解析CIFS|北京银行代铁：人工智能技术在银行的建设与应用
2025-04-01
尊敬的各位领导、各位同仁：
大家上午好！感谢主办方提供这么好的平台，让我有机会分享北京银行在人工智能技术建设与应用方面的探索和实践。
我的分享将从三个方面展开：首先是整体布局规划，其次是人工智能核心能力建设，最后是与业务场景融合的具体应用实践。
01统筹布局，建设人工智能驱动的商业银行
北京银行在 2024 年提出要打造人工智能驱动的商业银行，即 AIB，努力探索人 + AI 的最优组合形态与工作方法。今年年初，我们提出 “All In AI” 理念，共同推动 AIB 的具体落地与实践。
AIB战略,全面赋能银行数字化转型和高质量发展
我们以 AIB 战略为引领，通过总分联动、产研联合、政企协同的方式，积极赋能业务发展。梳理总行和分支行的各类需求，以 AI 为支撑，推动流程优化与产品创新。我们与高校、科研机构以及头部企业，如自动化所、华为、抖音等，共建联合实验室，加速科研成果向实际应用的转化落地。同时，通过政企协同，积极参与北京市科委的联合创新体项目，有力地赋能零售、批发、风控等各业务领域的产品创新与落地。
大、小模型双轮驱动，加快建设人工智能驱动的商业银行（AIB）
北京银行于 2020 年开始打造自己的人工智能中台 ——“京智大脑”。起初，它主要基于数据驱动的小模型及传统人工智能能力。2023 年大模型出现后，我们积极跟进并部署，以知识驱动的大模型实现大小模型双轮驱动，构建了语音、语义、图像、知识图谱、决策、流程自动化、虚拟数字人以及大模型这八项主要的人工智能能力。
以数据驱动的”小模型“技术体系
传统小模型主要依靠深度学习、机器学习等技术，进行认知能力和感知能力的建设。感知能力涵盖语音交互、图像识别，如卡、证、票据发票的 OCR 识别以及生物识别（声纹、人脸、活体检测等）；认知能力主要包括 NLP（自然语言处理）、语义理解、智能决策模型以及知识图谱的基础建设能力，为营销、风控等业务领域提供服务。构建以“大模型”+“小模型”双轮驱动技术体系大模型出现后，我们打造了大小模型双轮驱动的技术体系。在底层基础设施层，统一管理小模型和大模型的算力；在数据层，实现数据管理、标注与分析能力，同时建立自己的特征库和知识库。在算法层，整合小模型的深度学习、机器学习模型，针对大模型建立了自己的 MaaS 平台，实现大模型训练、推理一体化。在服务方面，打造 RPA（机器人流程自动化）、感知能力、认知能力以及 Agent 智能体的服务能力。基于这些能力，在智能报告、法规、信贷以及协同办公等银行各个领域展开应用。
02科技融合，多方面推进AI技术落地转化
在基础人工智能能力建设方面，我们进行了如下规划与部署：
人工智能重点能力（1）：建设“云-网-边-端”协同的银行AI智算网络
首先，重点打造 “云 - 网 - 边 - 端” 智算网络。如今，算力资源十分宝贵且稀缺，我们整合总行和分支行的算力，实现云边协同。同时，实现算法一键推送到边缘节点，优化算力配置，形成总行计算、分行推理、端侧应用的协同模式，满足网点低延时、高并发的业务场景需求，提升算力优化和效率。
人工智能重点能力（2）：部署“京翼”大模型服务（MaaS）平台
其次，打造 MaaS 平台服务能力 ——“京翼” 大模型服务平台。该平台提供全栈工具链，包括基础设施配置管理、数据管理、模型训练、推理、模型部署等一系列环节。同时，内置 12 个基础大模型，如我们自己的京智大模型以及业界常用的开源模型（DeepSeek、千问等），方便模型训练和推理工作。模型安全至关重要，我们内置安全算子和高危过滤系统，确保生成内容安全合规，并通过健全流控保障数据安全。
人工智能重点能力（3）：研发“京骑”AI智能体（AI agent）应用平台
再者，打造 “京骑” Agent 人工智能体应用平台。人工智能体具备感知、分析判断和追踪执行能力，整合了大模型能力、小模型能力以及银行自身的传统流程和能力。通过编排和调度，能够应对复杂的银行业务场景。此外，Agent 平台采用配置化、拖拽式、组装式的方式，降低应用开发门槛，可快速组装配置，以满足各种复杂业务场景的需求。
人工智能重点能力（4）：升级人工智能创新平台(AIB 2.0)
我们还在打造自己的人工智能创新平台。从下至上，基于基础大模型，结合银行行业知识数据以及行内制度、流程、规范、产品、营销等内容，构建行内模型。再依据全行知识库，打造分行、支行等有价值的领域模型。在此基础上，以平台为依托，针对一线员工（如大堂经理、客户经理、一线营销人员），利用强大的知识后台，提供写作、生成、客服、查询等辅助工具。目标是打造人人好用、会用、想用、能用的一流 AI 工具，赋能一线员工，切实提高一线工作效率，提升工作产出。该平台自 2023 年开始建设，去年完成二代升级，引入 DeepSeek。大模型推理准确性从第一代的 60% 提升至 96%，效果显著，已能较好地应用。同时，从算力、数据、模型等四个平台方面进行了一系列优化，算法并发能力提升了三倍，使应用能够深入到每一位一线员工，为其提供有力的辅助和支撑。
