2024年是金融大模型越来越广泛地被用在金融的多个业务环节的一年，如工商银行深化千亿级大模型技术建设，已在金融市场、信贷风控、网络金融等领域应用。兴业银行自主研发AML-GPT模型，用于反洗钱可疑报告智能生成等，金融大模型应用的落地确实提升了金融业务的效率，但可以明显发现的是，如银行等金融机构的内卷却愈加严重，那么这不禁令人发问，金融大模型应用到底会让内卷的银行业更加内卷呢？还是会利用科技的力量来缓解行业内卷？金融大模型给行业带来提质增效的同时，可能给金融系统带来哪些风险呢？2025年，金融科技又将迎来哪些机遇与挑战呢？
第十二期钛媒体《财经风云对话》，主持人钛媒体副总编辑胡润峰，特邀上海⾦融与发展实验室主任、首席专家曾刚，毕马威金融科技主管合伙人及金融服务业合伙人黄艾舟共同回顾金融科技的2024并展望2025发展趋势。
重要观点：
l 对于目前在金融行业中哪些应用是被看好的，曾刚表示，AI应用在各个领域空间都是巨大的，因此这样相结合的领域都是被看好的，具体到金融行业上则是AI和客户的接触服务。 l 对于AI 的应用是否能够打破银行内卷的现状，曾刚表示，AI不是打破内卷，它会让银行更卷，AI 的应用会让所有的行业会变得更加卷。黄艾舟则认为，AI一定是将某些工作岗位替代了，同时又催生新的工作岗位以及新的能力，未来将是一个新的形态的变化，它会在不同层面开始卷。 l 对于中小银行如何在金融科技快速发展的时代找到一席之地，曾刚表示，科技不是投入越多越好，技术也不是越先进越好，银行要根据自己客群的需求分析技术应用的程度，金融科技的发展对于大小银行来说差距不会很大，反倒有些中型银行在金融科技方面可能会超过大银行。黄艾舟表示，小银行一定要有把握住自己的特性，做到以客户为中心，发展出自己的特色业务和特色探索，未来大行可能将模型输入给中小行，探寻大银行和中小银行之间各自的生存之道。 l 对于国内外金融科技方面发展路径的差异，曾刚表示，在中国，发展主流模式是技术公司发挥重要的作用，在国外这种科技公司在对金融的影响没有中国这么明显。黄艾舟表示，中国在Fintech每一个赛道都差不多领先别国两三年。 l 对于金融机构应如何建立有效的风险管理体系来应对AI带来的新风险，曾刚表示，应该保持一个相对开放的心态，特别是从监管部门角度出发，还是要紧跟国际发展前沿，在预防风险方面要做前期的规划，把一些重大的潜在风险放在可控范围之内。黄艾舟表示，我们倡导做模型风险管理，把模型风险管理写到全面风险管理中，就是说在试用一个新技术或者新产品的时候，提前想好风险预警机制和预设机制。 l 关于金融科技发展趋势，黄艾舟指出，2025 年会迎来 AI+agent更深入、更成熟的应用。金融科技企业会延续出海热潮，出海可能从香港和东南亚进一步向南美甚至东欧扩展。金融科技和产业数字化的双轮驱动会进一步加速。
与AI相结合的各大领域都有探索空间，大模型在金融机构落地以内部应用为主
胡润峰：根据您对行业的观察，您认为AI大模型目前在金融行业中哪些应用是您比较看好的，为什么？请您举例说明。
曾刚：大模型是 AI 的一种应用形态，对所有产业的影响都是极其深远的。当然不同的行业因为产业特点、监管环境的不同，应用的进程也会有所差异，但从原则上来讲，可想象的空间是很巨大的，各个领域都应该看好，只不过在实践过程当中会有前有后。
具体在金融行业中，我们之前做了一些研究和调研。理论上来讲，银行的前中后台各个环节上都有AI 大模型应用的空间，前端和客户的触达，不光是客服，还有前端的洞察，产品的创设，再到客户的维护和服务，银行内部的管理等各个环节上都会涉及AI应用，进程也各不相同，所以理论上来讲空间是很大的。
