报告行业投资评级 未提及 报告的核心观点 - AI正推动银行业广泛变革，银行需成为AI优先机构，全面采用AI技术提升价值，否则将被淘汰 [4] - 成功的AI转型需覆盖组织多个层面，各层面相互依存，投资缺一不可 [4] - 银行可识别AI转型业务领域并重新规划，以提升价值，部分子领域转型可带来70 - 80%的增量价值 [7][12] - 构建全面的AI能力堆栈，由多智能体系统驱动，可实现复杂银行工作流程自动化 [4] - 投资AI基础架构，包括工业AI、机器学习、企业数据等，对大规模运行大语言模型至关重要 [69][78] - 维持和扩大AI价值需建立跨职能团队、中央AI控制塔和治理委员会，确保AI战略实施和资产复用 [80] 根据相关目录分别进行总结 AI对银行业的影响 - AI推动银行业变革，但许多银行仍处于实验阶段，银行需成为AI优先机构以提升价值 [4] - AI可使银行更智能、高效，提升财务绩效，部分银行已通过AI取得显著收益 [18] 构建AI优先银行的要素 - 重塑客户体验，提供个性化服务，实现跨设备无缝使用 [4] - 利用AI辅助决策，增强实时分析洞察能力，满足客户精准需求 [4] - 现代化核心技术，包括自动化云供应、API和简化架构，实现数据安全交换 [4] - 建立平台运营模式，整合人才、文化和组织设计 [4] 银行AI转型的业务领域 - 零售银行、私人银行、企业和商业银行、投资银行等多个领域的销售与营销、风险、服务与运营、数字技术、人力资源和其他职能等子领域均可进行AI转型 [8][10][23] - 选择转型子领域时，需考虑业务影响和技术可行性，优先选择高业务影响和高技术可行性的子领域 [27][50] AI能力堆栈 - 包括参与层、决策层、数据与核心技术层和运营模式层，各层需协同工作以实现企业变革和价值交付 [54][57] - 决策层是AI优先银行的核心，可协调和实现数千个AI驱动的决策 [57] - 多智能体系统是决策层的重大进步，可实现复杂决策和工作流程自动化，提高生产力和客户体验 [58][67] 投资AI基础架构 - 包括工业AI和机器学习、企业数据、可观测性工具栈、机器学习运营、FinOps、LLM编排、LLM网关和安全等子层 [69] - 投资这些子层对大规模运行大语言模型至关重要 [78] 维持和扩大AI价值 - 建立跨职能团队，融合银行业务和技术专业知识，确保风险管控融入团队 [80] - 设立中央AI控制塔和治理委员会，负责银行AI战略、协调企业决策和推动AI资产复用 [80] - 转型从一个子领域开始，逐步推进，利用可复用组件提高效率和价值 [80][83]