观点文章

摘要：针对不同规模的银行，IBM 可提供差异化的 AI 解决方案

作者：陈剑，IBM大中华区金融行业架构师

全球银行业转型之路与中国银行业的机遇

根据 IBM 商业价值研究院最新发布的《2025 年全球银行和金融市场展望》报告，全球银行业正面临前所未有的挑战。利率波动、地缘政治紧张、以及金融科技公司带来的激烈竞争，使得传统银行的盈利能力承压。然而，挑战也伴随着机遇。报告指出，生成式 AI和人工智能 (AI) 将成为银行业转型升级的关键驱动力，为银行带来客户体验升级、运营效率提升、风险降低和 IT 基础设施现代化的潜力。

生成式 AI 在金融行业的现状与发展趋势

生成式 AI 在金融领域的应用已初露锋芒。从智能客服机器人、个性化金融建议，到自动化后台流程和风险评估，生成式 AI 正渗透到银行的各个环节。然而，如同《2025 年全球银行和金融市场展望》所揭示的，目前银行业对 生成式 AI 的应用仍处于试验阶段。2024 年，仅有 8% 的银行在全面性和系统性地开发和利用生成式 AI，而 78%的银行则采取的仍是战术性方法，进行小范围的试点和尝试。

最近，DeepSeek R1 模型的推出和开源，也为金融业注入了一剂强心剂。开源降低了 AI 技术的使用门槛，使更多中小型银行也能参与 AI 创新。然而，开源也带来新的挑战，例如如何保障数据安全，如何针对金融行业的特殊需求进行模型定制等。

IBM 的观点与解决方案

IBM 认为，银行需要采取一种战略性、负责任的 AI 部署方法。IBM 在 生成式 AI 领域的核心观点是：开放性、可信性、针对性和赋能性。

• 开放性 (Open): IBM 认为，银行不应该被单一的 AI 供应商锁定。IBM 的 watsonx.ai 平台提供多种模型选择，包括 IBM 自研花岗岩系列模型（Granite）、开源模型 (如 Llama，Mistral，和最新的DeepSeek R1) 以及与客户一起共同创建和调优的模型。这种开放性使得银行能够根据自身的需求和合规要求，灵活切换模型，避免受到单一厂商锁定和特定模型的限制。
• 可信性 (Trusted): 金融行业对 AI 的可信度要求极高。IBM的watsonx.governance AI 治理平台，能够帮助银行加强 AI 开发和使用的整个生命周期中的企业数据和信息安全。通过公平性扫描、数据追踪和实时合规检查，watsonx.governance 可帮助银行建立部署可信、可更新且符合法规的人工智能系统。
• 针对性 (Targeted): 银行业需要针对特定业务场景定制 AI 模型。IBM 提供了多个基于行业相关数据训练的基础模型，例如用于代码生成和现代化的模型、具有各种技能的 LLM 以及针对金融行业信息的模型。此外，IBM 还提供开源的 InstructLab 等模型微调技术和服务，帮助银行利用自身的数据训练出更具针对性、更加高效的 AI 模型。
• 赋能性 (Empowering): IBM 致力于赋能银行，使其能够掌控自己的 AI 转型。通过 watsonx.ai 平台，银行可以训练、微调、部署和管理 AI 模型，同时保留所创造价值的所有权。这种赋能性使得银行能够构建自己的 "AI 工厂"，加速创新周期，从简单任务的自动化转向复杂任务的自主决策、流程优化和行动 (Agentic AI)。

