北京商报讯（记者岳品瑜董晗萱）“AI时代的加速到来，令数字银行的演进迎来一次范式转移——从数字原生阶段迈向AI原生的高阶形态。这一转变不仅是技术迭代，更将在产品设计、研发体系、应用架构、基础设施、组织人才、风险治理等维度引发系统性变革，使AI能力渗透至金融服务的全生命周期，成为驱动数字银行持续创新的关键引擎。”3月12日，在接受北京商报记者采访过程中，微众银行数字金融发展部负责人姚辉亚如是说道。
如今，银行业“大模型含量”的比拼渐入白热化，从国有大行到中小银行，普遍将引用的大模型技术广泛应用于客户服务、风险管理和运营管理等关键领域，有效提升了服务质量和运营效率，并作为数字化转型的核心抓手。北京商报记者了解到，微众银行已构建起AI基础设施、AI应用、AI治理三个层次的AI系统化能力。随着DeepSeek-R1的正式发布并开源，微众银行同样于今年2月初完成了满血版模型部署，成为业内首批成功部署DeepSeek-R1满参数模型的机构之一。
而当谈及大模型，众人视角普遍集中于其对业务的赋能层面，姚辉亚则有一些新的理解。在他看来，银行AI应用需立足实际场景，通过“大小模型结合+本地数据”实现精准落地，同时强化内部人员数字化素养与敏捷机制。实践表明，资源整合与持续创新是金融数字化转型的关键。
与众多银行相似，微众银行将AI大模型应用于精准营销、风险评估等多个业务场景。不过对于DeepSeek等算力要求极高的通用大模型来说，银行在算力、数据等资源上的客观实力显然不足以支撑其“自研”，能做到的只有“引入”。姚辉亚直言，银行的核心优势在于本地化场景与垂直领域数据，而非追逐通用大模型的“军备竞赛”。
对此，姚辉亚提出“大小模型结合”的务实路径：大模型负责内容生成、创意辅助等开放式任务，中小模型则解决精准风控、客服问答等确定性需求。例如，微众银行通过大模型AI Agent技术对客户对话内容进行小结，助力座席快速定位用户问题；在营销领域，用大模型辅助生成广告素材，成本降至传统方式的1/10。
事实上，大模型在银行内部也并不是“一模通用”，而是通过对算力、效果的长期监测，以不同大模型匹配最合适的场景。用AI管理运维，同样可以实现降成本的目的。从实践来看，微众银行已构建“AI应用热力图”，该工具将全行AI应用划入45个区块，自动收集并分析各场景算力使用情况，有效从管理视角分析全行AI设施建设与应用发展情况。
仅仅将大模型运用到位，够了吗？“业务人员的AI素养，比技术本身更重要。”姚辉亚指出，AI原生银行不是科技团队的独角戏，而是让每个人都成为AI驱动者。团队及高管是不是在工作过程中欢迎各种各样新技术的应用？是不是愿意基于新技术去做各种各样的试验、创新与改造？能否对自身业务适合哪些模型运用有精准的判断？这些都非常关键。
他特别提到微众银行“科技产品经理”机制——这一角色独立于业务部门，负责前瞻性技术布局，“业务需求未到，工具已备好，最快需求从提出到上线仅10天”。这也是从业者具备高科技素养、高敏捷性的体现。据介绍，微众银行科技人员数量始终保持在全行员工总数50%以上，历年IT投入占营收比重亦超过9%。
“银行从传统模式发展到数字原生阶段，从数据遍布银行里，发展为数据沉淀在组织里、AI嵌在流程里。而AI原生意味着不仅是数据沉淀在组织里，而是智慧沉淀在组织里，流程嵌在AI里，AI成为功能的自然组成部分。”姚辉亚总结道。AI对银行业的颠覆不会是“自动驾驶式”的突变，而是润物无声的场景渗透——当每个员工、每笔业务都自然融合AI时，变革才算真正落地。
