原創(chuàng) | 文BFT機(jī)器人

核心摘要

1、什么是ChatGPT？

• ChatGPT是什么？

ChatGPT是將神經(jīng)網(wǎng)絡(luò)算法中的Transformer模型從理論變?yōu)楝F(xiàn)實(shí)的劃時(shí)代應(yīng)用。

• ChatGPT強(qiáng)在哪？

算力強(qiáng)數(shù)據(jù)多：近4年，GPT歷代模型的開發(fā)和訓(xùn)練得到了微軟在資金（110億美元）和算力（打造世界第五超級計(jì)算機(jī)）上的強(qiáng)力支持，目前能夠處理千億級參數(shù)，訓(xùn)練百TB級數(shù)據(jù)。

訓(xùn)練模式領(lǐng)先：前三代GPT均采取無人參與的預(yù)訓(xùn)練機(jī)制，ChatGPT新增人類反饋強(qiáng)化訓(xùn)練。

開生成式先河：以算力和訓(xùn)練數(shù)據(jù)為支撐，ChatGPT能夠準(zhǔn)確理解各類問題，給予具有一定邏輯的開放式回答；還能夠與提問者進(jìn)行連續(xù)對話，不斷修正給出的答案，這是前所未有的語言理解和表達(dá)能力。潛在價(jià)值巨大，未來ChatGPT技術(shù)與其他人工智能技術(shù)耦合，徹底改變?nèi)斯ぶ悄苌鷳B(tài)的可能性極大。

• ChatGPT缺陷是？

語料來源：語料不夠充分或完全未覆蓋的空白領(lǐng)域，ChatGPT很可能會給出誤導(dǎo)性內(nèi)容；與Bing搜索引擎耦合后，回答問題的準(zhǔn)確性是否收到搜索引擎數(shù)據(jù)的干擾有待觀察。

運(yùn)營成本：ChatGPT運(yùn)營及訓(xùn)練成本高企，恐將制約未來發(fā)展。

道德風(fēng)險(xiǎn)：無法避免ChatGPT故意提供虛假或提供帶有攻擊性的答案。

2、如何改變銀行業(yè)？

• 機(jī)遇與挑戰(zhàn)

銀行客服，對于客服、催收等人工的替代，與ChatGPT關(guān)聯(lián)最直接，或?qū)㈤_啟深度智能化階段。

業(yè)務(wù)前端：對于財(cái)富管理、小微客戶、個人消費(fèi)貸款等標(biāo)準(zhǔn)化產(chǎn)品，客戶識別有望進(jìn)一步細(xì)化，產(chǎn)品匹配有望更加精準(zhǔn)。

業(yè)務(wù)中端：諸如授信報(bào)告、審批報(bào)告、貸后管理報(bào)告等強(qiáng)格式性案頭工作，如能以ChatGPT替代，可有效提高運(yùn)營效率。

科技基礎(chǔ)：銀行投入人工智能相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運(yùn)轉(zhuǎn)及數(shù)據(jù)計(jì)算的算力資源。

• 合規(guī)與成本

數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性，應(yīng)用技術(shù)須考慮本地化、私有化部署模式。

系統(tǒng)穩(wěn)定：銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運(yùn)行，這在經(jīng)營中存在很大風(fēng)險(xiǎn)。

成本投入：無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。

3、哪些銀行有機(jī)會？

• 在金融科技持續(xù)投入資源的銀行

科技人員：披露數(shù)據(jù)的21家上市銀行科技隊(duì)伍總?cè)藬?shù)11.6萬人，占從業(yè)總?cè)藬?shù)的5%；工行在絕對人數(shù)上一枝獨(dú)秀達(dá)3.5萬人以上，浦發(fā)、招行、工行科技人員占比最高。

科技投入：披露數(shù)據(jù)的24家上市銀行中科技投入近1600億元，占營收的3%。四大行在科技投入絕對規(guī)模占有優(yōu)勢；長沙、平安、招行科技投入營收占比最高。

01?

什么是ChatGPT？

1.1ChatGPT是具有劃時(shí)代意義的自然語言處理模型

自然語言處理，是人工智能最基礎(chǔ)的領(lǐng)域。

“圖靈測試”作為人工智能的理論開端，其所提出的驗(yàn)證標(biāo)準(zhǔn)，即在人與機(jī)器的問答中，如果人無法判斷對方是人還是機(jī)器，則可判定機(jī)器具有人類智能。為了通過“圖靈測試”，人類的探索大致可分為三個階段：

• 模式匹配：（1960s-90s）

設(shè)置關(guān)鍵詞與答案之間的線性匹配關(guān)系，如果提問者觸發(fā)關(guān)鍵詞，則向其提供已經(jīng)預(yù)設(shè)好的答案。

• 機(jī)器學(xué)習(xí)：（2000s）

不再預(yù)先設(shè)置關(guān)鍵詞與標(biāo)準(zhǔn)答案，而是向機(jī)器提供大量歷史資料，由機(jī)器自主總結(jié)規(guī)律、進(jìn)行會話。

