浙商ZQ銀行行業(yè)報(bào)告：ChatGPT如何改變銀行業(yè)

分析師分析師郵箱郵箱電話電話S1230520010003證書編號(hào)證書編號(hào)研究助理證券研究報(bào)告行業(yè)評(píng)級(jí)：看好2023年3月7日ChatGPT如何改變銀行業(yè)？摘要21、什么是ChatGPT？ChatGPT是什么？是將神經(jīng)網(wǎng)絡(luò)算法中的Transformer模型從理論變?yōu)楝F(xiàn)實(shí)的劃時(shí)代應(yīng)用。ChatGPT強(qiáng)在哪？①算力強(qiáng)數(shù)據(jù)多。近4年，GPT歷代模型的開發(fā)和訓(xùn)練得到了微軟在資金（110億美元）和算力（打造世界第五超級(jí)計(jì)算機(jī)）上的強(qiáng)力支持，目前能夠處理千億級(jí)參數(shù)，訓(xùn)練百TB級(jí)數(shù)據(jù)。②訓(xùn)練模式領(lǐng)先。前三代GPT均采取無人參與的預(yù)訓(xùn)練機(jī)制，ChatGPT新增人類反饋強(qiáng)化訓(xùn)練。③開生成式先河。以算力和訓(xùn)練數(shù)據(jù)為支撐，ChatGPT能夠準(zhǔn)確理解各類問題，給予具有一定邏輯的開放式回答；還能夠與提問者進(jìn)行連續(xù)對(duì)話，不斷修正給出的答案，這是前所未有的語言理解和表達(dá)能力。潛在價(jià)值巨大，未來ChatGPT技術(shù)與其他人工智能技術(shù)耦合，徹底改變?nèi)斯ぶ悄苌鷳B(tài)的可能性極大。ChatGPT缺陷是？①語料來源：語料不夠充分或完全未覆蓋的空白領(lǐng)域，ChatGPT很可能會(huì)給出誤導(dǎo)性內(nèi)容；與Bing搜索引擎耦合后，回答問題的準(zhǔn)確性是否收到搜索引擎數(shù)據(jù)的干擾有待觀察。②運(yùn)營(yíng)成本：ChatGPT運(yùn)營(yíng)及訓(xùn)練成本高企，恐將制約未來發(fā)展。③道德風(fēng)險(xiǎn)：無法避免ChatGPT故意提供虛假或提供帶有攻擊性的答案。2、如何改變銀行業(yè)？機(jī)遇與挑戰(zhàn)：①銀行客服，對(duì)于客服、催收等人工的替代，與ChatGPT關(guān)聯(lián)最直接，或?qū)㈤_啟深度智能化階段。②業(yè)務(wù)前端：

對(duì)于財(cái)富管理、小微客戶、個(gè)人消費(fèi)貸款等標(biāo)準(zhǔn)化產(chǎn)品，客戶識(shí)別有望進(jìn)一步細(xì)化，產(chǎn)品匹配有望更加精準(zhǔn)。③業(yè)務(wù)中端：諸如授信報(bào)告、審批報(bào)告、貸后管理報(bào)告等強(qiáng)格式性案頭工作，如能以ChatGPT替代，可有效提高運(yùn)營(yíng)效率。④科技基礎(chǔ)：銀行投入人工智能相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運(yùn)轉(zhuǎn)及數(shù)據(jù)計(jì)算的算力資源。合規(guī)與成本：①數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性，應(yīng)用技術(shù)須考慮本地化、私有化部署模式。②系統(tǒng)穩(wěn)定：銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運(yùn)行，這在經(jīng)營(yíng)中存在很大風(fēng)險(xiǎn)。③成本投入：無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。3、哪些銀行有機(jī)會(huì)？在金融科技持續(xù)投入資源的銀行。①科技人員：披露數(shù)據(jù)的21家上市銀行科技隊(duì)伍總?cè)藬?shù)11.6萬人，占從業(yè)總?cè)藬?shù)的5%；工行在絕對(duì)人數(shù)上一枝獨(dú)秀達(dá)3.5萬人以上，浦發(fā)、招行、工行科技人員占比最高。②科技投入：披露數(shù)據(jù)的24家上市銀行中科技投入近1600億元，占營(yíng)收的3%。四大行在科技投入絕對(duì)規(guī)模占有優(yōu)勢(shì)；長(zhǎng)沙、平安、招行科技投入營(yíng)收占比最高。4、風(fēng)險(xiǎn)提示：ChatGPT相關(guān)技術(shù)理念及技術(shù)路徑出現(xiàn)質(zhì)變，或被新技術(shù)替代；銀行科技投入產(chǎn)出效能或不及預(yù)期。目錄C