但是从实际落地环节要考虑两件事，一是成本，从银行角度来讲，大概率是把AI当作降本增效的手段，前期就需要大量的投入，银行希望在过程当中能得到回报，这种回报一般来说体现在成本的节约、客服体验提升等方面，这块意味着，可能需要考虑短期回报的问题，因此如何节约成本，特别是人力成本，成为当下应用的方向。
二是提高服务能力，在成本可控范围之内提升辅助。现在很多银行的实际应用过程中，将 AI 大模型应用在客服、风险管理人员，甚至包括决策人员，为他们提供知识导图，分析底层基础，或者在与客户交互的对答范围，这都能提高服务客户的质量，但现在更多还是辅助作用，并没有替代人。
理论上看，AI在客户接触服务有很大空间，在业务过程当中，这块有很多的不确定性，因为它不光涉及降本增效的问题，还是涉及到监管问题，应用到业务层面是需要比较成熟的成果才能进行应用，因此应用也要关注到监管可能会形成的边界。成果落地产生效益空间的同时也要在监管许可范围之内进行继续探索。其实中国在AI客户触达领域在全世界也算是领先的，除去监管劣势，中国数字化进程比好多其他国家要领先，在银行层面也是在非常有限的局部范围当中在尝试相应的探索。
黄艾舟：我觉得目前大模型在金融机构的应用还是以内部应用为主，一些金融科技公司开发的深层次的大模型，产生比原来的知识图谱更可视化，或者更可对话的形式，包括智能营销和智能客服都是在 GPT 层面的应用，目前已有不少银行已经开始应用 GPT 的技术帮着进行代码优化或者代码代写等开发的辅助工作。
所以未来银行内部或者金融机构内部用大模型的人会越来越多，这部分的应用也会逐步成熟和开放起来。但对外确实是较复杂的问题，尤其是很多人想做所谓的智能投顾，但由于监管要求，比如理财师是需要有牌照的，因此机器的决策提议更多是对内的应用。现在国内外对GPT的探索仍然停留在语言模型上，对 GPT 多模态的探索仍不够，更不用说应用到推理能力上，或者智能风控和智能决策上，在短期内还是不太容易具备的。
目前受算力的制约严重，很难真正意义上训练出大模型，并且金融机构又涉及到大量的数据信息安全，所以真正的大模型应用有待观察，目前来说还是以内部赋能、减负为主，然后慢慢拓展。
AI不是打破内卷，它会让银行更卷
胡润峰：您认为 AI 的应用是否能够打破银行内卷的现状？您对银行业通过技术打破内卷有什么建议？
曾刚：我的观点是AI不是打破内卷，它会让银行更卷，AI 的应用会让所有的行业会变得更加卷。降本增效的目的就是卷，所以 AI 只会让人更卷，关于悲观预测，高盛年前的报告提到未来大概 30% 以上的金融行业的岗位可以被 AI 所替代，所以我们在运用 AI 提高效率的同时，也让大量的岗位的员工工作变得没有价值，这是客观存在的现实。
技术一方面会降本增效，会让某些领域变得更加卷，包括客服领域、智能投顾领域等，理论上来讲，现在很多客户经理是可以被智能投顾在很大程度上协同的。虽然从监管层面看是很难实现替代的，但是理论上来讲，我认为是没有什么是不可以替代的。从长远看，这意味着这些领域现有的人力供给是过剩的，当然也不代表银行不需要人才，而是它需要其他领域的人才，一方面是技术人才，但是除了技术以外，可能还有和 AI 能够更好的协同的人才。这意味着尽管AI替代了一些人，但最终还是要和其他一些人进行合作，但它并不能完全独立，因此未来相当长一段时间内人机协作仍是未来非常重要的模式。因此能够很好驾驭和引导AI 的人才可能会变得非常重要，这类人才可能需要的性质比较复杂，不光是技术人才，还包括在场景应用当中将场景应用需要和 AI 能力相结合，将AI 的能力很好地输入到产品当中解决问题。
