東亞銀行張方昌：從AI場景升級到AI價值，對於如何做好AI非常重要

專題：服貿會第七屆中國金融科技論壇

　　中國國際服務貿易交易會-第七屆中國金融科技論壇於2025年9月10日-11日在北京舉行。主題為「科技賦能—金融業數字化轉型與應用」。東亞銀行資訊科技架構平臺部總經理張方昌出席並演講。

　　以下為演講實錄：

　　各位好，感謝邀請，今天參會是一個學習的過程，今天上午聽了工行、農行，下午有興業的，還有各家科技公司的分享以后，我今天的演講的主題就兩個，作為一箇中小銀行，尤其是一家外資行。而且我們的外資行也比較特殊，是本地化做得較好好的外資行。在AI場景下，我們怎麼發揮AI價值，這是第一個主題。第二個主題是我們怎麼去在AI價值中，和我們的合作伙伴和業務部門去合作，這是第二個主題。

　　我是分了幾個部分，這一頁片子，都有講過，我們在AI的發展浪潮下發展的方向，從DeepSeek出來之后，最大的改變不是從技術上來講有多先進，我最想要表達的是DeepSeek是把所有的AI這一塊普及到了。原來我們在開會或者工作的中講AI，我記得我們在年初的時候，比如外部的會議和我們內部管理層的交流，他們就講DeepSeek你們用了嗎？所以DeepSeek的出現除了算力的使用減少，讓中小企業有機會使用AI，另外一個作用就是普及AI到各個領域。所以，所以我講的就是在AI平權下，我們很多未來的工作可能就AI去替代了，這里有一個數據，來自於Gartner，主要講的是企業后續AI的預測

　　第二個就是我們的基礎了，講到DeepSeek，或者是上午阿里千問模型的專用模型和多模型的介紹，這一整套多模型。包括我們多模態大模型，包括智能體，包括我們在今年上海的全球人工智能大會上發佈的華為、寒武紀等國產化算力，其實都是技術突破為演進的AI的基礎。

　　第三個要做的就是作為一家企業也好，作為一家銀行來講，要做的就是AI的戰略轉型，包括今天下午興業陳院長講的，其實怎麼去做AI，要有一個頂層的規劃，從人、錢、組織、文化來講，這是一個整套的體系。

　　第四塊避免不了，我們做AI以后，其實我們在推進過程中就知道，不是那麼順利。因為什麼呢？在實施過程中，有可能你做了AI就會把別人的工作替代掉，AI的工作怎麼體現ROI及FTE的變化，我們該怎麼做？怎麼擁抱？怎麼使用工具？怎麼推進？我覺得這是一個基於現狀組織下的變革方向，比如上午農行的案例，有一把手、項目試點等，都會減少一些阻力。

　　從實現方向來講，原來只講模型、數據和算力，其實在這個過程中，我們講了這三個範式，會擴充到5個，我覺得組織人才是很重要的， AI人才現在非常稀缺，以前聽到更多的是複合型人才，複合什麼？可能是科技和業務，現在還要再加上人工智能。在組織人才里邊我們會構建的是應用場景，包括Agent的應用場景，包括后面我們應用場景的情況下。中午我們跟這幾位科技公司負責人聊的時候，他們問我，你怎麼看待我們的合作？我説我們現在經濟下線，科技投入也比會變低了，我就説你們給我帶來什麼樣的場景給到我們？我們不太想看到的是你賣給我一個平臺，平臺要運營起來、適配起來，這個工作量是蠻大的，這個工作面對的困難和數據的基礎到底是不是適配一系列的問題，所以我們講了一個擴展，就是應用工程。所以方法論上從模型數據到算力拓展到應用工程和組織人才。

　　回到東亞銀行，東亞銀行是1912年在香港成立，1920年是在上海成立了第一家分行。2007年成爲了獨立的法人銀行。為什麼東亞銀行做本地化做得好？因為東亞銀行整個科技體系來講都是本地化的，自主性比較高。在這個過程中，其實外資銀行面臨的困境、挑戰是差不多的。全球經濟在放緩，集團或者母行對於在華外資行的投入都在慢慢減少。本身外資行客户基礎相對比較薄弱，絕大部分外資行可能只有對公業務，對公業務很多也只是服務於本國企業在華的投資。隨着經濟的下行，這些企業越來越少，在經濟下行下怎麼能夠在國內獲得更好的優質的對公的企業，怎麼去跟中資行進行一些比拼。

　　另外就是客户基礎薄弱，比如説現在的各家大行蠻好的，為什麼？因為大行在逐步下沉的過程中，其實原來做的一些客户，尤其是獲客，包括資金成本反而低一點，不像外資銀行、中小銀行這麼高。又講到競爭壓力了，現在中資行的競爭，中資行的網點遍佈全國。現在幾家外資行，像我們上午跟渣打銀行聊的，現在開一家分行的話，我們本身就沒有這個現金業務了，網點開得蠻少的。可以觀察一下，大部分在關網點，逐步線上化了。

　　還有一些就是自身資源能力的限制，這里面我講一下就是人才短缺，這個避免不了如果我們需要做一些創新的實踐，最大的成本來自於人，包括一些試錯的成本，，使得我們去做一些嘗試的時候變得有可能。

　　最難過的就是第4點，監管合規的雙重壓力，現在的外資行，第一我們對於本地監管，比如説國內監管總局，人民銀行這塊壓力很大。第二塊，我們是香港的銀行，我們又手到香港HKMA香港監管局的監管。所以在雙重監管的情況下我們就要趨嚴，選擇最嚴的一套遵守，所以這是我們面對的最大的挑戰。