O

N

T

E

N

T

S3什么是ChatGPT？是什么？

|

強(qiáng)在哪？

|

缺陷是？如何改變銀行業(yè)？機(jī)遇與挑戰(zhàn)

|

合規(guī)與成本哪些銀行有機(jī)會(huì)？科技人員

|

科技投入01020304風(fēng)險(xiǎn)提示什么是ChatGPT？401是什么？強(qiáng)在哪？缺陷是？1.1ChatGPT是具有劃時(shí)代意義的自然語言處理模型數(shù)據(jù)來源：浙商證券研究所整理。代表應(yīng)用示例說明Eliza（1966）Alice（1995）某些網(wǎng)站客服仍適用這一模式。例如，將“退貨”設(shè)置為關(guān)鍵詞，綁定回答：?jiǎn)枺赫?qǐng)問退貨該如何辦理？答：如確認(rèn)退貨，請(qǐng)點(diǎn)擊“退貨”鏈接。SmartChild（2001）SmarterChild

是最早集成到即時(shí)通訊平臺(tái)的聊天機(jī)器人之一（AOL、MSN等），并迅速引起轟動(dòng)，體驗(yàn)與早期Siri接近。ChatGPT是什么？自然語言處理，是人工智能最基礎(chǔ)的領(lǐng)域?！皥D靈測(cè)試”作為人工智能的理論開端，其所提出的驗(yàn)證標(biāo)準(zhǔn)，即在人與機(jī)器的問答中，如果人無法判斷對(duì)方是人還是機(jī)器，則可判定機(jī)器具有人類智能。為了通過“圖靈測(cè)試”，人類的探索大致可分為三個(gè)階段：模式匹配：（1960s-90s）設(shè)置關(guān)鍵詞與答案之間的線性匹配關(guān)系，如果提問者觸發(fā)關(guān)鍵詞，則向其提供已經(jīng)預(yù)設(shè)好的答案。機(jī)器學(xué)習(xí)：（2000s）不再預(yù)先設(shè)置關(guān)鍵詞與標(biāo)準(zhǔn)答案，而是向機(jī)器提供大量歷史資料，由機(jī)器自主總結(jié)規(guī)律、進(jìn)行會(huì)話。神經(jīng)網(wǎng)絡(luò)：（2010s至今）屬于機(jī)器學(xué)習(xí)的進(jìn)化分支。原理上是通過建模來模擬人類大腦100億個(gè)神經(jīng)元的結(jié)構(gòu)。在2017年以前，主流模型為循環(huán)神經(jīng)網(wǎng)絡(luò)模型（RNN），處理語言時(shí)需要嚴(yán)格遵循語言的先后順序，無法并行計(jì)算且容易出現(xiàn)長(zhǎng)句語義理解困難等問題；2017年，Transformer模型被提出，它是對(duì)句子中的所有單詞進(jìn)行計(jì)算，算出詞與詞之間的相關(guān)度，可以同時(shí)學(xué)習(xí)大量文本。ChatGPT（結(jié)尾的“T”即指Transformer），就是將這一模型從理論變?yōu)楝F(xiàn)實(shí)的劃時(shí)代應(yīng)用。模式匹配 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)5RNN廣泛應(yīng)用于翻譯軟件TransformerChatGPTRNN與Transformer模型的差別之一可以理解為：對(duì)于同樣一個(gè)英譯中任務(wù)，A

magazine

is

stuck

in

the

gunRNN

模型需要遵循單詞出現(xiàn)的先后順序，

逐詞理解和計(jì)算，

當(dāng)“

gun

”

出現(xiàn)后，“magazine”才可以被準(zhǔn)確理解為“彈夾”。如果句子太長(zhǎng)，前后關(guān)聯(lián)可能會(huì)失敗。Transformer模型關(guān)注的是每個(gè)單詞與句子中其他單詞的關(guān)系，可以同步進(jìn)行多詞、多篇學(xué)習(xí)。同時(shí)，模型根據(jù)重要性和相關(guān)性程度，為詞語賦予不同權(quán)重，使得重要詞語能夠獲得較高權(quán)重，如此則即使在長(zhǎng)文本中，也不會(huì)將重要信息丟失。1.26ChatGPT的強(qiáng)算力與大數(shù)據(jù)數(shù)據(jù)來源：浙商證券研究所根據(jù)新浪財(cái)經(jīng)、IT技術(shù)精華、澎湃報(bào)道整理。ChatGPT強(qiáng)在哪？ChatGPT最終爆火，離不開算力和數(shù)據(jù)量的持續(xù)升級(jí)。模型實(shí)質(zhì)：所謂語言模型，實(shí)質(zhì)是對(duì)詞語序列的概率相關(guān)性建模，即對(duì)方說完一句話或一段話后，判斷大概率繼續(xù)出現(xiàn)的內(nèi)容是什么。既然是概率相關(guān)性，自然是“大力出奇跡”，樣本越大，結(jié)果就越準(zhǔn)確。同時(shí)，樣本越大也自然就意味著對(duì)算力和資金的消耗，從初代GPT到最終爆火的ChatGPT，模型并未發(fā)生實(shí)質(zhì)改變，改變的是持續(xù)增長(zhǎng)的資源投入。算力支持：2019年，微軟為OpenAI（GPT開發(fā)公司）打造了一臺(tái)全球排名第五的超級(jí)計(jì)算機(jī)，擁有超過28.5萬個(gè)CPU核心，

