21世紀經濟報道記者 黃子瀟 深圳報道
AI浪潮席卷全球后，摩根大通、星展銀行、花旗集團等國際大型銀行紛紛引入AI，以優化成本結構、提升經營效益。
21世紀經濟報道記者梳理發現，過去一年，全球多家的數字銀行均調整了其AI戰略。去年，巴西Nubank提出了“AI-first”（AI優先）戰略；韓國Kakao公司宣布其“AI-Native”的戰略，并將2025年稱作AI原生的關鍵之年；國內的微眾銀行則在2023年就曾提出了從數字原生邁向AI原生的概念。
數字原生銀行是否有著更高階的形態？AI原生銀行或許是一個答案。
“AI不再是產品的補充或附加組件，而是產品和體驗的一部分。還有一點，不是AI嵌進流程里，而是流程嵌進AI里。”微眾銀行數字金融發展部負責人姚輝亞對21世紀經濟報道記者表示。
已有數十家銀行官宣接入Deepseek，銀行不需要自研大模型漸漸成為了業內的共識。
“數字原生”和“AI原生”
數字原生銀行正在追尋更高階的形態——AI原生銀行。
對于前者，數字銀行指的是一類不設實體網點的，主要以線上渠道提供服務的銀行。可以根據其業務起點的不同，分為原生數字銀行及衍生數字銀行。
原生數字銀行通常為新設銀行或金融科技企業，例如微眾銀行、網商銀行、Nubank。衍生數字銀行則常由傳統銀行衍生而來，例如ING。微眾銀行在2023年就已提出了“從數字原生到AI原生”的概念。時隔一年有余，在最新的科技戰略規劃中，微眾銀行正式提出要從數字原生銀行轉變為AI原生銀行。
對于AI原生銀行，一般理解為并非AI嵌在流程里，而是流程嵌進AI里。
姚輝亞表示，如果和以往一樣，業務部門提需求給科技部門，科技部門再用AI手段實現，這無法稱作AI原生銀行。真正的AI原生銀行，應該是科技部門將一系列的AI工具提供給業務部門，使業務部門可以運用AI自主解決問題。
他將這一構想描畫為：產品設計、研發、運營、風險治理等過程都將基于AI無處不在的理念進行，AI成為功能的自然組成部分。對此，該行會通過調整組織架構和培訓人員AI素養等方式做好準備。
成本VS賦能：AI理念的碰撞
自ChatGPT、DeepSeek等現象級產品席卷全球后，各家銀行對AI的價值有著不同理解。
在AI的應用目標上，許多傳統銀行多以優化成本結構、提升經營效益為核心目標。盡管星展銀行、摩根大通等去年利潤創下新高，但仍決定用AI取代部分人員。
近日，星展銀行新加坡方面表示，將進一步布局AI，或將增加1000多個與AI相關的新崗位。星展銀行目前握有超800個AI模型，預估2025年可創造逾10億新加坡元的經濟效益。
不過，數字銀行的目光更多放在AI與業務的深度整合上。
2024年，南美最大的數字銀行巴西Nubank提出了“AI first”（AI優先）的戰略。Nubank首席技術官Olivier表示，該行看到了推行“AI first”戰略的機會，希望將AI嵌入盡可能多的方案中，為客戶帶來效率、速度、適應性、個性化。在2024年6月，Nubank收購了一家名為Hyperplane的硅谷數據智能公司，以推進其“AI-first”戰略。據悉，Hyperplane的AI技術將無縫集成到Nubank系統中，增強分析海量數據的能力。
有趣的是，Olivier認為，“許多公司會以利潤最大化為核心目標來應用AI，這雖常見，但并不是長久之策，因為客戶終將看清“AI建議”的本質：就像某個朋友總給你建議，每次你都照做，但做得好的是他而不是你。”正因如此，該行的"AI優先"戰略遠不止于簡單的模型連接，技術本身并非目的，AI與其他技術一樣，只有當其能為客戶創造實際價值時才會被采用。
