专题：服贸会第七届中国金融科技论坛
中国国际服务贸易交易会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与应用”。东亚银行资讯科技架构平台部总经理张方昌出席并演讲。
以下为演讲实录：
各位好，感谢邀请，今天参会是一个学习的过程，今天上午听了工行、农行，下午有兴业的，还有各家科技公司的分享以后，我今天的演讲的主题就两个，作为一个中小银行，尤其是一家外资行。而且我们的外资行也比较特殊，是本地化做得较好好的外资行。在AI场景下，我们怎么发挥AI价值，这是第一个主题。第二个主题是我们怎么去在AI价值中，和我们的合作伙伴和业务部门去合作，这是第二个主题。
我是分了几个部分，这一页片子，都有讲过，我们在AI的发展浪潮下发展的方向，从DeepSeek出来之后，最大的改变不是从技术上来讲有多先进，我最想要表达的是DeepSeek是把所有的AI这一块普及到了。原来我们在开会或者工作的中讲AI，我记得我们在年初的时候，比如外部的会议和我们内部管理层的交流，他们就讲DeepSeek你们用了吗？所以DeepSeek的出现除了算力的使用减少，让中小企业有机会使用AI，另外一个作用就是普及AI到各个领域。所以，所以我讲的就是在AI平权下，我们很多未来的工作可能就AI去替代了，这里有一个数据，来自于Gartner，主要讲的是企业后续AI的预测
第二个就是我们的基础了，讲到DeepSeek，或者是上午阿里千问模型的专用模型和多模型的介绍，这一整套多模型。包括我们多模态大模型，包括智能体，包括我们在今年上海的全球人工智能大会上发布的华为、寒武纪等国产化算力，其实都是技术突破为演进的AI的基础。
第三个要做的就是作为一家企业也好，作为一家银行来讲，要做的就是AI的战略转型，包括今天下午兴业陈院长讲的，其实怎么去做AI，要有一个顶层的规划，从人、钱、组织、文化来讲，这是一个整套的体系。
第四块避免不了，我们做AI以后，其实我们在推进过程中就知道，不是那么顺利。因为什么呢？在实施过程中，有可能你做了AI就会把别人的工作替代掉，AI的工作怎么体现ROI及FTE的变化，我们该怎么做？怎么拥抱？怎么使用工具？怎么推进？我觉得这是一个基于现状组织下的变革方向，比如上午农行的案例，有一把手、项目试点等，都会减少一些阻力。
从实现方向来讲，原来只讲模型、数据和算力，其实在这个过程中，我们讲了这三个范式，会扩充到5个，我觉得组织人才是很重要的， AI人才现在非常稀缺，以前听到更多的是复合型人才，复合什么？可能是科技和业务，现在还要再加上人工智能。在组织人才里边我们会构建的是应用场景，包括Agent的应用场景，包括后面我们应用场景的情况下。中午我们跟这几位科技公司负责人聊的时候，他们问我，你怎么看待我们的合作？我说我们现在经济下线，科技投入也比会变低了，我就说你们给我带来什么样的场景给到我们？我们不太想看到的是你卖给我一个平台，平台要运营起来、适配起来，这个工作量是蛮大的，这个工作面对的困难和数据的基础到底是不是适配一系列的问题，所以我们讲了一个扩展，就是应用工程。所以方法论上从模型数据到算力拓展到应用工程和组织人才。
回到东亚银行，东亚银行是1912年在香港成立，1920年是在上海成立了第一家分行。2007年成为了独立的法人银行。为什么东亚银行做本地化做得好？因为东亚银行整个科技体系来讲都是本地化的，自主性比较高。在这个过程中，其实外资银行面临的困境、挑战是差不多的。全球经济在放缓，集团或者母行对于在华外资行的投入都在慢慢减少。本身外资行客户基础相对比较薄弱，绝大部分外资行可能只有对公业务，对公业务很多也只是服务于本国企业在华的投资。随着经济的下行，这些企业越来越少，在经济下行下怎么能够在国内获得更好的优质的对公的企业，怎么去跟中资行进行一些比拼。
另外就是客户基础薄弱，比如说现在的各家大行蛮好的，为什么？因为大行在逐步下沉的过程中，其实原来做的一些客户，尤其是获客，包括资金成本反而低一点，不像外资银行、中小银行这么高。又讲到竞争压力了，现在中资行的竞争，中资行的网点遍布全国。现在几家外资行，像我们上午跟渣打银行聊的，现在开一家分行的话，我们本身就没有这个现金业务了，网点开得蛮少的。可以观察一下，大部分在关网点，逐步线上化了。
还有一些就是自身资源能力的限制，这里面我讲一下就是人才短缺，这个避免不了如果我们需要做一些创新的实践，最大的成本来自于人，包括一些试错的成本，，使得我们去做一些尝试的时候变得有可能。
最难过的就是第4点，监管合规的双重压力，现在的外资行，第一我们对于本地监管，比如说国内监管总局，人民银行这块压力很大。第二块，我们是香港的银行，我们又手到香港HKMA香港监管局的监管。所以在双重监管的情况下我们就要趋严，选择最严的一套遵守，所以这是我们面对的最大的挑战。