1萬個(gè)GPU，每個(gè)GPU服務(wù)器的網(wǎng)絡(luò)連接能力為400Gb/s，支持GPT模型從初版的12個(gè)Transformer層進(jìn)化到當(dāng)下超過96個(gè)Transformer層，可以理解為有更多的Transformer層就能夠在語言與語言之間構(gòu)建更復(fù)雜的邏輯聯(lián)系。數(shù)據(jù)規(guī)模：GPT模型處理的參數(shù)量從初代的億級(jí)成長(zhǎng)到今天的千億級(jí)，預(yù)訓(xùn)練數(shù)據(jù)量從GB級(jí)上升到百TB級(jí)。融資情況：如此規(guī)模的算力與數(shù)據(jù)必然需要巨額資金的支持，近4年，OpenAI從微軟總計(jì)獲得融資110億美元。版本發(fā)布時(shí)間Transformer層數(shù)參數(shù)量預(yù)訓(xùn)練數(shù)據(jù)量GPT-12018年6月121.17億約5GBGPT-22019年2月4815億40GBGPT-32020年5月961750億45TBChatGPT2022年11月96+？千億級(jí)？百TB級(jí)？1.2ChatGPT自主+人類反饋強(qiáng)化訓(xùn)練數(shù)據(jù)來源：浙商證券研究所整理。ChatGPT強(qiáng)在哪？GPT通過自主訓(xùn)練充分發(fā)揮模型在效率上的優(yōu)勢(shì)，同時(shí)在ChatGPT版本中增加人類反饋強(qiáng)化機(jī)制，使其結(jié)果更貼近人類想法。自主訓(xùn)練：GPT-1到GPT-3，采用的都是GPT自主訓(xùn)練模式。所謂自主訓(xùn)練，近似于人類考試中的“完形填空”題目，即把一個(gè)完整文本的一部分遮住，GPT基于已學(xué)習(xí)結(jié)果進(jìn)行推測(cè)，再與正確答案進(jìn)行擬合的過程。自主訓(xùn)練過程，配合Transformer

模型下強(qiáng)大的并行計(jì)算能力，能夠高效完成超大數(shù)據(jù)量的學(xué)習(xí)和訓(xùn)練，這也是GPT表現(xiàn)優(yōu)于其他模型的原因。人類反饋：GPT-3版本上線時(shí)，已經(jīng)頗受業(yè)內(nèi)人士認(rèn)可，但并未出圈。ChatGPT此次能夠破圈，與其采用對(duì)話聊天模式不無關(guān)系。相應(yīng)地，在訓(xùn)練中增加人類反饋強(qiáng)化機(jī)制，對(duì)真實(shí)性、無害性和有用性進(jìn)行評(píng)估。示例春眠不覺曉，（

）自主訓(xùn)練人類反饋基于語料庫自主學(xué)習(xí)，可能會(huì)存在兩個(gè)或多

個(gè)矛盾結(jié)果，模型無法自行判斷正誤：處處聞啼鳥處處蚊子咬對(duì)結(jié)果進(jìn)行判斷和調(diào)整：√×訓(xùn)練語料71.2ChatGPT將語言處理推向生成式時(shí)代，潛在價(jià)值巨大數(shù)據(jù)來源：浙商證券研究所整理。ChatGPT強(qiáng)在哪？憑借超強(qiáng)算力，基于超大數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，ChatGPT首次展示了強(qiáng)大的綜合性語言材料生成能力。決策式AI：所謂決策式AI，即根據(jù)對(duì)歷史概率的歸納給出是或否的決策；而生成式AI則需要給人力提供綜合式的信息輸出。生成式AI：ChatGPT是第一個(gè)功能如此強(qiáng)大的綜合性文字生成式AI，它能夠準(zhǔn)確理解提問者的問題，收集材料后轉(zhuǎn)化為具有一定邏輯的信息輸出，它還能夠與提問者進(jìn)行連續(xù)對(duì)話，根據(jù)增量信息給出更準(zhǔn)確回答，這是前所未有的語言理解和表達(dá)能力。生成式AI VS處理簡(jiǎn)答題決策式AI處理選擇題邏輯知識(shí)信息數(shù)據(jù)81.2ChatGPT將語言處理推向生成式時(shí)代，潛在價(jià)值巨大按技術(shù)場(chǎng)景劃分AIGC內(nèi)容分為數(shù)據(jù)來源：浙商證券研究所整理。9語言指令打破場(chǎng)景邊界音頻圖像視頻ChatGPT強(qiáng)在哪？語言即為指令，ChatGPT與其他領(lǐng)域人工智能技術(shù)的耦合，或?qū)⑼耆_啟人工智能的新時(shí)代。ChatGPT+Whisper：OpenAI已經(jīng)通過提供ChatGPT和Whisper的收費(fèi)API接口，Whisper是OpenAI開發(fā)的語音處理工具，