另一方面客户服务端其实是可以打破内卷的，如果把AI运用到外部开拓市场，有可能就不那么卷了，因为把蛋糕做得更大了。怎么用 AI 更好地识别客户，触达客户，创造更好的风控环境，从而拓展可能性边界，我觉得这很大的发展空间。今天我们大量技术运用进入到一些场景中探索潜在业务，这也是我们的未来，但它的模式和今天的模式会完全不同，所以想要打破内卷，首先是要对外，一方面是怎样更好地应用技术本身，另一方面可能涉及到客户市场端的监管；第二在内部方面可以实现内部结构的调整，去适应 AI 应用之后的状态，这也意味着银行内部的管理架构和形态在未来可能会发生巨大的变化，一个业务点上的专业人才会越来越少，通才会越来越多。
黄艾舟：尽管生成式 AI 时代已经到来，但是AI的应用其实还没有特别多，随着 AI 开始改变我们生活的方方面面，银行相应的业务也会产生改变，所以它带来的是范式的改变。比如小贷，在线上贷款出来之前，通常客户经理觉得人手不够，或者大行并不愿意做小额贷款，但现在随着线上贷款出现，所有人都可以做小额普惠贷款了。同时大家也都在用智能风控，但其实智能风控的应用又带来同样的问题，它每天能产生出很多很多的线索，每一个线索都需要人工再去排查是否是真实的线索，所以AI 会带来类似的冲击和变化，并且这个冲击和变化目前是很难预测的，它一定是将某些工作岗位替代了，同时又催生新的工作岗位以及新的能力。也许未来人与人交流会变得更重要了，而不是现在全部都扔给机器去做风控排查，因此我相信大多数人仍然觉着金融的服务对象或者服务能力还有挖掘的空间，未来将是一个新的形态的变化，它会在不同层面开始卷。
科技不是投入越多越好，以客户为中心来考量技术的应用
胡润峰：金融科技在大型银行与中小银行之间发展极不平衡，未来二者差距是否会进一步拉大，您认为中小银行如何在金融科技快速发展的时代找到一席之地？
曾刚：首先科技不是投入越多越好，也不是说技术越先进越好。它有一个很重要的特点，银行业说到底是服务业，所以它还是以客户为中心来考量技术的应用，对于银行来说，得到客户的认可，并转化成可盈利的商业模式，对银行来讲才是成功的。
所以我要纠正一个错误的印象，大银行的金融科技一定是领先的，或许大银行花的钱更多，但科技并不一定是领先的。因为不同的银行的客群是不一样的，比如某些农商行的客群是以老年人为主，以线下为主，那研发那么多人工智能，并且投入很大，并不能产生很大的效益，这种模式在商业上和战略上是不可持续的，所以以客户为中心得适当数字化转型才是合适的，因此不同银行区分自己的目标客群需求是非常重要。如果有线下客户需要，这时候我线上化或者科技投入并不一定收效好，技术还是要以能解决问题最好。
所以在现阶段小银行不要慌，不会因为投不起科技或者投的比别人少就弱，要看客户买不买单，如果现在的状态客户满意就是没问题的。如果客户觉得有些东西银行确实要改进，再根据客户的需求进行调整，当然客群有各种各样的客群，有个人、小微企业、地方政府等等，这些客群并不一定对科技有高度的需要。
所以我不认为大小银行二者差距会很大，我反倒觉得有些中型银行在金融科技方面可能会超过大银行。第一是中型银行是投得起钱的，第二是他们比较实际的，会根据自己的实际情况优化差异特色，而不需要面面俱到。
黄艾舟：小银行一定要有把握住自己的特性，如果一个中小银行的业务模式、客群、服务的打法去进行同质化的竞争，那未来他们的投入潜力肯定赶不上大银行，所以他们想要做区分，就是真的要以客户为中心，发展出自己的特色业务和特色探索。
