光大银行人工智能技术中台建设与思考

中国光大银行科技研发中心副总经理 裴亚民

在数字化时代，AI被视为第四次工业革命的重要抓手，已成为推动各行业业绩增长的新引擎。近年来，以AIGC为代表的人工智能大模型等新应用、新需求的崛起，带动金融同业深化布局“智能能力建设”，赋能金融业务。在数字化转型过程中，光大银行积极把握机遇，以融合引领的科技定位，致力于让科技成为发展第二曲线的核心引擎，制定了新一期的科技战略规划，构建了新体验、新模式、新融合，中台化、敏捷化、智能化的“三新三化”核心科技引擎战略（如图1所示）。

在此背景下，探索光大特色的人工智能技术中台建设，有助于加速AI类应用规模化推广，提高生产力和生产效率，推动光大银行数字化转型。

1. 建设指导思路

光大银行正积极推进数字化转型，通过新一期科技战略规划“十四五工程”项目的方式推进执行。“十四五工程”囊括近百个重点项目，包含十大业务类、四大治理类、五大技术工程建设，其中技术中台负责科技支撑，确保系统稳定运行和技术不断创新。人工智能技术中台作为技术中台的重要组成部分，已成为光大银行科技战略规划实施中的重要任务。秉持“三新三化五原则”建设理念，人工智能技术中台以先进的架构设计，推动数字化转型演进，催生创新成果，支撑多业务条线高质量发展。

2. 架构体系设计

以往，人工智能建设过程常常呈现出碎片化、竖井化的特点，并带来功能重复建设、数据难打通、业务交互成本高、业务得不到沉淀等问题。为进一步支撑重点业务发展，光大银行在人工智能技术中台架构体系设计过程中，将人工智能技术和基础设施进行抽象和整合，形成统一的技术平台，为银行各业务线提供可共享的技术服务，使得银行科技能够更加灵活、高效地应对业务需求。

目前，光大银行已建设全行统一、自主可控、功能完备的人工智能技术中台架构体系（如图2所示），具备了听、说、读、看、做五类能力，统一为银行业务赋能。始于身份识别、智能客服等智能场景建设，人工智能技术中台逐渐沉淀出以自动语音识别（ASR）、自然语言处理（NLP）、语音合成（TTS）、光学字符识别（OCR）、生物识别、虚拟人像合成、内容审核、文档比对、文档抽取等成熟AI技术为支撑的企业级AI服务能力，并以智能客服、生物识别、智能质检、智能双录等成熟智能化应用赋能业务，同时以AI训练平台、推理AI中台等实现AI模型定制化和服务纳管。

人工智能技术中台包含几个关键层次：一是硬件资源支撑与资源管理引擎层，它为整个系统提供了必要的计算和存储基础设施，以管理硬件资源，优化资源利用，确保各个部分都能够高效运行。二是AI数据引擎与AI平台引擎层，致力于为开发者提供一个全链路的开发流水环境，包括管理和标注海量数据、模型研发工具框架，并支持轻松地构建和管理各种AI模型。三是AI能力引擎和AI服务引擎层，可提供核心的AI算法和模型，以支持各种任务。AI引擎将AI能力转化为标准化服务和接口，简化与其他系统的集成，从而实现更广泛的应用。四是AI生态层，作为整个系统的顶层，涉及整个AI生态系统的建设和管理。通过建立一个健康、开放的生态系统，人工智能技术中台能够更好地适应不断发展的技术潮流。