• 神經(jīng)網(wǎng)絡(luò)：（2010s至今）

神經(jīng)網(wǎng)絡(luò)屬于機(jī)器學(xué)習(xí)的進(jìn)化分支。原理上是通過建模來模擬人類大腦100億個神經(jīng)元的結(jié)構(gòu)。

在2017年以前，主流模型為循環(huán)神經(jīng)網(wǎng)絡(luò)模型（RNN），處理語言時(shí)需要嚴(yán)格遵循語言的先后順序，無法并行計(jì)算且容易出現(xiàn)長句語義理解困難等問題；2017年，Transformer模型被提出，它是對句子中的所有單詞進(jìn)行計(jì)算，算出詞與詞之間的相關(guān)度，可以同時(shí)學(xué)習(xí)大量文本。

ChatGPT（結(jié)尾的“T”即指Transformer），就是將這一模型從理論變?yōu)楝F(xiàn)實(shí)的劃時(shí)代應(yīng)用。

1.2ChatGPT的強(qiáng)算力與大數(shù)據(jù)

ChatGPT最終爆火，離不開算力和數(shù)據(jù)量的持續(xù)升級。

• 模型實(shí)質(zhì)

所謂語言模型，實(shí)質(zhì)是對詞語序列的概率相關(guān)性建模，即對方說完一句話或一段話后，判斷大概率繼續(xù)出現(xiàn)的內(nèi)容是什么。既然是概率相關(guān)性，自然是“大力出奇跡”，樣本越大，結(jié)果就越準(zhǔn)確。同時(shí)，樣本越大也自然就意味著對算力和資金的消耗，從初代GPT到最終爆火的ChatGPT，模型并未發(fā)生實(shí)質(zhì)改變，改變的是持續(xù)增長的資源投入。

• 算力支持

2019年，微軟為OpenAI（GPT開發(fā)公司）打造了一臺全球排名第五的超級計(jì)算機(jī)，擁有超過28.5萬個CPU核心，1萬個GPU，每個GPU服務(wù)器的網(wǎng)絡(luò)連接能力為400Gb/s，支持GPT模型從初版的12個Transformer層進(jìn)化到當(dāng)下超過96個Transformer層，可以理解為有更多的Transformer層就能夠在語言與語言之間構(gòu)建更復(fù)雜的邏輯聯(lián)系。

• 數(shù)據(jù)規(guī)模

GPT模型處理的參數(shù)量從初代的億級成長到今天的千億級，預(yù)訓(xùn)練數(shù)據(jù)量從GB級上升到百TB級。

• 融資情況

如此規(guī)模的算力與數(shù)據(jù)必然需要巨額資金的支持，近4年，OpenAI從微軟總計(jì)獲得融資110億美元。

ChatGPT自主+人類反饋強(qiáng)化訓(xùn)練

GPT通過自主訓(xùn)練充分發(fā)揮模型在效率上的優(yōu)勢，同時(shí)在ChatGPT版本中增加人類反饋強(qiáng)化機(jī)制，使其結(jié)果更貼近人類想法。

• 自主訓(xùn)練

GPT-1到GPT-3，采用的都是GPT自主訓(xùn)練模式。所謂自主訓(xùn)練，近似于人類考試中的“完形填空”題目，即把一個完整文本的一部分遮住，GPT基于已學(xué)習(xí)結(jié)果進(jìn)行推測，再與正確答案進(jìn)行擬合的過程。自主訓(xùn)練過程，配合Transformer模型下強(qiáng)大的并行計(jì)算能力，能夠高效完成超大數(shù)據(jù)量的學(xué)習(xí)和訓(xùn)練，這也是GPT表現(xiàn)優(yōu)于其他模型的原因。

• 人類反饋

GPT-3版本上線時(shí)，已經(jīng)頗受業(yè)內(nèi)人士認(rèn)可，但并未出圈。ChatGPT此次能夠破圈，與其采用對話聊天模式不無關(guān)系。相應(yīng)地，在訓(xùn)練中增加人類反饋強(qiáng)化機(jī)制，對真實(shí)性、無害性和有用性進(jìn)行評估。

ChatGPT將語言處理推向生成式時(shí)代，潛在價(jià)值巨大

憑借超強(qiáng)算力，基于超大數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，ChatGPT首次展示了強(qiáng)大的綜合性語言材料生成能力。

• 決策式AI

所謂決策式AI，即根據(jù)對歷史概率的歸納給出是或否的決策；而生成式AI則需要給人力提供綜合式的信息輸出。

• 生成式AI

ChatGPT是第一個功能如此強(qiáng)大的綜合性文字生成式AI，它能夠準(zhǔn)確理解提問者的問題，收集材料后轉(zhuǎn)化為具有一定邏輯的信息輸出，它還能夠與提問者進(jìn)行連續(xù)對話，根據(jù)增量信息給出更準(zhǔn)確回答，這是前所未有的語言理解和表達(dá)能力。憑借超強(qiáng)算力，基于超大數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，ChatGPT首次展示了強(qiáng)大的綜合性語言材料生成能力。

