质量，从而降低成本并提高效率。此外，零售银行面临的挑战包括高员工营业额，大量工作量和低质量的工作，AI有助于减轻这些问题。
第二个是财富管理。世界上出色的财富管理才能非常稀缺。 AI的应用可以通过两种方式改善财富管理：一种是扩大财富管理经理的服务能力，另一个是标准化和优化财富管理人员的服务，以便团队中的所有财富管理人员都可以满足更高的服务标准。 AI还可以帮助确定哪些财富管理人员未成功，从而优化了财富管理的整体质量。
第三方面是保险承销和产品定价。通过更精确的数据分析，AI可以解决保险业所面临的一些复杂问题，尤其是在风险定价和薪酬预测方面，从而提高了整个保险业的效率。 AI可以通过更有效的定价方法解决问题，并使低价值保险产品可行。此外，诸如ChatGpt之类的技术可用于改善客户体验并扩大保险的普及。
在销售和营销以及客户获取方面，AI可以有效提高销售策略的准确性，从而提高客户转换率和市场份额。
AI还将在投资银行业务中发挥很多作用。例如，在数据分析方面，AI可以处理和分析大量复杂的财务数据，包括历史交易数据，公司财务报表等。机器学习算法可以发现隐藏的模式和趋势，以帮助投资银行做出更准确的预测; AI使用自然语言处理（NLP）技术，可以快速扫描和分析新闻，财务报告，行业报告和社交媒体内容来提取内容价值信息；此外，财务建模经常涉及一再的人工劳动力，AI可以帮助投资银行迅速建立和更新财务模型，自动化大量计算，节省时间并减少人类错误。 AI可以使用比较分析方法，折扣现金流量方法（DCF）和其他方法来重视公司。
仍然需要克服多重挑战
目前，金融机构正在积极探索AI应用程序，但与海外相比，实际生产率不高。同时，AI的实施还需要克服多个挑战。
瑞银证券非银行金融行业的分析师Cao Haifeng告诉记者，研究表明，在实践中，金融机构仍然专注于员工授权应用程序，例如知识援助，客户服务助理，智能投资和研究，保险代理商助理，等等。应用程序仍然要求人类成为守门人；在用户中，大型金融机构是系统地构建LLM，整合前端/中端/后端方案，并采用多方面的模型研发方法，包括自我发展和联合开发。由于成本考虑，小型金融机构仍在单一情况下进行试验，并且通常选择直接购买。
他认为，国内模型，高投资门槛和不清楚的ROI的不令人满意的效果是限制生成AI在金融行业中大规模应用的关键因素。
一家领先的联合股票商业银行数字财务部门的一个人告诉记者，银行采购有关大型服务或产品的订单正在逐渐出现。尽管售价已经很高，并且大型模型的前景尚不清楚，以便错过该行业。为了开发，一些银行还在图形卡上进行大量投资，并加速其建设。但是，许多银行没有足够的预算。
总体而言，金融行业逐渐表现出对大型模型的矛盾心态。由于财务压力，培训大型模型会消耗大量资源，并且成本很高，而且大多数金融机构无法满足它们的需求。据报道，目前，中国只有几家银行基于探索独立全堆栈自我开发的大型模型或专业大型模型的微调。大多数银行的大型模型探索是与第三方模型公司合作，从云中呼吁并按需访问各种大型模型。某些银行不敢投资的直接原因是，在大型模型的特定实施水平上仍然存在许多挑战。例如，“大型模型幻觉”，数据隐私保护，可解释性弱等。在商业层面上，巨额成本投资是否能带来正投资额仍然令人怀疑。
中国商人银行数字金融发展办公室Gao Xulei在谈论AI的“增长问题”时说，麻烦的主要方面有三个主要方面。一种是大型模型的幻想，通常被称为“严重的胡说八道”和“以自己的方式说话”，这可能会导致风险。掌握方向存在问题，这将造成严重的后果。其次，价值观和道德偏见，例如大型模型可能会告诉您“如何制造枪支”。第三，客户隐私泄漏；第四，可能的“获胜者 - 全能”结果。
他认为，银行需要破解“两者都想要，想要和想要的”的“不可能的三角”。所谓的“不可能的三角形”是指大量客户，最终的经验和极低的成本。具体而言，为大量客户服务可能无法控制风险，从而导致高昂的成本。或数量增加了，成本降低了，但是客户体验很差，因为客户需要提供大量审核材料。
据报道，在过去的一年中，一些银行已经开始与大型模型相关的建设。例如，在今年年初，中国商人银行启动了与大型模型直接相关的“智能计算平台”的构建。该平台包括大型语言模型培训和推理平台，旨在在垂直的金融领域建立大型模型。最初的结果也已揭示。例如，大型模型可以自动生成营销副本，从而大大提高营销效率；通过智能客户服务，它可以解决大多数用户的问题，并缩短最初需要几分钟才能处理到“秒”级别的交易；在风险控制方面，中国商人银行的“天秤座”风险控制平台使用了大量神经网络算法。
专注于金融IT行业的机会
除了AI可能提高金融行业的效率外，哪些公司可能受益最多？在机构眼中，金融行业中的“ AI授权者”，即金融IT提供商，可能会根据他们积累的数据资产和行业知识而受益最大。
Cao Haifeng向记者提到，随着申请量表的扩大，金融IT公司有望成为主要的受益人，尤其是基于他们将LLM（大语言模型）与金融机构的需求相结合的优势。 。预计到2030年，Genai可能会将金融IT行业的收入推向690亿元人民币（占行业总收入的24％），银行，保险和金融IT行业都将受益。
瑞银表示，对Yuxin Technology（银行业的领导者）和Hang Seng Electronics（证券IT的领导者）非常乐观。虽然汤胡什邦（Tonghuashun）和东方财富（Oriental Entune）等财务信息提供商在Genai应用中的进步速度快，但其核心业务可能会面临一些挑战。
具体而言，Yuxin技术提供银行解决方案（一站式产品）。该公司已经启动了一个低代码应用程序开发平台和多个应用程序产品，包括：开发助理，财务数据安全分类助理，“ Xingshen”数据分析平台，AI营销助理，智能客户服务助理； Hang Seng Electronics提供证券大语模型解决方案。据报道，Hang Seng Juyuan参加了ICBC-RBC的最新创新成就的建设，为该项目提供了Warrenq-Chat和Chatminer产品。 Hang Seng Electronics最近还指出，大型模型的应用已完全连接到DeepSeek。
将来，生成的AI将大大提高行业效率。目前，瑞银（UBS）已确定了31/23的生成AI应用程序方案，用于经纪和保险行业，其主要影响包括降低成本，提高效率和客户粘性。生成AI适合59％/83％/44％。影响方案。该机构估计，到2030年，生成AI的发展将使行业的中位数人工成本降低20％。
具体而言，对于经纪行业，机构估计，生成的AI应用程序可以在2030年将ROE增加1.4个百分点（净利润增加了15％），从而在2030年将估值增长19％。对于保险业，其估计的生成AI应用程序可以在2030年将新业务（NBV）的价值提高17％，从而在2030年的估值中提高了12％。