1. 推动数字化转型演进

人工智能技术中台在应用架构层面实施中台默认原则，带来了更高的灵活性和高效性，协助银行迎来深刻的数字化转型演进。

一是从能力分散重复向能力纳管复用的转变。人工智能技术中台建设标准化AI能力，以AI能力中心接管第三方能力与纳管自研能力，为上层应用输出标准智能能力，统一交易码、报文和协议；以标准化数据回流打通AI能力与应用系统的业务数据回流，提高模型迭代频率；以敏捷开发机制打通MLOPS模型生命周期全流程管理。通过集中建设与上收标准化AI能力，实现部门间、场景间的能力纳管复用，避免能力重复或分散建设。中台采用默认组件复用模式，实现快速构建应用和支持多系统功能，使得银行业务更趋向于模块化、灵活化，为快速适应市场变化提供有力支持。

二是从系统视角向场景视角的转变。人工智能技术中台通过“智能能力+中台化场景+业务场景”联合创新，形成场景工具圈层孵化的模式（如图3所示）。一方面与智能原子能力对接，以提供多种组合编排后的中台化能力；另一方面对接业务场景，与业务共研流程、共同孵化场景化能力工具。在底层能力基础上进行层层递进的场景化建设，既能沉淀不同业务部门之间相似业务场景的共性能力，又能快速实现业务场景化诉求。

三是从单维度模型分析向智能多维模型的转变。单维度模型仅关注特定领域的信息，无法考虑其他数据模态的信息，对复杂问题的处理能力有限。多模态模型可获取和整合多维度的信息，从而获得更全面的数据理解，使金融机构能够更全面、准确地运用多维度信息，有助于其更准确地了解客户行为、市场情况和风险因素，提高个性化服务能力以及决策的全局性和准确性。

四是从人力密集向数字员工的转变。数字员工替代人工完成高强度、高重复、模式化的工作，以提升企业级智能生产力。光大银行根据各工作岗位特点和专业条线的实践，将数字员工分为对客服务和对内赋能两类。在对客服务方面，通过建立客服机器人，实现场景中的沉浸式交互自助服务，以提高金融服务的便捷性和可获得性；在对内赋能方面，使用数字员工全面替代员工人力进行数据录入和处理、工单管理、信息比对、报表生成以及合规检查等办公环节。数字员工可使员工脱离繁琐、重复性操作，更专注于具有创造性的工作。

2. 赋能业务初显成效

光大银行人工智能建设已由“智能能力的系统建设”演进为“用好智能能力的生态建设”。通过“业务+智能+中台”运营体系，支撑智能能力广泛应用于各业务场景。以“中台思维”指导智能能力与业务深度融合，实现标准化AI能力并提高交付能力。通过“运营”打通AI研发与应用推广，达到AI能力应用规模化。通过AI中台能力沉淀上收近200项能力库，使AI能力输出涵盖多个业务领域。光大银行在全行实现智能化应用的全覆盖，积累500多个细分场景，取得显著的赋能成效，包括广度、深度和速度的显著提升，为银行业务提供了强大的技术支持和创新动力。

在客户触达层面，人工智能技术中台持续加强生态化能力建设，采取全方位的策略，同时在数字渠道上多向发力，赋能智慧远程服务、云缴费等多领域。在智慧远程服务领域，建设智能问答、电话导航、智能外呼、智能质检、智能辅助等智能客服功能，使其成为线上运营的关键支柱；运营“阳光小智”、数字人“小璇”为代表的数字产品。在疫情期间，“阳光小智”在线进件高峰期服务占比达到96%以上，日均服务量近30万人次。

在客户营销和运营层面，人工智能技术中台为零售客户、对公客户以及私行客户提供了高度个性化的客户运营能力，以支持不断丰富和细分的多类型客群及场景应用，包括智能双录、线上超市、远程投顾、数字名片、代销审核等。这些能力覆盖了存贷款、普惠、网贷、信用卡等多个领域，为不同业务提供了全方位的技术支持。

在对内智能运营层面，人工智能技术中台快速推动新技术在业务营运、数字化风控和智能运维等领域的全面应用。在业务营运方面，建立智能文档平台、智能审核平台等工具平台，显著提高运营效率；在数字化风控方面，运用人工智能和RPA进行风险警报、数据维护和支付监测，强化一体化风险防控；在智能运维方面，建立工单巡检、账号巡检机制，推动智能化转型。这些创新措施提高了运营效率，为光大银行的数字化转型和智能运营提供了坚实支持。