無獨有偶。同樣在2024年，韓國Kakao公司宣布其“AI-Native”的戰略，推出交互式AI助手“Kanana”，定位為能提供情緒價值的“AI伴侶”。 Kakao將2025年稱作AI原生的關鍵之年，其旗下數字銀行KakaoBank還在首爾新建了人工智能實驗室。
Kakao對于AI原生的理解與微眾有著相似之處。該公司首席技術官Jeong表示，Kakao不局限于為服務添加AI功能，而是成為將AI無縫融入工作流程的AI原生公司，對此，Kakao已啟動了包括工作流程重構、人才體系升級與敏捷開發模式迭代的多維度變革。
網商銀行也在探索AI技術和業務的深度整合。該行將AI大模型應用于產業鏈金融領域，重新識別上下游小微企業的信用畫像，將其稱作“大雁系統”，目前已借助這一能力構建9大產業方向。
是否有必要自研大模型
得益于“低成本、開源、高性能”的特性，自本輪DeepSeek熱潮以來，已有數十家銀行官宣接入Deepseek大模型。
大模型的幻覺依然存在。例如有消息稱，某頭部股份行AI理財顧問依托多模態模型，將客戶畫像顆粒度提升，該消息已被廣為引述。但21世紀經濟報道記者從該股份行了解到，該行并未發布部署相關內容，上述消息或為AI生成。
一方面現象級產品頻出，一方面AI幻覺難以解決，銀行正在審視下場自研大模型的必要性。
昨晚，平安集團發布年報稱，通過自研金融、醫養垂直領域大模型，深化行業應用、重構產業生態。需求導向開發，平安搭建了三層大模型體系，支持語音大模型、語言大模型、視覺大模型等，場景準確率行業領先。此外，深挖業務場景，廣泛應用、服務于全集團85個大模型場景，加速推進生態圈建設。
姚輝亞認為，銀行沒必要自研通用大模型。在數據體量、算力資源、人才積累等方面的限制下，銀行與坐擁“萬卡”級算力的大廠存在客觀差距，并不具備自研幾十B參數級大模型的能力，更適合采用引入的方式。
不過，銀行的優勢在于本地化場景、垂直領域數據、中小模型等領域，可“大小模型結合”，并結合本地數據和業務場景來靈活部署，這也有助于把控 AI幻覺帶來的風險治理問題。
千模大戰下，當更好的模型持續涌現，微眾銀行十分強調應建立工程化平臺實現模型的“可插拔”。
微眾銀行向記者展示的一張自研的AI工程化平臺架構圖中，其模型層展示了Llama，Qwen，智譜GLM，DeepSeek等系列的開源模型。
微眾銀行數字金融發展部AI專家王亞盛表示，過去的AI開發存在“豎井式”現象，即在一個比較大的組織里面，多個團隊都會去開發AI應用，每個團隊需要去管理自己的算力到技術架構。
微眾銀行通過AI工程化平臺將算力、模型、工具等進行整合，業務團隊無需處理底層技術問題，僅需結合應用邏輯從平臺直接調用，如果需要更換模型只需自行切換即可，即“模型可插拔"。此外，該工程化平臺也做到了“硬件可兼容"，兼容國內外廠商的GPU/NPU，同時建立了統一的算力池以調配資源，實現“算力可調配”，并通過AI應用熱力圖將全行AI應用劃入45個區塊，自動收集并分析各場景算力使用情況。
同時，該行管理層對科技創新較為包容，自上而下有著“允許試錯”的態度。在科技投入的預算結構上，微眾銀行進行創新性劃分，包括Run the Bank(基礎運維部分);Change the Bank(滿足業務新需求部分);Innovate the Bank(布局前沿科技部分)等。通過"Innovate the Bank"部分，微眾銀行可以在業務需求未明朗前，提前構建底層基礎設施、基礎工具，搶占技術先機。
此外，微眾銀行在科技團隊內部設立了科技產品經理一職，專職統籌技術能力規劃，突破傳統“業務提需求-科技執行"模式，賦予科技團隊前瞻性布局能力。
