中国农业银行研发中心副总经理 刘光仿

  农业银行以习近平新时代中国特色社会主义思想为指导，坚持创新驱动发展，高质量推进金融数字化转型。农业银行研发中心加强科技金融、绿色金融、普惠金融、养老金融、数字金融的服务能力，落实智慧为民的基本原则，抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域的深化应用。

一、战略引领，多维度推进数字化转型

  数字经济逐步成为推动金融业高质量发展的重要驱动力。一方面，数据作为生产要素改变了金融业的生产和服务方式，推动了经济发展的质量变革、效率变革、动力变革。另一方面，人工智能的兴起为金融科技提供了广阔的发展空间，释放了数字驱动的生产力优势。随着人工智能在营销、风控、运营等多个业务领域进一步发挥决策作用，其在构建数字生产力方面的价值逐步显现。与此同时，数字化转型对人工智能提出了更高的要求。

  一是需要提升以“用数”为核心的人工智能交付能力。传统的数据挖掘和人工智能应用构建依赖研发人员的个人经验和能力，难以形成规模化的高效交付能力。人工智能应用需要在制度建设、平台能力、项目管理、监控运维、考核评价等方面形成有针对性的方法。

  二是需要打通数据到智能决策的“最后一公里”。智慧金融大幅扩大了视频、语音、行为轨迹等非结构化数据的规模，人工智能应用需要围绕低时延业务场景，加速算力在金融领域的创新应用。

  三是需要以场景价值为目标推进业务创新。人工智能应用需要以“成为水电煤一样的基础设施”为愿景，为智能营销、智能风控、智能运营等金融场景提供完整解决方案，切实增强客户和员工的获得感、安全感和幸福感。

  农业银行研发中心坚持问题导向，以“整固拓展、深度应用”的新思路，面向智慧金融新业态、新需求，筑牢金融科技底座，赋能业务高质量发展，深化金融科技应用，做好数字化转型这一“必答题”，重塑金融服务模式，多维度推动数字化转型。

二、技术先行，打造人工智能服务引擎

  农业银行积极开展人工智能服务能力建设，面向金融场景打造集成数据探索、模型训练、模型验证、模型发布、模型调度、模型运行、模型后评价等功能的人工智能金融服务云。人工智能金融服务云作为全流程一站式工作台，可实现AI模型一键发布，降低分析、建模和应用的门槛，拉近数据与价值的距离，打造场景化资产和服务解决方案，培育智能化创新生态，实现数据价值快速变现。

  人工智能金融服务云主要实现四大目标：一是快交付，缩短模型研发周期，提高部署和运维效率，推进AI项目快速落地实践，敏捷响应业务需求，实现模型的快速更新与升级。二是降门槛，用科技降低建模门槛，提供全员人工智能服务，让业务人员也能进行分析、建模和应用，让人工智能无缝融入日常工作中。三是场景化，聚焦金融场景，沉淀金融场景的AI数字资产和模型组件，打造特色化金融AI产品，提供面向场景的解决方案。四是生态化，构建创新生态，理顺组织、人才、流程等要素，实现平台赋能能力的全面提升。

  农业银行按照“统筹规划、顶层设计、分步实施、快速迭代”的思路，依托云架构、微服务、Serverless等框架思想，聚焦于企业级人工智能服务DevOps体系构建、AI能力交付加速、AI数字资产沉淀，通过业务与技术双轮驱动，建设用户体验好、平台能力强、资产积累多、生态环境优的人工智能金融服务云，为智慧金融新业态提供更敏捷、精准的人工智能服务。

三、算力赋能，加强算力泛在能力建设

  农业银行发挥横跨城乡的客户基础和机构布局优势，加强算力综合供给，推动“云边端”算力泛在协同发展，构建技术先进、规模适度的边缘计算能力，实现算力赋能和网点经营的有机整合，打通从数据到智能决策的“最后一公里”，有效提升智慧金融运行效力和创新水平。

  为了满足智慧金融在海量数据、高效计算、智能分析、隐私保护等方面的差异化需求，农业银行以云边协同为基础，构建全行统一的边缘计算技术体系，推进算力、数据、应用的有效整合：一是优化云边算力布局，统筹管理云边算力资源和应用容器，以标准化接口提供可配置、可切分、可共享的边缘推理算力，快速形成算力和场景的连接;二是强化数据驱动作用，实现金融业务边侧数据的筛选、整合与处理，在保证数据隐私安全及合法合规的基础上发挥边侧数据价值，将无感数据注入智慧金融服务全流程，穿透打通数据孤岛;三是深化应用创新机制，专注于云端的模型研发制高点，依托边侧的算力设施补给线，拓展端侧的数据采集受力面，构建场景金融“立方体”，为智慧金融新业态创新的平稳落地提供有力的支持。

  农业银行将云端算力资源下沉到边缘场景，解决了人工智能应用在网络延时、网络传输、能量损耗、数据安全等方面的瓶颈问题，为智慧金融新业态注入新活力，为运营管理、风险控制、内控合规、安全保卫等金融场景的拓展提供更加多元的解决思路，为金融数字化转型提供更全面、高效的算力支持。