在智慧办公层面，在知识流程优化方面利用“知识库+大模型”，实现业务知识创作、沉淀、流动及应用；在通信流程优化方面提供智能助手“小茄”、智能日程、智能会议纪要能力，确保业务人员的通信即时、高效和智能连接；在绿色办公方面提供一系列文档转换、文档在线签名批注、文档拍照扫描等便捷办公工具，提升绿色无纸化率。

近年来在自主安全算力、云原生技术发展推动下，金融业算力规模和数据规模实现快速增长。AI大模型是当前人工智能领域的热点，如何有效地运用AI大模型成为金融业面临的挑战。以下主要从算力资源、算法、数据资源、生成式AI安全，以及人才培养等方面分析人工智能技术中台发展所面临的挑战，并提出应对策略。

1. 算力资源

算力资源是AI的基础设施，AI的训练推理依赖于算力支撑，大算力也在数据中心基建、硬件、电耗等方面带来巨大的经济压力。一是随着金融领域AI类需求的快速增长，各项AI能力对算力资源的需求增长速度带来算力压力。二是因AI训练算力卡受到采购限制，算力采购难度有所提高。针对这些问题，光大银行对内整合自身已有的算力资源，加大算力资源供给；同时，积极探索自主可控算力合作计划，利用多元化、高质量的算力资源，满足对于算力的需求。

2. 算法

算法方面的挑战主要来自于大模型。从资源和成本角度考虑，并非每家金融同业机构都需要从零开始独立训练私有基础大模型，投入精力做好大模型二次调优、应用场景建设是更加现实的选择。光大银行采用多方联合探索模式，与银行、头部大模型企业和应用集成服务商合作，通过“开源+联创+共研应用”的方式，结合同业需求建设特色化大模型和应用，提高大模型的应用实用性。

3. 数据资源

数据资源方面，目前光大银行已建立涵盖行内的全量数据，形成文本/文档、图片、视频、音频等语料的统一治理，以充分满足金融自然语言或视觉小模型、L2大模型训练的需要。一方面持续挖掘现有数据的价值，完善非结构化数据管理体系和专业标注体系；另一方面按需引入外部数据，以补充满足垂直领域L1大模型训练的需要。

4. 生成式AI安全

近期，全国信息安全标准化委员会发布《生成式人工智能服务安全基本要求》（征求意见稿），提出31种主要安全风险。针对该类问题，光大银行采取如下应对措施：一是在应用场景选择上，建立内部先行机制，将生成式AI作为不同岗位员工的助手使用。二是针对大模型本身技术弱点，主要保证数据质量、参数调整及提示词工程，对结果评估和校准等，通过与向量数据库结合，提升响应的准确性。三是针对意识形态、价值观、种族偏见、“恶意投毒”等风险，对输入和输出进行安全过滤，提出一整套的审核过滤系统解决方案。

5. 人才培养

在人才培养方面，由于人工智能技术中台的建设需要多学科人才，而这类人才资源相对较为稀缺，因此需全方位引进、培养、用好金融科技人才，培育“懂业务、通AI”的复合型AI人才。

光大银行持续推动银行业务中台化、智能化，成功构建全行统一、自主可控的人工智能技术中台，通过标准化建设、规模化推广和场景精细化应用为业务提供高效、智能支持，推动数字化转型在客户触达、营销运营、对内智能运营和智慧办公等多领域全面应用，取得了显著赋能成效。同时，面对人工智能技术中台的多重挑战，光大银行将不断完善技术，提升科技创新水平，以更智能的服务能力为客户提供更优质、便捷的金融服务。

本文刊于《中国信用卡》2024年第3期

责任编辑：崔嘉桐