大模型应用现状与挑战 - 当前AI大模型在银行业的应用主要集中在智能办公领域，如文本校对、合同质检等，但准确率仅95%，低于业务部门要求的99%，仍需人工复核[1] - 金融机构普遍认为单纯接入大模型不产生实际业务价值，需与业务场景深度融合才能提升AI效能[1] - 大模型在解决复杂业务问题时存在瓶颈，需依赖科技团队对业务逻辑的解构能力和领域知识沉淀[1] 银行AI战略与投入 - 工商银行2024年金融科技投入285.18亿元（占营收3.63%），建设银行投入244.33亿元（占营收3.26%），中国银行投入238.09亿元（占营收3.76%）[3] - 招商银行2024年信息科技投入133.50亿元（占营收4.37%），中信银行投入109.45亿元（占营收5.12%）[4] - 北京银行启动"All in AI"战略，致力于打造"人工智能驱动的商业银行"[3] 技术应用与场景落地 - 大模型在智能客服、合同质检、估值对账等基础领域应用较多，但在财富管理、投资策略等核心业务领域应用仍有限[4] - 智能交易环节应用前景广阔，AI交易员可缩短交易查询和对接时间，比文本校对产生更大价值[6] - 生成式AI需注意隐私保护，银行坚持"模型不联外网、数据不出行、敏感信息不入模"原则[6] 生态建设与未来方向 - 银行正构建"自主平台+场景深耕+生态共建"三位一体的AI赋能体系，未来将向轻平台、重应用模式转变[2] - 工商银行建成全栈自主可控的千亿级金融大模型体系"工银智涌"，对客交易效率提升三倍[7] - 预训练基础大模型的金融知识配比仅5%，需通过二次训练提升专业性，大型银行与中小银行需加强合作缩小数字鸿沟[8]