如將ChatGPT和Whisper功能進(jìn)行耦合，可以得到無障礙的語言交流工具。所謂的語言，就是指令體系。隨著指令體系的智能化，一切智能工具之間的邊界或?qū)⒅饾u模糊，人類與智能工具的關(guān)系或?qū)氐赘淖?，AIGC（AI生產(chǎn)內(nèi)容）的時(shí)代將加速到來。文本 虛擬人游戲策略跨模態(tài)1.3數(shù)據(jù)來源：浙商證券研究所整理。10ChatGPT有哪些潛在挑戰(zhàn)？ChatGPT缺陷是？ChatGPT風(fēng)頭一時(shí)無兩，其潛在挑戰(zhàn)在于語料庫的范圍及準(zhǔn)確性、運(yùn)營(yíng)成本高及回答的道德風(fēng)險(xiǎn)等問題。語料來源：ChatGPT本質(zhì)上仍是一個(gè)基于有限語料范圍的概率歸納模型，它并不能對(duì)未知的事情像人類那樣做常識(shí)性推演。與相關(guān)領(lǐng)域語料不夠充分或完全未覆蓋的領(lǐng)域，ChatGPT很可能會(huì)給出誤導(dǎo)性內(nèi)容；另外，微軟計(jì)劃將GPT-4與Bing搜索引擎深度耦合，搜索引擎龐雜的數(shù)據(jù)是否會(huì)對(duì)GPT-4的學(xué)習(xí)和訓(xùn)練帶來負(fù)面干擾，仍需觀察。運(yùn)營(yíng)成本：據(jù)報(bào)道，目前ChatGPT一次模型底座的訓(xùn)練需要500萬美元的算力成本，在運(yùn)營(yíng)過程中需要大量的算力支持其訓(xùn)練和部署。GPT-4與Bing耦合后，滿足來自搜索引擎的搜索需求需要更大量的資源投入，如不解決成本問題恐將制約未來發(fā)展。道德風(fēng)險(xiǎn)：即使引入人類反饋，也不能100%避免ChatGPT故意提供虛假答案或回答帶有攻擊性的答案。如何改變銀行業(yè)？1102機(jī)遇與挑戰(zhàn)合規(guī)與成本2.112機(jī)遇與挑戰(zhàn)：主動(dòng)革新？被顛覆？數(shù)據(jù)來源：浙商證券研究所整理。該如何理解ChatGPT可能會(huì)帶來的潛在變革？像很多人擔(dān)心的那樣，會(huì)有大量工作被替代掉嗎？ChatGPT的顛覆，本質(zhì)上是人類生產(chǎn)力工具的再一次重大升級(jí)。就像過去三百年先后有蒸汽機(jī)和電被發(fā)明出來一樣，固然有被這些新的生產(chǎn)力工具替代掉的人，也有更多的人利用新的工具創(chuàng)造了更多的財(cái)富。駕馭或是被替代，只在一念之間。銀行也是一樣，ChatGPT是一次機(jī)會(huì)，一次全面升級(jí)流程的機(jī)會(huì)；錯(cuò)過則將是挑戰(zhàn)，看著其他機(jī)構(gòu)提高效率的挑戰(zhàn)。從銀行客服開始，無論是業(yè)務(wù)前臺(tái)還是中后臺(tái)，各項(xiàng)流程都有用ChatGPT重做一遍的潛力。銀行客服：對(duì)于客服、催收等人工的替代，與ChatGPT關(guān)聯(lián)最直接，銀行應(yīng)用最廣泛，或?qū)㈤_啟深度智能化階段。業(yè)務(wù)前端：對(duì)于財(cái)富管理、小微客戶、個(gè)人消費(fèi)貸款等標(biāo)準(zhǔn)型產(chǎn)品，客戶識(shí)別有望進(jìn)一步細(xì)化，產(chǎn)品匹配有望更加精準(zhǔn)。業(yè)務(wù)中端：諸如授信報(bào)告、審批報(bào)告、貸后管理報(bào)告等強(qiáng)格式性案頭工作，如能以ChatGPT替代，可有效提高運(yùn)營(yíng)效率。科技基礎(chǔ)：銀行投入人工智能相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運(yùn)轉(zhuǎn)及數(shù)據(jù)計(jì)算的算力資源。2.1銀行客服：與ChatGPT關(guān)聯(lián)最直接，或?qū)㈤_啟深度智能化階段數(shù)據(jù)來源：公司公告，浙商證券研究所整理。智能客服機(jī)遇與挑戰(zhàn)諸如銀行客服、不良催收等需要與客戶進(jìn)行溝通的內(nèi)容可預(yù)期、重復(fù)規(guī)律性強(qiáng)的客戶交流性工作，與ChatGPT的特點(diǎn)最為契合。適用范圍：銀行客戶、不良催收等。現(xiàn)有實(shí)踐：①工商銀行：2021年，利用數(shù)字人、智能問答、語音等交互技術(shù)，在客戶服務(wù)前臺(tái)、業(yè)務(wù)運(yùn)營(yíng)后臺(tái)等領(lǐng)域加大應(yīng)用“機(jī)器換人”，落地

