由中国企业改革与发展研究会、网易财经、网易财经智库联合主办的2023网易经济学家年会夏季论坛于6月19日在上海举行，本届论坛的主题是《智造复苏 惟实励新》，清华大学经济管理学院提供学术支持。

(相关资料图)

2023开年以来，AIGC的战争已经达到白热化，头部公司纷纷入局，热钱投资蜂拥而入。在圆桌论坛“被 ChatGPT 带飞的 AIGC”中，神州信息新动力数字金融研究院副院长薛春雨发表了自己对AIGC的基本看法。

他表示，AIGC是人工智能技术的一个阶段性发展，在前些年像机器学习、深度学习也给行业带来了很多变化。但AIGC这次爆发有它一定的特点，大家能看到很多以前人去做检索、梳理、分析、统计的事情，其实AIGC基本上都能全部替代，也就是它更像人了。这也是为什么AIGC比较火的重要因素。

从ToC的视角来看，大家用ChatGPT返回的东西其实没有绝对的正确，生成之后你可以去修改，或者认可或者不认可，都可以。但是在具体的细分行业，尤其是跟工业结合的时候，有些东西需要精准化。比如说我们跟银行打交道比较多，用户存取钱，是多少就是多少，利息是多少就是多少，直接用AIGC有可能是对的，也有可能是有问题的，这个就不太合适。不管是金融还是细分行业，如何跟产业结合落地，这方面应该是后续产业上中下游都需要深度思考的问题。只有这样才能把AIGC的价值释放出来，真正驱动社会的生产力提升。这应该是我们未来要重点关注的方向。

针对AIGC，银行业面临三个挑战

生成式人工智能AIGC带来的机遇和挑战？薛春雨认为，从机遇的角度来说，其实大家知道AIGC是生成式的，不管是之前的纯文本，现在是多模态的生成，在这个层面来说，不管是哪一个行业，它生成的东西很多是通用的，但它细分的生成内容是有差别的。那就这个层面来说，机遇就是哪些企业或个人能够尽快把生成的东西转化为自己的生产力。如果你能抓住这个机会，可能你在这一轮的竞争中就会领先，对不同的行业都会有这个机遇。

因为我们聚焦金融行业，这个行业有一些特殊的要求，银行的数据安全就是国家安全，所以就不可能直接用GPT，数据存在泄露风险，这不符合信创背景的要求。金融科技企业或者银行客户都面临一个非常大的挑战，数据、算力、算法三个层面是大模型最关键的，数据首先不能出去，要训练私有领域的模型，数据量相对小一些，这个量对于大模型来说训练的时候数量不到一定程度，训练的效果又受影响，这个方面又对技术或者模型深度方面有一些考虑，这是第一个大的挑战。

第二个是算力，在金融行业，比如银行，先做自己内部的模型肯定要私有化部署。比如说一个8卡A100的机器基本上现在市价100万左右，甚至更高，关键是还没货，这是个问题。刚开始是研究，一台、甚至用A800的卡都可以，但是规模化，这个企业或者银行要50个人，或者是更多人来用，那就不是一台。比如说我们原来跟商汤这些企业也聊过，需要10台这种机器，可能就是1000万，加上其他的东西，这个成本一些中小银行就要考虑投入和产出的问题。这是第二个挑战。

第三个是算法，像百度做AI的时候有很多高技术人员去做算法，持续投入。但是在一个银行，拿它私有的数据去训练，训练完之后，还要做标注，做各种监督学习，做微调。这些东西让银行的科技人员，尤其是中小银行的科技人员几乎没有这方面的人力资源。如何在这些细分领域，比如银行领域怎么把基础的大模型，行业的大模型都产生实际效果，这确实是需要时间深度探讨。建议有些是做基础层面的，有些是做行业的，有些是做客户应用层面的，需要上中下游的企业配合，形成最佳实践，然后再去产业赋能。这个可能是未来要走的路。