第二，因为大模型是需要大量的算力和算法资源，那如果没有经济能力的话，这确实是很难的。比如四大行最终都会自己训练一个大模型，我觉得很可能最后的发展是这些大银行把自己的一些能力向中小银行去输出，就类似之前某大行的核心系统建完之后把一些能力往外输出。一方面小银行不用花太多钱去训练语料、买卡、堆算力，只需要根据特定的客群和特定的服务进行创新即可，这可能是大银行和中小银行之间各自的生存之道。
中外在加密资产和 WEB3领域投资差异巨大
胡润峰：据您观察，目前在金融科技方面，国内外发展路径有哪些差异，这种差异将如何演变？
曾刚：金融科技是融合在数字金融当中的，数字金融是中央金融工作会议提出的“五篇大文章”之一，金融科技是数字金融这篇大文章的重要内容。当然，需要注意的是，数字金融不光是技术，而是数字化形态的金融服务，核心就是要适应数字经济的发展。
中国数字化程度发展这么高，金融服务也要适应发展变化。传统的线下网点为支撑的银行服务模式显然无法匹配这种需求，必须得推动金融机构自身的数字化转型，在这个过程当中必然就会应用到所谓的金融科技，这是实现数字化转型的一种手段，是一种推动金融更好适应数字经济形态、提升服务质效的工具。总体上看，由于数字经济发展领先，对金融服务的数字化转型的需求也要比国外要迫切得多，因为不转型，就连客户都没有了，转型所需要的数字技术相当广泛，就各个层面上的应用而言，中国银行业的数字化转型应该是相对领先的，当然，这也会给监管层面带来更多的挑战挑战。
在巴塞尔资本协议中很多新型的模型是完全没有被考虑到的，我觉得中国正走在的没有其他国家走的道路上，这是否是正确的道路呢，在不停的探索方向中也面临了很多挑战，对机构自身有挑战，对监管有挑战，因为无处可学，但是这方面一旦做好了，对其他国家或者国际范围监管推动也是好事。
我觉得我国的发展主流模式是技术公司发挥重要的作用，在国外这种科技公司在对金融的影响没有中国这么明显，在这形成了完全不同的发展和路径。
黄艾舟：毕马威在全球范围内，每半年会出一个报告叫《金融科技脉搏》，这其实是每半年跟踪国际上 Fintech 的投资、融资情况，主要看钱往哪里流，以及Fintech各个子赛道的发展情况。
从2018年到现在的跟踪来看，可以比较明显的看到，中国的每一个赛道都差不多领先别人两三年。例如，2023年以来，国际上除了中国外，最多的投资仍然是投向了移动支付，但是从我们的体感上看，移动支付和 buy now pay later 可能已经是六七年前的事。中国很早就已经开始数字化转型，尤其是 2020 年以后，大量金融科技公司已经不是在做模式上的探索，而更多是帮着银行做数字化转型的赋能，成为银行的应用方案的解决商，这种在国际上叫 ToB 的服务。
ToB 的服务在 2024 年开始成为国际上一个投资热点。当然国内外还是有一些差异，主要在于国家的监管政策，国际上现在比较主流的Fintech投资方向是加密资产和 WEB3，而这个领域国内现在基本上处于停滞的状态。我觉得应该适度地重新呼吁或者评估一下这些交易资产，不用一刀切地完全不让做。
建立提前防控潜在风险的机制才能动态应对大模型可能产生的风险
胡润峰：金融科技带来了新的风险类型，如网络安全风险、算法风险等，金融机构应如何建立有效的风险管理体系来应对这些新风险？
曾刚：风险是客观存在的，从原则上来讲，为了保持创新，应该保持一个相对开放的心态，所以从监管部门角度出发，要紧跟国际发展前沿，比如比特币，根据国际发展的趋势，我们确实可以进行一些评估，以前我们认为它不应该进入到主流的金融体系当中来，但如果它真的是成为比黄金更重要的资产，由此形成了一些与之相对应的金融体系，如果我们不参与其中，就可能会失去了相应的影响力。对应的还会对金融安全等各种方面产生影响，所以必须要去适应这种变化。