600+具有數(shù)字員工屬性的智能應(yīng)用場(chǎng)景。②平安銀行：2022年上半年，AI平臺(tái)新增模型1,080個(gè)，客服機(jī)器人場(chǎng)景每日對(duì)話量達(dá)60萬次，問題解決率超90%。③招商銀行：2022年上半年，AI智能客服、語音質(zhì)檢、智能審錄、海螺RPA（機(jī)器人流程自動(dòng)化）等共實(shí)現(xiàn)人力替代超過10,000人。未來前景：ChatGPT的成功為已經(jīng)部署人工智能客服的銀行提供了優(yōu)化模型、提高智能化水平的方向。預(yù)計(jì)這一類業(yè)務(wù)都將開啟深度使用更加成熟人工智能客戶工具的階段。新智能客服基于Transformer模型的架構(gòu)、數(shù)據(jù)及訓(xùn)練方式升級(jí)132.114業(yè)務(wù)前端：客戶識(shí)別及產(chǎn)品匹配有望進(jìn)一步細(xì)化數(shù)據(jù)來源：公司公告，浙商證券研究所整理。機(jī)遇與挑戰(zhàn)諸如財(cái)富管理這類標(biāo)準(zhǔn)化程度較高的業(yè)務(wù)，可以利用ChatGPT的數(shù)據(jù)分析能力，細(xì)分客戶標(biāo)簽，提高產(chǎn)品推薦匹配度。適用范圍：財(cái)富管理、小微客戶、個(gè)人消費(fèi)貸款等標(biāo)準(zhǔn)化程度較高的業(yè)務(wù)?，F(xiàn)有實(shí)踐：①平安銀行：2022年上半年，AI

客戶經(jīng)理累計(jì)上線超

1,400

個(gè)場(chǎng)景，上半年月均服務(wù)客戶較

2021

年月均水平增長(zhǎng)

63.2%。②招商銀行：2021年，招商銀行推出智能財(cái)富助理“AI小招”，基于大數(shù)據(jù)技術(shù)，通過知識(shí)沉淀與機(jī)器訓(xùn)練，實(shí)現(xiàn)更懂客戶和產(chǎn)品，為客戶提供收益查詢、漲跌分析、市場(chǎng)熱點(diǎn)解讀、產(chǎn)品推薦、資產(chǎn)配置建議等財(cái)富管理綜合服務(wù)。未來前景：將客群更加細(xì)分，需求挖掘更加細(xì)化，產(chǎn)品需求匹配更加精準(zhǔn)?？蛻纛檰柖素?cái)富

