新华财经北京4月11日电（记者吴丛司、王钊）在金融科技飞速发展的当下，AI大模型正深刻重塑银行业的展业模式。近日，国内银行IT解决方案提供商北京宇信科技集团股份有限公司（简称“宇信科技”）首席技术官张宁接受记者专访时详细解读了以DeepSeek为代表的大模型技术在银行信贷、数据分析和智能营销等核心业务中的应用，并探讨了AI正重塑银行竞争格局和核心竞争力。
AI在银行的三大应用场景：信贷、取数和用数、营销
在张宁看来，以DeepSeek为代表的大语言模型在银行业的三大场景已有应用，一是信贷业务实现从“人审”到“智审”的转变，二是突破银行内部取数效率瓶颈，让业务人员无需理解数据库结构从而实现轻松取数，三是营销环节实现从“千人一面”变为“一人千面”。此外，DeepSeek实际的应用场景还有很多。
“整个信贷流程涉及了大量的信息处理工作，包括信息提取、信息理解和信息生成等方面，这些都是AI技术最能发挥效能的典型领域。”张宁表示。
在信息获取环节，传统模式下需要人工逐一识别客户提交的各类材料，包括营业执照、银行流水等不同格式的文件。现在通过AI技术，可以实现批量上传、自动识别和智能分类，大幅提升了处理多格式动态数据的效率。特别是对于需要结构化录入的数据，AI能够准确地将信息填充到相应字段，有效解决了传统手工录入的痛点。
张宁进一步表示，信贷业务中存在大量非结构化数据，这些并非简单的数值型或属性型数据，而是需要对文本内容进行语义理解和逻辑分析。过去这类工作依赖人工完成，现在借助大语言模型强大的自然语言处理能力，可以实现高质量的文本理解和内容摘要。
此外，报告生成也是AI应用的重要场景，在信贷各环节需要制作尽调报告、审批报告等，以往需要投入大量人力。
“现在通过AI，实现了信息自动获取、智能分析和报告自动生成的闭环，然后让业务人员辅助做出判断。”张宁表示，这不仅提升了工作效率，还能确保报告内容的标准化和可追溯性，为后续的留档管理提供了便利。同时，系统生成的报告会标注关键风险点和决策建议，为业务人员提供有价值的参考。
在谈及AI在数据领域的应用时，张宁观察到当前银行业普遍存在一个效率瓶颈问题，即很多银行的数据分析团队将大量精力耗费在基础的数据提取工作上。
“由于业务人员通常不熟悉底层数据库的结构设计，每当需要获取数据时，通常都要发起数据申请，然后由数据分析团队根据业务需求从数据库中提取数据。”张宁表示，考虑到数据安全因素，这个过程往往还涉及数据脱敏、加密传输等环节，业务部门在使用完毕后，还需要执行数据销毁等操作。
在张宁看来，这一整套流程不仅响应周期长，而且耗费了大量的人力资源，而AI技术的应用可以有效解决这一痛点。
记者了解到，为了更高效地利用已有数据体系，将其转化为经营决策，宇信科技已经推出了星辰-数字化经营平台，并搭载了AI混合模型的ChatBI能力，在经营分析的视角上，融合了先进的大模型技术，进一步降低数据交互的门槛，提升数据获取效率，为银行等客户提供一个集简单、智慧、轻快于一体的数据分析解决方案。
“业务人员可以直接使用自然语言描述数据需求，ChatBI能够智能理解并自动提取相应的数据。”张宁表示，业务人员不需要了解底层的数据库结构，更重要的是，ChatBI还具备一定的智能分析能力，能够自动识别数据异常并生成分析报告。
谈及银行的营销服务场景时，张宁表示，大模型技术在银行营销体系中发挥着重要作用。AI能够基于客户的不同阶段以及银行的营销目标，为营销人员提供合适的话术等相关正确的支持。
“在实际应用中，80%-90%的营销咨询都属于相对标准化的问题。”张宁表示，可以根据客户咨询的上下文，提供个性化的应答建议。这里有两种响应模式：一种是全自动应答模式，适用于标准问题；另一种是人工辅助模式，系统生成建议后由客户经理决定是否采用。
在营销素材生成方面，传统上需要大量创意人员和UI（用户界面设计）设计师参与。而如今，通过AI等智能化技术，不仅提高了内容生产效率，还大幅降低了AB测试的实施成本。
“在客户分群策略上，我们可以保留传统的高净值、低净值客户标签分群方法，也可以引入基于客户行为模型的算法分群，以提升客户触达的精准度，从而实现从‘千人一面’到‘一人千面’的智能营销。”张宁表示。
张宁还谈到了大模型技术在金融监管领域的应用场景。他表示，大模型技术可以通过自然语言处理与知识图谱技术，自动关联业务指标与监管政策条款，形成从原始数据到合规报告的完整解析链路。
比如，当监测到指标异常时，大模型技术不仅可快速定位数据源头的计算偏差，还能穿透式追溯至具体法规条文，结合历史案例库生成包含问题成因、合规依据及整改建议的多维度分析。