AIGC给银行业带来的想象空间巨大

AIGC在数字化金融领域有哪些优势，应用场景有哪些，未来发展到什么地步？

薛春雨认为，金融行业数字化在各个领域里走得相对靠前，这个可以理解为它是过去的传统优势。现在来说，还是之前一直在信息化程度走得比较靠前，积累的数据也是比较多。这个数据包括自己内部建设的各种系统的积累数据，客户的交易数据，甚至很多银行还从外面去买一些征信或者其他数据来做风控等。数据这方面相对其他的传统行业来说，积累还是要多。虽然相对大模型要的那么大的数据量它还小，但是相对其他行业还是多的。

金融行业本身对人工智能的诉求是比较多的。人工智能在金融行业已经应用很多年了，智能客服是最典型的。以前人工客服，那个时候回答得还可以，但是比较占用人力资源；银行为了降低成本，慢慢人工智能来了，弄个智能客服，相信大家很多人跟智能客服沟通的时候发现差点儿啥意思。AIGC技术发展起来之后，在人机交互和语义理解方面有大幅度提升，像智能客服再深度去用AIGC效果比以前好很多，这是非常明确的点。

像智能投顾、智能推荐这些场景，借助AIGC可以提高效果。这是面向银行服务的目标客户直接的使用。

对于金融领域银行内部也有一个提升，银行自己内部也有一些自己的办公诉求，银行要对发展趋势，甚至监管机构的政策有一些了解，形成一些材料，这些完全可以快速地借鉴AIGC生成初版，把之前花很长时间做的事情可以快速解决。

还有一个典型的场景，虽然现在大家到银行的柜台比较少，但是现在银行很多业务复杂度比前些年高很多。并且现在很多柜员不是银行的正式员工，都是临时工的模式。当然这个不是那种临时工，他只是借过来去培训完就直接上岗。有些业务特别复杂的时候，像以前确实不知道怎么做，就会找主管或问一堆人才能解决问题，如果遇到这个问题可以跟AIGC进行交互，提示我这个业务应该怎么去做，可以快速告诉你123456步怎么做，从哪个系统怎么操作，马上提高效率。这个也是很直接的贡献。

还有一个点，银行业很多信息系统，信息系统的建设肯定就需要码代码了，这边也有很多IT公司的。系统代码开发、代码生成对于AIGC来说代码语法比人的自然语言语法还要简单，它相对比较固定。对它来说可以根据你的输入直接生成对应的代码，提高开发效率。比如说以前100个人开发10个月才能把这个项目开发完，用这个技术，虽然不一定全部能解决，但至少可以帮助我们一部分，100个人变成8个月、7个月，那就降低20%、30%的成本，这个也是非常大的贡献。

这些东西其实站在我们提供商的角度来说，如果这种实战经验，我们现在在做像低代码上的研究，这块应用到银行客户可以快速产生效果，在银行业里面还是非常实际的贡献。但是长远的大家对AIGC这块，想象空间特别大的事情，还为时尚早，需要持续的积累。

提高自身创新力，别被AI替代掉

对于AIGC将对未来的行业或者专业领域带来哪些影响的问题？

薛春雨认为，其实AIGC的本质，是基于人类现有的知识，或者一些数据，把它进行拆分之后，然后再分成更小的任务去处理，最后给你做个梳理整合。但是它理解你的语义，这个是它比较强的地方。同样从两个层面来说，现在已经有的这些东西，它非常擅长把它快速整合成一个你想要的东西。但是对于现在本身没有的，或者需要创新的东西，至少在现在AIGC在这方面做得还稍微弱一些。

从这个层面来说，如果大家做的是那种简单的检索、梳理、分析及整合的工作，这类的职业可能受到的冲击会非常大。反而是那种像作曲家、创作者，完全是个人深度创新的工作，这种职业是不能被替代的。但是现在通过AIGC生成一些新的图像，还是基于现在的东西去合成的，说不好听的是高级的PS，他不具备艺术层面的创新。这个就是未来在行业个人定位上，这方面需要关注，还是要把自身的特点，自身创新力一定要提升，否则会被AI逐步替代。