資產(chǎn)管理端管理用戶產(chǎn)品引流、獲客評(píng)估客戶的需求及風(fēng)險(xiǎn)偏好提出投資策略、資產(chǎn)配置建議交易執(zhí)行再平衡風(fēng)險(xiǎn)管理前臺(tái)業(yè)務(wù)后臺(tái)業(yè)務(wù)中臺(tái)業(yè)務(wù)用戶畫像智能推薦系統(tǒng)、個(gè)性化資產(chǎn)配置智能投顧、機(jī)器人客服算法交易自動(dòng)實(shí)現(xiàn)最有動(dòng)態(tài)配置智能風(fēng)控營(yíng)銷推廣輔助生成營(yíng)銷文案、宣傳稿件等品牌業(yè)務(wù)ChatGPT賦能2.1業(yè)務(wù)中端：案頭工作AI替代，業(yè)務(wù)運(yùn)轉(zhuǎn)效率有望提升機(jī)遇與挑戰(zhàn)諸如授信報(bào)告、審批報(bào)告等業(yè)務(wù)中后段強(qiáng)格式性的案頭工作，ChatGPT潛在替代性較高。適用范圍：授信報(bào)告、審批報(bào)告、貸后管理報(bào)告等強(qiáng)格式性案頭工作?，F(xiàn)有實(shí)踐：基于語言生成技術(shù)的應(yīng)用目前暫無先例，仍有待探索。未來前景：對(duì)于對(duì)公營(yíng)銷、授信審批等崗位人員來說，工作中有很大一塊時(shí)間被消耗在諸如授信報(bào)告、審批報(bào)告、貸后管理報(bào)告這些格式性很強(qiáng)案頭材料的撰寫上，占用了本可產(chǎn)生更大價(jià)值的客戶營(yíng)銷、調(diào)研等工作時(shí)間。ChatGPT對(duì)于這一類主要可利用外部公開信息完成的強(qiáng)格式性報(bào)告具有天然的適配性，如果能夠?qū)崿F(xiàn)替代，展業(yè)效率預(yù)計(jì)能夠?qū)崿F(xiàn)較大幅度的提高。50%50%營(yíng)銷 案頭數(shù)據(jù)來源：公司公告，浙商證券研究所整理。80%20%營(yíng)銷 案頭152.116科技基礎(chǔ)：基礎(chǔ)設(shè)施重構(gòu)，算力需持續(xù)投入數(shù)據(jù)來源：浙商證券研究所根據(jù)公開新聞報(bào)道、公司公告整理。機(jī)遇與挑戰(zhàn)正如ChatGPT成功的基礎(chǔ)一樣，銀行投入相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運(yùn)轉(zhuǎn)及數(shù)據(jù)計(jì)算的算力資源。適用范圍：銀行科技基礎(chǔ)設(shè)施建設(shè)?，F(xiàn)有實(shí)踐：近幾年我國(guó)主流商業(yè)銀行大多推動(dòng)了“系統(tǒng)上云”計(jì)劃，相應(yīng)地將原本的主機(jī)架構(gòu)轉(zhuǎn)為有若干服務(wù)器組成的云架構(gòu)。在這一轉(zhuǎn)型中，大多數(shù)銀行已經(jīng)初步具備了算力基礎(chǔ)，但要在人工智能領(lǐng)域做出突破性創(chuàng)新，仍需要在看清方向后對(duì)算力資源

的持續(xù)投入。比較具有代表性的銀行基礎(chǔ)設(shè)施轉(zhuǎn)型情況如下：①建設(shè)銀行：率先實(shí)現(xiàn)“多專區(qū)多地域多技術(shù)棧多芯”布局，提

供標(biāo)準(zhǔn)算力規(guī)模超

20

萬臺(tái)云服務(wù)器，整體規(guī)模和服務(wù)能力保持同業(yè)領(lǐng)先。②招商銀行：上云后可支持的應(yīng)用更多，單位算力成本大幅下降。以信用卡為例，招行信用卡業(yè)務(wù)上云后，業(yè)務(wù)成本約節(jié)省了60%，算力提升了10倍。未來前景：人工智能的突破需要強(qiáng)大基礎(chǔ)設(shè)施支撐，仍需持續(xù)投入及探索。機(jī)構(gòu)科技基礎(chǔ)設(shè)施建設(shè)情況工商銀行強(qiáng)化云平臺(tái)推廣實(shí)施，規(guī)模持續(xù)保持同業(yè)領(lǐng)先，強(qiáng)化分布式技術(shù)體系的日均服務(wù)調(diào)用量超過

