人工智能对金融行业的影响 - 人工智能作为21世纪最具变革性的技术之一，将深刻推动金融行业在效率提升、服务创新、商业模式变革等多个维度的发展 [2] - 金融行业可能是采用人工智能机会成本最大的行业之一，因其数据沉淀量大、劳动力密集度高且语言相关工作占比高 [3] - 生成式AI对金融行业的潜在重塑效应有望大于其他行业，目前应用以对内赋能员工为主，如知识库助手、客服助手等 [3] 金融机构AI应用现状与趋势 - 2024年底前金融机构AI应用实际投产率不高，中小机构持观望态度，但DeepSeek-R1的推出大幅缓解了国产模型效果不理想等制约因素 [5] - 金融机构部署大模型需求相较2024年大幅提升，未来IT投入中AI占比将增加，政策推动可能进一步提升AI投产率 [6] - AI应用分三个阶段发展：1 0阶段（2023-2025年初）探索客服助手等基础应用，2 0阶段（2025年初起）发展智能交易等进阶应用，3 0阶段（2026-2030年）向复杂对客场景渗透 [7] 政策端发展机遇 - 中国政府通过《新一代人工智能发展规划》等政策推动AI发展，目标2030年成为全球AI创新中心 [8] - 金融监管将逐步制定对客服务相关政策，推动AI在金融行业规范发展，如《生成式人工智能服务管理暂行办法》等基础性政策已出台 [8] - 二十届三中全会提出"建立人工智能安全监管制度"，统筹发展与安全 [15] 模型端发展机遇 - 国产通用大模型能力提升为金融行业商用落地打下基础，金融垂类大模型将加速成熟 [9] - 金融行业对模型准确性、可信度等要求高于通用场景，垂类模型推动更多场景达到可用阶段 [9] 应用端发展机遇 - 金融机构将落地更多B端生成式AI应用，C端场景商业化可能落后于B端 [10] - 目前应用以简单对内场景为主，未来两年聚焦员工助手角色，如客户助手、投顾助手等 [10] - 应用3 0阶段将向复杂对客场景渗透，如财富管理规划、智能推荐、个性化承保等 [11] AI治理与挑战 - AI治理面临幻觉问题、"黑箱"特征、数据安全/隐私保护、潜在金融风险、技术滥用风险等挑战 [13][14] - 金融行业需本地化部署大模型以规避隐私泄露，大型机构多采用一体化部署，中小机构采用一体机试点 [14] 瑞银的AI实践 - 瑞银致力于成为AI驱动机构，已部署100多个实时AI模型支持决策和流程自动化 [16] - 向员工分配50000份Microsoft Copilot许可，专有AI助手Red覆盖4万名员工，Q1工具使用量达600万次，较2024Q4增三倍 [17] - AI治理涵盖从构思到监控的全流程，包括模型治理、数据隐私等规范 [17] 赋能中国科技企业 - 瑞银为科技企业提供多元化融资服务，覆盖互联网科技、生物科技等行业 [18] - 2023年完成比亚迪435亿港元H股配售（汽车行业最大闪电增发）和宁德时代港股IPO（近4年最大） [19] - 参与科创板制度设计，首家独家保荐科创板IPO的外资券商 [19]