DeepSeek重构银行竞争格局 核心差异在于数据资产
长期以来，科技投入的“马太效应”使得大型银行与中小银行的差距不断扩大。然而，DeepSeek开源模型的出现，正在重塑银行的竞争局面。
张宁表示，DeepSeek作为一种新兴的技术工具，确实可能为中小银行弥补短板，并获得一定的发展机遇。
“中小银行通常在资源、技术和人才储备上不如大型银行，但DeepSeek等技术工具可以帮助它们弥补这些短板。”张宁认为，在投入成本方面，中小银行可采用DeepSeek蒸馏版模型，用较小的投入获得先进的技术能力，这将有助于缩小中小银行与大型银行之间的差距。
不过，张宁也强调，“技术平权”不等于能力均等。在模型训练、复杂的对公业务、私人银行业务等领域，大行凭借数据积累仍具明显优势。
从技术能力的角度来看，大型银行在应用DeepSeek等AI技术时具有多方面优势。一方面，大型银行在进行模型训练时更加便捷高效。另一方面，大型银行在进行模型训练时，整体成本已经较以往显著降低，这使得大行有能力将模型训练工作做得更加精细和专业。
而对于中小银行而言，即便有了DeepSeek大大降低了训练门槛，但仍面临专业人才、算力资源不足以及数据不足等难题，开展模型训练工作仍然面临较大挑战。
张宁认为，随着DeepSeek等大模型能力的持续增强，通用性问题的解决能力不断提升，对于模型进行预训练的需求在降低。但在特定垂直领域，以微调为主的模型训练仍属必要。这种发展趋势可能导致大型银行和中小银行在基础业务能力上的差距逐步缩小，但在专业化程度更高的特定领域，大型银行凭借资源优势可能会进一步扩大领先优势。
张宁以资产配置业务为例，大型银行凭借丰富的产品线和海量的历史配置报告数据，能够训练出专业的资产配置模型。而中小银行受限于客户基数和技术能力，更多依赖人工经验。这种差异在服务高净值客户时尤为明显，大银行拥有更多高净值客户样本，能够建立更精准的服务模型。
“本质上，银行间的核心差异在于数据资产，这已成为决定银行AI应用水平的关键。”张宁总结道，AI不是万能的，但AI会重新定义银行的核心竞争力。
编辑：王春霞
声明：新华财经为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115
新华财经北京4月11日电（记者吴丛司、王钊）在金融科技飞速发展的当下，AI大模型正深刻重塑银行业的展业模式。近日，国内银行IT解决方案提供商北京宇信科技集团股份有限公司（简称“宇信科技”）首席技术官张宁接受记者专访时详细解读了以DeepSeek为代表的大模型技术在银行信贷、数据分析和智能营销等核心业务中的应用，并探讨了AI正重塑银行竞争格局和核心竞争力。
AI在银行的三大应用场景：信贷、取数和用数、营销
在张宁看来，以DeepSeek为代表的大语言模型在银行业的三大场景已有应用，一是信贷业务实现从“人审”到“智审”的转变，二是突破银行内部取数效率瓶颈，让业务人员无需理解数据库结构从而实现轻松取数，三是营销环节实现从“千人一面”变为“一人千面”。此外，DeepSeek实际的应用场景还有很多。
“整个信贷流程涉及了大量的信息处理工作，包括信息提取、信息理解和信息生成等方面，这些都是AI技术最能发挥效能的典型领域。”张宁表示。
在信息获取环节，传统模式下需要人工逐一识别客户提交的各类材料，包括营业执照、银行流水等不同格式的文件。现在通过AI技术，可以实现批量上传、自动识别和智能分类，大幅提升了处理多格式动态数据的效率。特别是对于需要结构化录入的数据，AI能够准确地将信息填充到相应字段，有效解决了传统手工录入的痛点。
张宁进一步表示，信贷业务中存在大量非结构化数据，这些并非简单的数值型或属性型数据，而是需要对文本内容进行语义理解和逻辑分析。过去这类工作依赖人工完成，现在借助大语言模型强大的自然语言处理能力，可以实现高质量的文本理解和内容摘要。
此外，报告生成也是AI应用的重要场景，在信贷各环节需要制作尽调报告、审批报告等，以往需要投入大量人力。
“现在通过AI，实现了信息自动获取、智能分析和报告自动生成的闭环，然后让业务人员辅助做出判断。”张宁表示，这不仅提升了工作效率，还能确保报告内容的标准化和可追溯性，为后续的留档管理提供了便利。同时，系统生成的报告会标注关键风险点和决策建议，为业务人员提供有价值的参考。
在谈及AI在数据领域的应用时，张宁观察到当前银行业普遍存在一个效率瓶颈问题，即很多银行的数据分析团队将大量精力耗费在基础的数据提取工作上。