生成式 AI 的成功落地与实施，是一项复杂的系统性工程，其相关技术和能力建设必须遵循体系化方法进行推进。

IBM 可以通过以下产品和解决方案，帮助中国银行业利用好 AI 进行转型升级：

• watsonx.ai：企业级 AI 开发和运行平台，赋能金融新。 watsonx.ai 提供 AI 模型从训练到部署的全生命周期工具链，助力银行利用 Granite, Llama, DeepSeek R1 等模型，构建更强大的金融 AI 应用。
• watsonx.data：智能数据平台，夯实银行 AI 数据根基。 基于开放式湖仓架构，watsonx.data 帮助银行高效管理和分析数据，快速找到并准备 AI 模型训练所需数据，并支持向量数据库集成，为 AI 能力建设提供坚实的数据基础。
• watsonx.governance：可信赖的 AI 治理平台，助力银行 AI 应用合规、公平、透明。 watsonx.governance 协助银行建立完善 AI 治理体系，助力 AI 模型的使用合规，并兼顾公平性、透明性和可解释性的要求，降低 AI 风险。
• watsonx Code Assistant (WCA)：银行开发提效利器。 WCA 代码助手赋能银行开发人员，提升编程效率和应用现代化水平，加速软件开发进程，释放创新潜能。
• watsonx Orchestrate：银行智能自动化引擎。 作为 IBM 重点发展的 AI 智能体平台，watsonx Orchestrate 助力银行将 AI 能力深度融入业务流程，集成各类企业应用和系统，构建自动化工作流程，例如自动化客户服务、风险评估和 IT 运维等，提升运营效率和服务水平。

不仅如此，IBM 咨询顾问团队（IBM Consulting）更可为银行客户量身定制专业咨询服务，从 AI 战略制定、业务流程优化到技术人才培养，全方位护航银行 AI 转型之路。 IBM 科技团队（IBM Technology）则以领先的基础设施、软件及服务，为银行 AI 战略落地提供坚实可靠的技术保障。

针对不同规模的银行，IBM 提供以下差异化的 AI 解决方案：

• 大型银行: 大型银行通常拥有更丰富的数据和更强的技术实力，可以利用 watsonx 平台，构建自己的 "AI 工厂"，进行 AI 模型的自主研发和定制。
• 中型银行: 中型银行可以与 IBM 合作，利用 IBM 提供的基础模型和微调服务，快速构建适合自身业务场景的 AI 应用。
• 小型银行: 小型银行可以采用 IBM 提供的 SaaS 化的 AI 服务，实现快速试验和落地，降低 AI 的使用门槛和成本。

对中国银行业客户深入使用 AI 的行动建议

基于上述分析和 IBM 的观点，我们为中国的银行业客户在深入使用AI技术方面提出以下建议：

1. 制定 AI 战略，锚定转型目标： 银行需从战略高度重视 AI，确立清晰的转型目标，并使其与自身业务发展战略深度融合。
2. 加强数据治理，夯实 AI 基础: 数据是 AI 的基石。银行需要建立完善的数据治理体系，确保数据的质量、安全和合规。
3. 采用混合云战略，灵活部署AI应用: 结合不同落地场景的实际情况，采用不同的部署架构，在满足业务需求的同时，满足安全和合规要求。
4. 拥抱开源，积极参与 AI 社区: 开源是 AI 技术发展的重要推动力。银行应该积极拥抱和利用好开源软件，积极参与 AI 开源社区，学习和借鉴开源 AI 技术的经验，共同推动金融 AI 的发展。
5. 关注 AI 伦理，确保 AI 的公平、透明和可解释: AI 的发展不能以牺牲安全和伦理为代价。银行需要关注 AI 伦理问题，确保 AI 的使用公平、透明和可解释，避免造成歧视和不公正。
6. 加强人才培养，构建 AI 人才梯队: AI 的发展离不开人才的支撑。银行需要加强 AI 人才的培养，构建一支既懂金融又懂 AI 的复合型人才队伍。

共商生成式 AI 赋能金融业之大计

生成式 AI 正在重塑银行业。机遇与挑战并存，唯有积极拥抱 AI，才能在激烈的市场竞争中脱颖而出。我们诚挚邀请您参加 IBM 近期即将举行的面向金融行业客户的线上技术论坛，共同探讨生成式 AI 赋能金融业的战略与实践。让我们携手合作，共商生成式 AI 赋能金融业大计，共同开创中国银行业更加美好的未来！（完）

作者简介：陈剑，IBM 大中华区科技事业部金融行业架构师，资深 IT 专家。  深耕 IT 行业二十余载，积累了涵盖技术产品研发、解决方案架构、团队管理等领域的丰富经验。尤其在银行及金融行业拥有超过15年的深入服务经验，精通银行系统构建、方案设计、应用开发、服务交付及团队领导，并曾担纲多个关键项目的技术负责人和团队领导者。

点击“阅读原文”，即刻注册 3月13日 线上直播
https://umdop.xetlk.com/sl/12Yzyk