四、深化应用，提升金融领域服务质效

  农业银行以人工智能金融服务云的自然语言处理(NLP)引擎、知识图谱引擎、大模型服务引擎、计算机视觉引擎、智能字符识别(ICR)引擎、机器人流程自动化(RPA)引擎等智能服务引擎为驱动，助推数字乡村、智慧营销、智慧风控、智慧运营建设，着力打造场景感知、人机协同、跨界融合的智慧金融新业态。

  在NLP应用方面，农业银行充分运用深度学习能力，为检索、文本分类、实体识别、舆情分析等自然语言处理任务提供支持。在掌银搜索场景中，NLP引擎提供的文本分类能力显著提升了用户搜索准确率。在信用卡审核场景中，NLP引擎通过文本比对，辅助人工识别，提升了审核效率。此外，NLP引擎还可为英文票据识别、地理信息识别、事件单分析、知识库推荐、行名匹配等多项业务进行智慧赋能。

  在知识图谱应用方面，农业银行创造性地提出了一整套自上而下的具有金融领域特色的知识图谱资产体系构建方法论，建设分层次、分主题的图谱资产体系，助力分析师“看得到、看得懂、易使用”，秒级完成亿级节点的股权穿透和风险识别，解决集团风险识别的难题。

  在大模型服务应用方面，农业银行紧跟大模型技术发展趋势，在同业率先推出类ChatGPT的ChatABC大模型，采取边建边试的方式，以辅助为主，建设初期在内部的智能问答、辅助编码、智能办公等多个场景进行开放试用，开展创新孵化、快速迭代，验证了大模型应用的平台能力和应用路径。

  在计算机视觉应用方面，农业银行从网点和客户视角将“数据+算法”深度融入业务经营，优化网点运营模式，推进线上线下协同营销，提升超级柜台等智能化设备的风控水平，将风险管理由“人控”向“机控”“智控”转变。此外，农业银行还综合应用计算机视觉和物联网等技术对牛羊等畜禽活体资产进行识别计数，对基酒等抵押物进行智能贷后管理，提升贷款管理效率与水平，服务乡村振兴。

  在智能字符识别应用方面，农业银行在标准卡证识别、金融凭证识别等场景中提供智能识别服务，实现提质、降本、增效。在数字化业务运行中心智能录入场景中，票据、凭证自动识别准确率达到90%以上，大幅节约了运营成本。在临柜授权场景中，实现户名、账号、大小写金额、印章等的自动识别，年压降人工审核成本3万人天以上。在凭证相关的事后监督场景中，实现凭证分类识别预警量降低72%，重点要素补录问题件占比降低77.6%，人工核销工作量大幅下降。

  在RPA应用方面，农业银行将RPA全面应用于数据录入、周期任务、人机协同、内部系统桥接和外部系统依赖五大领域的1000余个业务场景，提升数据运转效率，为全行输出数字化劳动力。在金融市场领域，RPA应用支持资讯整合、业务运营、监管报送等场景，每月运行几千次自动化流程，降低了手工操作工作量;在财务会计领域，RPA应用实现发票识别、票据估值监测、债券收益率曲线核对等功能，大幅缩短了处理工时，使处理效率提升近十倍;在网点运营领域，RPA应用在账户报备、报表审核、系统履职等场景得到推广，减轻了业务人员的作业压力。

五、面向未来，赋能基层数据应用

  农业银行在人工智能技术方面将以“面向未来，用户有感”为原则，以支撑1万余名分析师智慧分析为目标，以“七剑下天山、AI助用数”为规划，打磨工艺，深化运营，赋能基层数据应用。

  第一剑：云边协同。实现云化算力、边缘计算、存算分离，全面拥抱数据湖，实现性能的跨越式提升。第二剑：资产目录。依托行内大数据资产平台，实现对全行结构化、非结构化及半结构化数据，预训练模型，知识图谱等全口径资产的统一纳入，使数据资产易查找、直接用、可共享。第三剑：算法魔法箱。基于大量预训练模型及业务模板，使用户可以选模板、选样本，一键完成特色化场景模型训练，为规模推广扫清障碍。第四剑：一体化工作台。打通底层屏障，整合拖拽式、编码式等多种建模交互模式，打造全新、融合的交互体验，实现不同模式无缝切换，形成一体化模型构建。第五剑：流水线工艺。依托MLOps提供业务全自助、专业化技术实施两种上线模式，满足“敏态”和“稳态”的不同需求。第六剑：便捷化人工智能服务。搭建AI商店，快速构建应用，使基层一线人员可直接使用，实现人工智能服务的便捷化，并使应用成为像水电煤一样的基础设施。第七剑：平台运营。建立健全准入、运营、退出、保障机制，支持AI能力规模化推广，确保成果的快速应用和转化，赋能基层。

  后续，农业银行将坚持自主创新，践行金融为民，按照“平稳、高效、安全、精准、敏捷、简单”的工作总方针，以人工智能金融服务云为依托，布局先进高效的算力体系，在架构规划、技术融合、数据治理、生态建设等方面寻求更大突破，在营销、风控、运营、安保等领域深度挖掘人工智能应用场景，做深做精做细精准识别，持续构建智慧金融新业态，推动数字化转型向创新引领、数据赋能、全渠道协同阶段迈进。

  原标题：《从大数据到智能决策：以人工智能驱动的智慧金融新业态建设》