150

億次農(nóng)業(yè)銀行計(jì)算資源云化率達(dá)到91%郵儲(chǔ)銀行零售端已完成190個(gè)系統(tǒng)的私有云平臺(tái)部署中信銀行基礎(chǔ)設(shè)施云化率達(dá)到99.7%平安銀行基礎(chǔ)設(shè)施云化率和運(yùn)維自動(dòng)化率均超過90%光大銀行業(yè)務(wù)應(yīng)用系統(tǒng)上云率接近90%2.217合規(guī)與成本：十字路口上的最大考驗(yàn)數(shù)據(jù)來源：浙商證券研究所整理。在當(dāng)前中美科技競(jìng)爭(zhēng)大背景下，中國(guó)商業(yè)銀行想要直接適用諸如ChatGPT這樣高度依賴大數(shù)據(jù)支撐的技術(shù)，存在較大障礙和風(fēng)險(xiǎn)。從成本和收益的角度來看，無論是接入API還是自主開發(fā)類似功能，均存在成本與收益的不確定性。數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性，應(yīng)用技術(shù)須考慮本地化、私有化部署模式。系統(tǒng)穩(wěn)定：銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運(yùn)行，這在經(jīng)營(yíng)中存在很大風(fēng)險(xiǎn)。成本投入：無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。2.2數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性數(shù)據(jù)來源：浙商證券研究所根據(jù)公開新聞報(bào)道整理。本地化、私有化服務(wù)器運(yùn)行ChatGPT本地?cái)?shù)據(jù)、私有數(shù)據(jù)合規(guī)與成本銀行擁有的數(shù)據(jù)具有高度的隱私性和敏感性，直接應(yīng)用開源第三方技術(shù)存在一定隱患。主要障礙：①客戶隱私：使用ChatGPT可能會(huì)涉及個(gè)人信息的收集、使用和披露，需要遵守相關(guān)法律法規(guī)的規(guī)定并獲得客戶的授權(quán)。②銀行隱私：銀行的數(shù)據(jù)不僅涉及客戶隱私，還涉及自身的商業(yè)秘密，在使用開源第三方技術(shù)處理內(nèi)部數(shù)據(jù)時(shí)，存在核心商業(yè)機(jī)密被泄露、釀成商業(yè)損失的隱患。③地緣風(fēng)險(xiǎn)：中美之間在技術(shù)安全、數(shù)據(jù)安全領(lǐng)域的爭(zhēng)端愈演愈烈。今年2月，中方發(fā)布《美國(guó)的霸權(quán)霸道霸凌及其危害》報(bào)告，在此背景下，境內(nèi)銀行直接應(yīng)用ChatGPT前景并不樂觀。實(shí)踐案例：據(jù)報(bào)道，美國(guó)銀行、花旗集團(tuán)、德意志銀行、高盛集團(tuán)、

富國(guó)銀行等銀行最近紛紛對(duì)使用ChatGPT發(fā)布了禁令。微軟和亞馬遜因擔(dān)心泄露機(jī)密信息，禁止公司員工向ChatGPT分享敏感數(shù)據(jù)。埃森哲也警告員工不要將客戶信息透露給ChatGPT。改進(jìn)前景：同為人工智能技術(shù)服務(wù)商的科大訊飛，此前可以為客戶提供本地化、私有化部署的產(chǎn)品，以解決技術(shù)應(yīng)用和數(shù)據(jù)隱私之間的矛盾，或可為解決數(shù)據(jù)隱私與技術(shù)應(yīng)用的矛盾提供思路，但地緣風(fēng)險(xiǎn)的影響仍有待觀察。本地化部署思路訓(xùn)練18輸出2.2系統(tǒng)穩(wěn)定：內(nèi)容輸出正確性及系統(tǒng)運(yùn)行穩(wěn)定性受制于人數(shù)據(jù)來源：Bing，浙商證券研究所根據(jù)公開新聞報(bào)道整理。備注：Bing問答功能內(nèi)核為GPT-3.5，與ChatGPT具有相同內(nèi)核。合規(guī)與成本銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運(yùn)行，這在經(jīng)營(yíng)中存在很大風(fēng)險(xiǎn)。主要障礙：由于在經(jīng)濟(jì)金融活動(dòng)中的關(guān)鍵地位，監(jiān)管對(duì)銀行科技系統(tǒng)有著較高要求。諸如ChatGPT這一類外接應(yīng)用，銀行不具

備技術(shù)自主性，一方面無法保證其輸出內(nèi)容的準(zhǔn)確性，另一方面也無法保證不對(duì)其他系統(tǒng)運(yùn)行穩(wěn)定性造成影響，存在較大風(fēng)險(xiǎn)。另外，

ChatGPT本質(zhì)仍是依賴語料庫的語言概率統(tǒng)計(jì)系統(tǒng)，對(duì)于語料庫不涵蓋的內(nèi)容，極易給出錯(cuò)誤答案。實(shí)踐案例：據(jù)報(bào)道，2021年7月15日，某行突發(fā)系統(tǒng)故障，業(yè)務(wù)中斷20多分鐘，引發(fā)故障的原因可能與系統(tǒng)更新有關(guān)。改進(jìn)前景：投產(chǎn)前需要對(duì)內(nèi)容和系統(tǒng)穩(wěn)定性進(jìn)行周密驗(yàn)證。與ChatGPT具有相同內(nèi)核的Bing問答功能，一本正經(jīng)地給出了雞兔同籠問題的錯(cuò)誤答案。正確答案應(yīng)為：雞80只，兔20只。192.220成本投入：自主與合作，投入與收益之間的取舍數(shù)據(jù)來源：浙商證券研究所根據(jù)公開新聞報(bào)道、公司公告整理。備注：2021年，建行客服受理客戶咨詢18.08億人次，推算平均單次受理時(shí)長(zhǎng)為2分鐘、每分鐘產(chǎn)生中文字?jǐn)?shù)約150字、每Token約等于4字節(jié)。ChatGPT