AI来了，带来了什么样的机遇？我总结了三条，外资银行的机遇来自于全球化的基因，还有一个AI技术杠杆，还有监管的敏锐度。原来没有AI的情况，我们现在很多的Global的场景和方案，落到本地来讲就蛮难的，因为有一些Global的外资银行来讲，科技自主力不强，我们在本地的需求拿到了Global去审批，这一块一来一回蛮慢的，在这个情况下，有AI以后，有AI技术杠杆这个速率会加快，这是这一块。
第二块就是技术的溢出，这一块我提到一点，还是刚刚几位老总所讲的，国内的环境来讲，金融科技的企业蛮多的，中小微企业怎么去做？我觉得还是跟着第三方的生态来做，中小银行有没有必要把整个的体系做起来呢？如果你的投入很大可以，如果你想要快速的见效，和第三方合作是共赢的局面，这是我想要表达的。
还有监管敏锐度的问题，不管做那么多，包括我们的AI模型也好，包括我们AI场景也好，其实外资行要做的事情还是那条。在外资银行来讲，由于风险偏好的问题，对于合规非常重视，其实这边有个外资行有一个场景，对于合规文件的解读并给出建议及对现有流程及制度的影响，如我们的监管发文来了以后，我们目前的产品，目前的条款，对我们条例有什么影响？在这个情况下，我觉得是一个很大的需求，因为合规的话题很大，这一块我觉得是有这么一个机遇在里边。
第三块就回到主题上来讲，我们做AI到底怎么做？去年的时候大家通过做AI，还常常的讲AI的场景，我的场景怎么做？对吧？今年我觉得有一个情况，我刚刚跟中关村科金的时候在讲，你的用户规模是什么？尤其我们做IT的，我们做了AI场景，可能会给行里面去推广，做了试点，包括AI的模型，数据平台，加上产品场景做出来了，可以推广。但是有多少人用？覆盖率多少？这个系数是指数级的，要做成功。比如说你能给别人提效1%，有一万个人用，你看这个效果是多大的？这个是我要表达的。所以这个里面有个公式：大家可以看下，我再上面加了个覆盖率，从方法论来讲，应该是从AI场景升级到AI价值，这个对于如何做好AI非常重要
对于场景这个方面，这一块不用多讲了，我觉得这些场景在银行都在去尝试尤其是上午、下午听过的，包括以客户增长为首要目标的场景，我把它归纳一下。把包括以风险控制为主要目标的，我也对它的场景归纳一下，这些都是我们从一个容易的，包括价值论的，怎么去取舍的问题，包括成本效益都涵盖了。
下一点，我们讲了一个东亚银行的案例。这个案例为什么去讲？我们外资行其实很多是跨境业务需要体现的。我们现在有一个数据，2024年跨境数据场景审核累计完成是60万，当时怎么去完成的？就是人工的，基本上全部是靠线下手工，包括人工识别，因为单据的来源比较复杂，给回到放款中心，跟前线营销人员互相沟通来来回回浪费了很多人力。
还有一部分就是单据的业务审核量很大，第二就是审核的场景很多，因为要求很高，还有一些审核的风险在这儿。所以在这种情况下，基于这种场景做了一个智能审单，把所有的数据获取、单据审核、台账进行抽取，产生的价值就是18点放款的比例，尤其是涉及用户百分之百。这样场景出来了之后，AI价值就体现了，这是我们要表达的。
第四块，现在东亚银行AI的实践策略，能多讲一点，我们现在的合规监管这一块，我觉得做得还是可以的，因为什么呢？我们现在遵从的标准刚才讲了，有国内监管的标准，又有香港的，在技术层面包括在合规层面，特别是最近人工智能大面积开始使用的时候，我们怎么做好AI的治理？包括AI产生的幻觉，包括模型的可解释性，这些我们在整体集团包括国内都建立了AI治理组织，这个组织会有不同的条线，包括合规、法务人员参与到里面，我们会通过准入及场景审核，包括整个流程过程里面对于整体AI模型引入包括应用场景进行把控。
这就是我们刚才讲了，我们是跟第三方有合作的，包括我们现在在大湾区，香港总部在2022年成立了Beast的实验室，这个实验室目的会有一些初创企业跟我们合作。在2023年的时候，我们整个的Beast是引进了深圳的前海，过程中有一些初创企业，比如说有一些合作共创，都会纳到这个项目里来做。还有跟一些高校的合作，比如说深圳大学，复旦大学，等。
第五，我们对于刚刚上午讲的AI原生怎么做，AI原生这块是我们摘自Gartner的数据，包括一些趋势，我觉得AI生成数据应该远远大于这些数据，包括推理算力应该大于训练算力，包括模型不等式，大家形成共识了。还有垂类模型来讲，应该是专有场景模型，远远大于通用模型，就像上午阿里讲的通用模型是老师，其他的模型是学生一样的感觉，包括人力的不等式，包括开发不等式，这是一个趋势。
这一块就是讲了讲东亚银行新的战略，其实我们还是AI与数据的双轮驱动，整个还是以客户为中心、价值为中心，时间没有超。感谢大家。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：王翔
炒股配资平台提示：文章来自网络，不代表本站观点。