“由于业务人员通常不熟悉底层数据库的结构设计，每当需要获取数据时，通常都要发起数据申请，然后由数据分析团队根据业务需求从数据库中提取数据。”张宁表示，考虑到数据安全因素，这个过程往往还涉及数据脱敏、加密传输等环节，业务部门在使用完毕后，还需要执行数据销毁等操作。
在张宁看来，这一整套流程不仅响应周期长，而且耗费了大量的人力资源，而AI技术的应用可以有效解决这一痛点。
记者了解到，为了更高效地利用已有数据体系，将其转化为经营决策，宇信科技已经推出了星辰-数字化经营平台，并搭载了AI混合模型的ChatBI能力，在经营分析的视角上，融合了先进的大模型技术，进一步降低数据交互的门槛，提升数据获取效率，为银行等客户提供一个集简单、智慧、轻快于一体的数据分析解决方案。
“业务人员可以直接使用自然语言描述数据需求，ChatBI能够智能理解并自动提取相应的数据。”张宁表示，业务人员不需要了解底层的数据库结构，更重要的是，ChatBI还具备一定的智能分析能力，能够自动识别数据异常并生成分析报告。
谈及银行的营销服务场景时，张宁表示，大模型技术在银行营销体系中发挥着重要作用。AI能够基于客户的不同阶段以及银行的营销目标，为营销人员提供合适的话术等相关正确的支持。
“在实际应用中，80%-90%的营销咨询都属于相对标准化的问题。”张宁表示，可以根据客户咨询的上下文，提供个性化的应答建议。这里有两种响应模式：一种是全自动应答模式，适用于标准问题；另一种是人工辅助模式，系统生成建议后由客户经理决定是否采用。
在营销素材生成方面，传统上需要大量创意人员和UI（用户界面设计）设计师参与。而如今，通过AI等智能化技术，不仅提高了内容生产效率，还大幅降低了AB测试的实施成本。
“在客户分群策略上，我们可以保留传统的高净值、低净值客户标签分群方法，也可以引入基于客户行为模型的算法分群，以提升客户触达的精准度，从而实现从‘千人一面’到‘一人千面’的智能营销。”张宁表示。
张宁还谈到了大模型技术在金融监管领域的应用场景。他表示，大模型技术可以通过自然语言处理与知识图谱技术，自动关联业务指标与监管政策条款，形成从原始数据到合规报告的完整解析链路。
比如，当监测到指标异常时，大模型技术不仅可快速定位数据源头的计算偏差，还能穿透式追溯至具体法规条文，结合历史案例库生成包含问题成因、合规依据及整改建议的多维度分析。
DeepSeek重构银行竞争格局 核心差异在于数据资产
长期以来，科技投入的“马太效应”使得大型银行与中小银行的差距不断扩大。然而，DeepSeek开源模型的出现，正在重塑银行的竞争局面。
张宁表示，DeepSeek作为一种新兴的技术工具，确实可能为中小银行弥补短板，并获得一定的发展机遇。
“中小银行通常在资源、技术和人才储备上不如大型银行，但DeepSeek等技术工具可以帮助它们弥补这些短板。”张宁认为，在投入成本方面，中小银行可采用DeepSeek蒸馏版模型，用较小的投入获得先进的技术能力，这将有助于缩小中小银行与大型银行之间的差距。
不过，张宁也强调，“技术平权”不等于能力均等。在模型训练、复杂的对公业务、私人银行业务等领域，大行凭借数据积累仍具明显优势。
从技术能力的角度来看，大型银行在应用DeepSeek等AI技术时具有多方面优势。一方面，大型银行在进行模型训练时更加便捷高效。另一方面，大型银行在进行模型训练时，整体成本已经较以往显著降低，这使得大行有能力将模型训练工作做得更加精细和专业。
而对于中小银行而言，即便有了DeepSeek大大降低了训练门槛，但仍面临专业人才、算力资源不足以及数据不足等难题，开展模型训练工作仍然面临较大挑战。
张宁认为，随着DeepSeek等大模型能力的持续增强，通用性问题的解决能力不断提升，对于模型进行预训练的需求在降低。但在特定垂直领域，以微调为主的模型训练仍属必要。这种发展趋势可能导致大型银行和中小银行在基础业务能力上的差距逐步缩小，但在专业化程度更高的特定领域，大型银行凭借资源优势可能会进一步扩大领先优势。
张宁以资产配置业务为例，大型银行凭借丰富的产品线和海量的历史配置报告数据，能够训练出专业的资产配置模型。而中小银行受限于客户基数和技术能力，更多依赖人工经验。这种差异在服务高净值客户时尤为明显，大银行拥有更多高净值客户样本，能够建立更精准的服务模型。
“本质上，银行间的核心差异在于数据资产，这已成为决定银行AI应用水平的关键。”张宁总结道，AI不是万能的，但AI会重新定义银行的核心竞争力。
编辑：王春霞
声明：新华财经为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115