API成本=1808×150×18=488萬元；Whisper

API成本=18.08×0.04×2=1.45億元。Whisper僅負(fù)責(zé)語音轉(zhuǎn)文字，還需要引入文字轉(zhuǎn)語音功能。合規(guī)與成本無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。接入成本：目前ChatGPT

API接口收費(fèi)標(biāo)準(zhǔn)為每百萬Tokens收費(fèi)2.7美元（約18元人民幣）；同屬OpenAI公司開發(fā)的Whisper

語音轉(zhuǎn)文本工具API每分鐘收費(fèi)0.006美元（約人民幣

4

分錢）。以建行為例，假設(shè)文本轉(zhuǎn)語音成本與語音轉(zhuǎn)文本成本相同，推算建行僅智能客服一項(xiàng)每年成本需要額外投入約3億元。（不含開發(fā)成本和對(duì)ChatGPT模型進(jìn)行專屬訓(xùn)練的成本。）建行2021

年人均薪酬為33.71萬元，如智能客服實(shí)際可替代人力少于890人，則效能并不顯著。自主成本：ChatGPT初始投入成本在8億美元左右，每年電費(fèi)約1825萬美元?？紤]到中美電費(fèi)差異，國(guó)內(nèi)開發(fā)與ChatGPT同等功能的資金投入約為人民幣初始投入56億+1.7億電費(fèi)/年。（不含開發(fā)人員薪酬和維護(hù)成本。）但在開發(fā)環(huán)境、人才能力種種因素制約下，自主開發(fā)的類似工具能夠收獲與ChatGPT的同等效果，存在極大不確定性。2023年3月5日，科技部王志剛部長(zhǎng)在兩會(huì)部長(zhǎng)通道表示，ChatGPT是個(gè)大模型、大計(jì)算、很好的計(jì)算方法，同一種原理，但做的質(zhì)量還是不一樣的。未來前景：大多數(shù)銀行已有AI技術(shù)儲(chǔ)備，建議根據(jù)業(yè)界前沿修正技術(shù)方向，在既有成果上繼續(xù)探索，達(dá)成成本與收益的平衡。哪些銀行有機(jī)會(huì)？2103科技人員科技投入上市銀行：科技人才與科技投入決定科技進(jìn)步潛力數(shù)據(jù)來源：wind，公司公告，浙商證券研究所。2203科技發(fā)展需要人力及財(cái)務(wù)資源的投入，綜合當(dāng)前科技水平及科技投入情況看，平安、招行、工行、建行科技進(jìn)步潛力較強(qiáng)。科技人員：在披露科技人員數(shù)據(jù)的21家上市銀行中，科技隊(duì)伍總?cè)藬?shù)11.6萬人，占從業(yè)總?cè)藬?shù)的5%。工行在絕對(duì)人數(shù)上一枝獨(dú)秀達(dá)3.5萬人以上，浦發(fā)、招行、工行科技人員占比最高?？萍纪度耄涸谂犊萍纪度霐?shù)據(jù)的24家上市銀行中，科技投入總額近1600億元，占營(yíng)收總額的3%。國(guó)有四大行在科技投入絕對(duì)規(guī)模占有優(yōu)勢(shì)；長(zhǎng)沙、平安、招行科技投入占營(yíng)收比重最高。機(jī)構(gòu)科技人員（人）占比科技投入（億元）占營(yíng)收機(jī)構(gòu)科技人員（人）占比科技投入（億元）占營(yíng)收工行35,0008.06%2602.76%民生3,0625.08%452.67%農(nóng)行9,0591.99%2052.85%北京1,2977.85%233.50%建行15,1214.30%2362.86%上海1,0557.99%193.30%中行12,8734.20%1863.07%南京6344.66%133.27%交行4,5395.03%883.25%長(zhǎng)沙--94.40%郵儲(chǔ)5,3002.97%1003.15%重慶--32.31%興業(yè)3,3035.28%642.88%貴陽2323.99%32.04%浦發(fā)6,42810.15%673.51%青島2204.83%00.36%招行10,0439.69%1334.01%蘇州--33.00%華夏--333.46%滬農(nóng)4846.28%93.65%中信4,2867.23%753.68%無錫714.36%12.01%光大2,3615.11%583.79%港行1275.26%--平安--744.36%渝農(nóng)4473.00%--合計(jì)115,9425.06%1578.73.13%風(fēng)險(xiǎn)提示2304風(fēng)險(xiǎn)提示2404ChatGPT模型及相關(guān)人工智能技術(shù)仍處快速發(fā)展過程中，本文介紹的相關(guān)技術(shù)理念和技術(shù)路線有發(fā)生質(zhì)變或被新技術(shù)替代的風(fēng)險(xiǎn)；銀行科技投入的產(chǎn)出效能或