　　AI來了，帶來了什麼樣的機遇？我總結了三條，外資銀行的機遇來自於全球化的基因，還有一個AI技術槓桿，還有監管的敏鋭度。原來沒有AI的情況，我們現在很多的Global的場景和方案，落到本地來講就蠻難的，因為有一些Global的外資銀行來講，科技自主力不強，我們在本地的需求拿到了Global去審批，這一塊一來一回蠻慢的，在這個情況下，有AI以后，有AI技術槓桿這個速率會加快，這是這一塊。

　　第二塊就是技術的溢出，這一塊我提到一點，還是剛剛幾位老總所講的，國內的環境來講，金融科技的企業蠻多的，中小微企業怎麼去做？我覺得還是跟着第三方的生態來做，中小銀行有沒有必要把整個的體系做起來呢？如果你的投入很大可以，如果你想要快速的見效，和第三方合作是共贏的局面，這是我想要表達的。

　　還有監管敏鋭度的問題，不管做那麼多，包括我們的AI模型也好，包括我們AI場景也好，其實外資行要做的事情還是那條。在外資銀行來講，由於風險偏好的問題，對於合規非常重視，其實這邊有個外資行有一個場景，對於合規文件的解讀並給出建議及對現有流程及制度的影響，如我們的監管發文來了以后，我們目前的產品，目前的條款，對我們條例有什麼影響？在這個情況下，我覺得是一個很大的需求，因為合規的話題很大，這一塊我覺得是有這麼一個機遇在里邊。

　　第三塊就回到主題上來講，我們做AI到底怎麼做？去年的時候大家通過做AI，還常常的講AI的場景，我的場景怎麼做？對吧？今年我覺得有一個情況，我剛剛跟中關村科金的時候在講，你的用户規模是什麼？尤其我們做IT的，我們做了AI場景，可能會給行里面去推廣，做了試點，包括AI的模型，數據平臺，加上產品場景做出來了，可以推廣。但是有多少人用？覆蓋率多少？這個係數是指數級的，要做成功。比如説你能給別人提效1%，有一萬個人用，你看這個效果是多大的？這個是我要表達的。所以這個里面有個公式：大家可以看下，我再上面加了個覆蓋率，從方法論來講，應該是從AI場景升級到AI價值，這個對於如何做好AI非常重要

　　對於場景這個方面，這一塊不用多講了，我覺得這些場景在銀行都在去嘗試尤其是上午、下午聽過的，包括以客户增長為首要目標的場景，我把它歸納一下。把包括以風險控制為主要目標的，我也對它的場景歸納一下，這些都是我們從一個容易的，包括價值論的，怎麼去取捨的問題，包括成本效益都涵蓋了。

　　下一點，我們講了一個東亞銀行的案例。這個案例為什麼去講？我們外資行其實很多是跨境業務需要體現的。我們現在有一個數據，2024年跨境數據場景審覈累計完成是60萬，當時怎麼去完成的？就是人工的，基本上全部是靠線下手工，包括人工識別，因為單據的來源比較複雜，給回到放款中心，跟前線營銷人員互相溝通來來回回浪費了很多人力。

　　還有一部分就是單據的業務審覈量很大，第二就是審覈的場景很多，因為要求很高，還有一些審覈的風險在這兒。所以在這種情況下，基於這種場景做了一個智能審單，把所有的數據獲取、單據審覈、臺賬進行抽取，產生的價值就是18點放款的比例，尤其是涉及用户百分之百。這樣場景出來了之后，AI價值就體現了，這是我們要表達的。

　　第四塊，現在東亞銀行AI的實踐策略，能多講一點，我們現在的合規監管這一塊，我覺得做得還是可以的，因為什麼呢？我們現在遵從的標準剛纔講了，有國內監管的標準，又有香港的，在技術層面包括在合規層面，特別是最近人工智能大面積開始使用的時候，我們怎麼做好AI的治理？包括AI產生的幻覺，包括模型的可解釋性，這些我們在整體集團包括國內都建立了AI治理組織，這個組織會有不同的條線，包括合規、法務人員參與到里面，我們會通過准入及場景審覈，包括整個流程過程里面對於整體AI模型引入包括應用場景進行把控。

　　這就是我們剛纔講了，我們是跟第三方有合作的，包括我們現在在大灣區，香港總部在2022年成立了Beast的實驗室，這個實驗室目的會有一些初創企業跟我們合作。在2023年的時候，我們整個的Beast是引進了深圳的前海，過程中有一些初創企業，比如説有一些合作共創，都會納到這個項目里來做。還有跟一些高校的合作，比如説深圳大學，復旦大學，等。

　　第五，我們對於剛剛上午講的AI原生怎麼做，AI原生這塊是我們摘自Gartner的數據，包括一些趨勢，我覺得AI生成數據應該遠遠大於這些數據，包括推理算力應該大於訓練算力，包括模型不等式，大家形成共識了。還有垂類模型來講，應該是專有場景模型，遠遠大於通用模型，就像上午阿里講的通用模型是老師，其他的模型是學生一樣的感覺，包括人力的不等式，包括開發不等式，這是一個趨勢。

　　這一塊就是講了講東亞銀行新的戰略，其實我們還是AI與數據的雙輪驅動，整個還是以客户為中心、價值為中心，時間沒有超。感謝大家。

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閲，新浪網登載此文出於傳遞更多信息之目的，並不意味着贊同其觀點或證實其描述。