兵强马壮的金融业一直是新技术的实验场。虽然今年不少金融机构的预算有所缩减，但在大模型、自主创新上仍有不少新动向。

01

头部大行谨慎推进大模型

7月在北京举办的中国国际金融展上，不少业内人士来参观交流大模型应用。有趣的是，自今年5月以来，更多银行上线大模型，员工已开始接触到各类助手。但大模型在金融业仍处于尝试早期，甚至应用速度和深度不及制造业。

行业人士形容，金融在大模型上是在做大规模研究，小范围验证和测试，应用以工具类如助手为主，没有用在交易生产业务中。

“并没有大规模用起来。”一位头部金融应用开发商告诉数智前线，自己对此的标准可以用一个例子来说明，比如“我要开个户”这一句话，涉及合规监管、数据报送，流程中还涉及多个业务部门、各种审批手续。“这些都是隐含机制。真正的大模型，要根据这一句话，把所有需求、业务流程拆解清楚，现在还做不到。”

“与其说是做不到，不如说是不太敢。目前用AI正儿八经做交易业务，真的不太敢。”一位城商行人士告诉数智前线。

实际上，头部大行早在ChatGPT爆火之前，就对生成式AI开始了研究。但由于大模型的准确性问题和不可解释性，一向严谨的金融部门需要不断尝试观察。同时，金融业也还没有找到足够的痛点，实现更高价值，体量也不太够。

在此状况下，大行呈现了谨慎务实的态度。“其实有很多环节，传统方法也很高效，比如关键词检索。”一位工商银行人士告诉数智前线，“我们还是要先解决业务问题，如果业务不需要，硬往里面揉，反而效率会降低。”他强调，不会为了技术而技术。工商银行内部主要的应用目前包括代码助手、客服、风控等。

中国银行则用大模型做了数据分析等。一位人士告诉数智前线，内部进展不算快，风控还未上。

一位建行人士称，她看到内部在5月上线了大模型。她用大模型帮助撰写对公业务的定制化研究报告。“目前这些报告的针对性还不够，需要修改大约一半内容，但你要往前推，这是一个趋势。”这位年轻人士称自己非常关注大模型，早在ChatGPT、文心一言刚推出时，个人就尝鲜使用过。

目前，大模型在金融业的应用，基本上是代码开发、运维、交互式数据分析、营销工具、保险报价等。因为应用场景有限，一位大模型厂商负责人表示：“没想到代码助手在银行变得如此突出。”

除了大行，从金融体系的步伐看，一些城商行或合资银行与大行不通，节奏要更快一点。“投入几百万元，就能解决一个实际问题。”

值得关注的是，金融企业用来训练企业大模型的基础模型或金融行业大模型，较为多元化。商用的如华为盘古、智谱，开源的如阿里通义、智谱、百川、国外的Llmma等，但他们坦言，行业大模型还没有特别突出的。此外，一些银行业务人员通过口口相传，也在使用Kimi等作为文档小助手。

“银行最大的问题是它的数据不能出去，只靠自己的数据去判断用户的行为习惯，有局限性。”因此，不少银行在数据的合作上非常下本。

一位杭州银行人士称，他们与浙大合作，核心是基础数据训练。“模型有开源的，但数据很难，投入近千万元。”目前的应用场景集中在助手类，如杭小助、代码助手、合同审核等。

除了数据，大多数银行是先购买算力。“智算从2022年左右开始。”多位人士称，由于英伟达芯片出现了几次对不同产品的禁售问题，供应不稳定，金融企业这几年搭建了异构算力平台。

总体而言，在金融行业，大模型离全面落地应用还有时间。除了六大行和股份制银行一共21家企业之外，不少城商行和保险企业也在尝试。一位城商行人士告诉数智前线，自己正在调研，准备开展小范围试点。

“这个方向是确定的。”一位金融应用开发商说，“只是什么时间走到大规模落地，每个人都想知道答案。”

02 

核心系统自主创新处于攻坚期

除了大模型，金融企业的科技战略已步入深水区，一个明显特征是，传统技术架构正面临转型和重塑，新体系与“IOE”完全不同。

其中，核心系统的改造并非易事，涉及从操作系统、数据库、中间件到硬件的全栈能力：各种技术都要达到性能及稳定性要求；无论开闭源，都要经历规模性的商业化验证；各类技术不是简单的替代，而是要实现新一代业务的高要求。这里数据库的替换最具代表性。

在这方面，头部银行走的较快。不少银行从外围系统开始，目前处于核心系统的攻坚阶段。“数据库还没有完全替换，接下去还有并跑阶段，所以看上去走的快的好像已完成70%~80%，但周期还很长。”一位业内人士介绍，如果说要完成全部核心替换的话，可能在明后年。股份制银行比头部银行还要慢一些。

