■ 第一组关系：大模型基础能力与银行应用场景。 近年来，大模型技术在自然语言处理领域取得三大突破： 内容生成、信息提取和对话交互，高度契合银行业的知识密集型特征，驱动其广泛开展场景探索。前台方面， 知识库与智能客服迅速落地（某股份行自动生成营销文案，某国有行远程助手将通话时长缩短10%），跨境支 付报文的处理也开始引入大模型。中台领域，某银行的"智能授信"将尽调报告撰写时间缩至5分钟，未来有望 驱动信贷审查向实时、全面、算法密集型模式转型。后台开发中，多家银行已借助大模型提升代码生成效率。 国外银行AI用例与国内大体类似，前中后台占比55%/19%/26%，知识库、运营支持、客户服务与程序开发是 主要应用。 ■ 第二组关系：生成式AI与判别式AI。 大模型等生成式AI擅长从非结构化数据创造新内容，但面临运算成本 高、结构化数据处理弱、可解释性差等问题；而判别式AI（如逻辑回归、决策树）则在这些方面具有优势， 已在银行风控评级中大量应用。未来两类AI或将融合协作，形成两种模式：一是"伞形模式"，即生成式AI作为 中枢拆解任务并整合结果，中间环节由判别式AI执行，如某银行通过大模型平台比较不同算法预测企业注销 风 ...