人工智能重点能力（5）：迅速实现DeepSeek金融应用
重点介绍一下 DeepSeek。2024 年 DeepSeek API 接口发布后，我们积极跟进，在内部部署了 DeepSeek 接口应用方式。春节期间，正如龚总提到的，大家迅速行动起来。初三我们收到董事长指示，当天便展开研究讨论。我们积极响应，率先在国产化平台上部署了 DeepSeek 的一系列模型，包括 671 满血版、671 量化版以及 32B 蒸馏版，以适应不同场景。例如，满血版适用于长文本分析和复杂推理场景；量化模型适用于对精度要求相对不高的场景；蒸馏版则适用于算力资源需求小、场景相对简单的场景。基于DeepSeek，我们整合了行内知识库。DeepSeek 在使用时，一方面会查询行内知识库，另一方面加强了互联网检索，提供百度、头条、必应三个知识信源。这样既能搜索行内知识库，又能实时检索互联网知识，极大地提高了问答的准确性和及时性，能够快速吸纳当天发生的信息，提升答复效果。目前，DeepSeek 已全面接入 AIB 平台，在风控、运营、管理等领域积极探索应用。
人工智能重点能力（6）：建设流程挖掘工具，挖掘数字化业务流程
第六项能力是流程自动化。尽管大模型能力强大，但传统 AI 能力同样不可忽视。北京银行一直高度重视 RPA（机器人流程自动化）的应用与探索，在全行各领域广泛应用，已部署 200 多个场景和模型。今年，我们将进一步推进相关工作。一方面引入流程挖掘工具，在用户端部署该工具，它会进行一段时间的采集分析，梳理出可能适用的场景点，并提取流程，针对流程自动生成 RPA 流程设计。通过低代码拖拽式配置方式，提高 RPA 从场景到最终落地交付的效率，实现敏捷交付。同时，可实时自动计算成效分析，便于管理层把控 RPA 情况，为决策提供支持。
人工智能重点能力（7）：建设数据安全屋
最后一项能力是数据安全。数据至关重要，数据安全更是重中之重。我们在生产环境部署了安全屋，通过技术手段（监控、门禁等）提供独立的安全环境，用于文本、录音、视频的标注工作，为大模型与小模型技术研究提供有力支持。
03业态创新，聚焦关键场景需求重点突破
前文提到，我们积极开展联合创新。与中科闻歌、华为、火山等共建实验室，围绕 “大数据、大模型、大算力、大安全” 四个领域主题建立联合实验室。秉持生态融合理念，参与成立北京市科委联合重点项目，建设金融行业大模型，同时孵化出一系列应用产品。其中，针对生成式能力，孵化出 “京信妙笔”，下面将详细介绍。
在具体业务场景方面，我们利用人工智能技术打造三种业务创新模式：
以人工智能技术创新三种业务模式（1/3）：“人+机器”协同的办公模式
第一种是人 + 机器协同办公模式。我们打造了京信妙笔智能工具，充分发挥其生成式能力。在智创方面，主要应用于信贷报告生成场景。通过上传必备附件文档，一键生成尽调报告和审核报告，同时支持基于这些报告的在线问答搜索、内容一键导入，以及对段落（如行业报告段落）进行扩写、缩写和风格化定制改造，有效解决了信贷人员报告生成过程中的痛点。智会主要针对智能会议纪要。与行业线上智能会议打通，一键导入视频生成会议纪要。在文本识别基础上，提取会议内容要点摘要、统计关键词等，支持会议纪要模板风格化定制和内容检索，还利用声纹识别技术自动判别发言人。今年，我们进一步结合音视频技术，实现会议纪要内容的剪辑，将一两个小时的会议生成 2 - 5 分钟的摘要视频文件，方便他人快速浏览领会会议精神。智校提供智能校对能力，涵盖语法检查、敏感词检查和专有名词检查，方便一线文本生成人员进行校对审核，提高工作效率。
以人工智能技术创新三种业务模式（2/3）：“超自动化 ”的业务处理模式
第二种是超自动化的业务处理模式。基于 RPA 能力，一方面实现有人值守的人机协同办公模式下客户端流程的自动化生成，并实时反馈结果，提高人员工作效率，减轻工作压力；另一方面具备 72 小时无人值守能力。同时，将 RPA 与大模型能力相结合，进一步提升 RPA 的智能化和高效化。通过之前的流程挖掘和快速部署能力，实现 RPA 的敏捷迭代，快速响应业务具体需求。
以人工智能技术创新三种业务模式（3/3）：“数字员工”的服务模式
第三种是数字员工的服务模式。在智能客服方面，通过客服对话进行意图识别，为理财投顾业务人员提供理财信息配置推荐，发挥助手功能。在数字人应用方面，一方面用于行内视频创作，如利用 “京京” 数字人形象进行党建信息播报等；另一方面在服贸会等场合展示我行形象。在外呼场景，如电销、催收、回访和质检等环节，也广泛应用人工智能技术。以上就是北京银行在人工智能建设与应用方面的实践分享，如有不足之处，请各位批评指正。谢谢大家！