除了头部和股份制，城商行和农商行则是点状分布，一些局部的城商行走得比较快，已完成核心系统的改造。“一个趋势是在往下渗透，一些规模更小的银行开始启动了核心系统的改造。”

而在这个过程中，数据库市场也在被重塑。虽然目前有300多家国产数据库企业，“我觉得在这个过程中，数据库会进一步收敛在几个厂商。”一家数据库企业判断。

在数据库的替换中，有业界提出，这些采用了新架构的数据库，替换成本高、不好用等问题。但一位城商行人士明确告诉数智前线，“我们2015年去考察替换的出发点，就是因为成本。传统的集中式架构，长期成本很高。每年的维保、软硬件、人员成本都很高昂。替换肯定是节约了成本，否则当初不会去干这件事。我觉得要从长期看成本。”

从替换的技术复杂度来看，伴随国产数据库的进步，平台迁移的难度已不太大。但在银行原有应用改造上，确实有一定难度和复杂度。因为数据库需要做到多活的同时，保证数据的一致性；而在保证数据一致性的时候，还要保证高性能，这确实需要一定的能力支撑。

在可用性上，“我认为已经没有什么差异了，能确保生产连续稳定的运行。”一位城商行相关负责人说，而差距则主要体现在生态和服务上。比如，国产数据库的技术普及和应用人才供给不够。再如，在服务体系上，以IBM为例，用户遇到故障只要打一个电话，就能自动化地解决，国产数据库则需要四处“摇人”。

“如果说要判定哪天追平了，我认为有一个非常好的标志，就是我不见这些数据库企业的人，打个电话就能解决所有问题。”上述人士对数智前线说，这需要一套体系和知识沉淀。

在金融行业，数据库企业各分天下，不少金融机构提到蚂蚁OceanBase、腾讯TDSQL、中兴金篆GoldenDB、华为高斯，不像操作系统领域，麒麟占据主导。

“这几家企业的打法也非常不同。”一位行业人士说，蚂蚁OceanBase下场早，在城商行、农商行、保险证券市场占有率高；华为则通过全栈产品携高斯数据库，猛攻市场；中兴也提供全栈产品，包括操作系统、数据库、服务器等，它采用集中兵力的策略，只做银行核心系统；腾讯TDSQL则在市场上“全面发力”，既做本地部署，又做公有云，既做头部大行，也做中小型金融机构。

核心系统除了软件外，还需要高性能的计算、网络和存储，如FC光纤存储。目前，针对光纤存储，业内处于创新性研究阶段。由于核心系统需要全栈能力，华为、中兴、新华三等企业利用全栈布局，强攻市场。

03 

硬件应用呈现百花齐放

硬件的创新从机具开始。有趣的是，此前采用麒麟系统的金融机具占有大部分市场，而从去年下半年开始，鸿蒙机具也在起势。在中国国际金融展上，可以看杭州银行试点的鸿蒙自助设备。

在电脑方面，联想在金融市场占有大约3/4的份额，其他还有华为、同方等。联想展示了采用本地供应链的电脑，如高端旗舰的联想开天X1，机身采用碳纤维，重量为990克，续航8小时左右，针对银行管理层定制。

银行客户对电脑有一些定制化要求，其中轻量定制要预制好用户名、密码，包括浏览器收藏夹中的网页。深层次的定制则要针对客户的场景，去兼容一些外设，提前优化和测试Linux系统等。

一位行业人士称，过去这几年，银行在应用这些电脑过程中，花了很大力气解决各类问题。“软件、外设等各类问题，每个季度都有上百个，在几天内都会解决。”他说，“问题会越来越少，其他企业可以复用。”而在下半年，新一轮电脑采购旺季即将到来。

在智算上，由于人工智能的加速发展，头部金融企业在2022年左右，投入智算建设。

从政府部门的要求来看，近日国家发改委、工业和信息化部、国家能源局、国家数据局联合印发《数据中心绿色低碳发展专项行动计划》，要求，到2025年底，新建及改扩建大型和超大型数据中心电能利用效率（PUE）降至1.25以内，国家枢纽节点数据中心项目PUE不得高于1.2。而上海甚至有实时监测数据中心PUE的规定。

政策倒逼原来的数据中心进行升级。而根据相关统计，行业内先进绿色数据中心PUE已降至1.1左右。液冷产品成为一个趋势，市场有急切的刚需，供应商纷纷推出可实现柔性升级的方案。如一个机柜原来是三四千瓦，在面积不变、承重条件符合要求的前提下，加入配套液冷设备改造，可以做到20千瓦。

从硬件平台来看，市场呈现百花齐放状态，基本满足市场需求。伴随应用系统的改造呈现新旧迭代的态势。