首先，要保持一个相对开放的态度，从监管层面上也是这样的理念，要与时俱进，在保持开放的同时守住一些底线，在底线、基本原则的基础上去探索监管规则的优化，要允许机构在受控范围内进行尝试。
第二，回到银行的层面上，如果明确了方向的话，该做的基础投入还是要做，因为风险防控的一些底层理念以及涉及到相关的风险的防控需要在发展的过程当中去发现并发展。比如，AI 可能也会助推诈骗的升级，因此技术发展是会带来一些潜在风险的，特别欺诈风险和网络安全方面的风险，银行需要要做前期的规划，把一些重大的潜在风险放在可控范围之内。
第三，是要有灵活迭代的反应机制，在技术升级的背景下，新的风险防护与传统的风险防控的理念是完全不同的，传统的信用风险主要是面对信用风险，技术层面上的风险是前瞻的，很多东西都是无法评估的，只能通过机制体制的建设去完善。
黄艾舟：我们倡导做模型风险管理，把模型风险管理写到全面风险管理中，就是说在试用一个新技术或者新产品的时候，提前想好风险预警机制和预设机制。
中国是比较早开始监管沙盒运作的国家，但是据我观察这两年监管沙盒越来越有点雷声大雨点小了，哪怕是央行、证监会都在做，但是从入盒的项目到出盒的机制，再到最后的时效上，并没有特别好的利用监管沙盒机制。监管沙盒从整体层面去控制、提前预防风险是比较有效的机制，所以我觉得或许能够更有效地让金融机构和监管部门一起把沙盒机制有效地运行起来，成为防范新型风险的一个有效手段。
胡润峰：请您展望一下 2025 金融科技发展的几大趋势。
曾刚：把金融科技放到银行数字化转型的角度去看，我觉得内容会非常多。在业务层面上，首先是传统的客户需求在减弱，对于金融机构而言，需要聚焦五篇大文章，来积极拓展新的信贷投放方向。这需要我们对客户经理进行全面的技术赋能，拓展对重点领域的客户识别和评估能力。未来几年从机构角度看，都是从业务端、客户服务端以及所有围绕客户的方面进行展开，说到底还是通过技术赋能更好地去识别、洞察客户需求，触达客户，然后构建起全生命周期、全产业链的产品服务体系，在这个过程中，银行的中后端的数字化转型也会随之而深入。
黄艾舟：金融科技未来的九个趋势，这九个趋势分成三大部分，一个是关于技术底座，也就是基础设施部分，我们觉得2025 年会迎来 AI+agent更深入、更成熟的应用。在数据层面，可信数据空间的建设也会给很多的金融科技企业带来新的业务方向，而且可信数据空间建设已经是一个明确的规划， 2028 年要有 100 个，所以这对整体的数字金融的发展也会产生重大的影响。算法和数据之外，安全问题也不容忽视，2024 年也涌现了一些密态计算、代码疫苗等新型的安全技术。
第二大块是关于企业的，金融科技企业会延续出海热潮，出海可能从香港和东南亚进一步向南美甚至东欧扩展。从应用上，也从传统的互联网金融和支付开始往区块链、ToB 的基础设施的建设去发展。企业整体来看还是会面临经营上的一些困境，所以企业还是以保证正向的现金流为主。
第三个是应用端，在数据方面的应用，无论是可信数据空间，包括数据资产的进一步的深化应用，金融科技和产业数字化的双轮驱动会进一步加速，从传统的供应链金融会进一步往全产业链去做双轮驱动的优化配置。最后是加密资产或者国内的数字人民币应用，货币桥其实已经有了最简单的可行方案，所以我觉得数字人民币也有望在2025年得到进一步的拓展和应用。（本文首发于钛媒体APP，作者｜李婧滢，编辑｜刘洋雪）
更多宏观研究干货，请关注钛媒体国际智库公众号：