語言即為指令，ChatGPT與其他領(lǐng)域人工智能技術(shù)的耦合，或?qū)⑼耆_啟人工智能的新時(shí)代。

• ChatGPT+Whisper

OpenAI已經(jīng)通過提供ChatGPT和Whisper的收費(fèi)API接口，Whisper是OpenAI開發(fā)的語音處理工具，如將ChatGPT和Whisper功能進(jìn)行耦合，可以得到無障礙的語言交流工具。

所謂的語言，就是指令體系。隨著指令體系的智能化，一切智能工具之間的邊界或?qū)⒅饾u模糊，人類與智能工具的關(guān)系或?qū)氐赘淖?，AIGC（AI生產(chǎn)內(nèi)容）的時(shí)代將加速到來。

1.3ChatGPT有哪些潛在挑戰(zhàn)？

ChatGPT風(fēng)頭一時(shí)無兩，其潛在挑戰(zhàn)在于語料庫的范圍及準(zhǔn)確性、運(yùn)營成本高及回答的道德風(fēng)險(xiǎn)等問題。

• 語料來源

ChatGPT本質(zhì)上仍是一個基于有限語料范圍的概率歸納模型，它并不能對未知的事情像人類那樣做常識性推演。與相關(guān)領(lǐng)域語料不夠充分或完全未覆蓋的領(lǐng)域，ChatGPT很可能會給出誤導(dǎo)性內(nèi)容；另外，微軟計(jì)劃將GPT-4與Bing搜索引擎深度耦合，搜索引擎龐雜的數(shù)據(jù)是否會對GPT-4的學(xué)習(xí)和訓(xùn)練帶來負(fù)面干擾，仍需觀察。

• 運(yùn)營成本

據(jù)報(bào)道，目前ChatGPT一次模型底座的訓(xùn)練需要500萬美元的算力成本，在運(yùn)營過程中需要大量的算力支持其訓(xùn)練和部署。GPT-4與Bing耦合后，滿足來自搜索引擎的搜索需求需要更大量的資源投入，如不解決成本問題恐將制約未來發(fā)展。

• 道德風(fēng)險(xiǎn)

即使引入人類反饋，也不能100%避免ChatGPT故意提供虛假答案或回答帶有攻擊性的答案。

02

如何改變銀行

2.1機(jī)遇與挑戰(zhàn)：主動革新？被顛覆？

該如何理解ChatGPT可能會帶來的潛在變革？像很多人擔(dān)心的那樣，會有大量工作被替代掉嗎？

ChatGPT的顛覆，本質(zhì)上是人類生產(chǎn)力工具的再一次重大升級。就像過去三百年先后有蒸汽機(jī)和電被發(fā)明出來一樣，固然有被這些新的生產(chǎn)力工具替代掉的人，也有更多的人利用新的工具創(chuàng)造了更多的財(cái)富。駕馭或是被替代，只在一念之間。銀行也是一樣，ChatGPT是一次機(jī)會，一次全面升級流程的機(jī)會；錯過則將是挑戰(zhàn)，看著其他機(jī)構(gòu)提高效率的挑戰(zhàn)。

從銀行客服開始，無論是業(yè)務(wù)前臺還是中后臺，各項(xiàng)流程都有用ChatGPT重做一遍的潛力。

• 銀行客服

對于客服、催收等人工的替代，與ChatGPT關(guān)聯(lián)最直接，銀行應(yīng)用最廣泛，或?qū)㈤_啟深度智能化階段。

• 業(yè)務(wù)前端

對于財(cái)富管理、小微客戶、個人消費(fèi)貸款等標(biāo)準(zhǔn)型產(chǎn)品，客戶識別有望進(jìn)一步細(xì)化，產(chǎn)品匹配有望更加精準(zhǔn)。

• 業(yè)務(wù)中端

諸如授信報(bào)告、審批報(bào)告、貸后管理報(bào)告等強(qiáng)格式性案頭工作，如能以ChatGPT替代，可有效提高運(yùn)營效率。

• 科技基礎(chǔ)

銀行投入人工智能相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運(yùn)轉(zhuǎn)及數(shù)據(jù)計(jì)算的算力資源。

銀行客服：與ChatGPT關(guān)聯(lián)最直接，或?qū)㈤_啟深度智能化階段

諸如銀行客服、不良催收等需要與客戶進(jìn)行溝通的內(nèi)容可預(yù)期、重復(fù)規(guī)律性強(qiáng)的客戶交流性工作，與ChatGPT的特點(diǎn)最為契合。

適用范圍：銀行客戶、不良催收等。

• 工商銀行

2021年，利用數(shù)字人、智能問答、語音等交互技術(shù)，在客戶服務(wù)前臺、業(yè)務(wù)運(yùn)營后臺等領(lǐng)域加大應(yīng)用“機(jī)器換人”，落地 600+具有數(shù)字員工屬性的智能應(yīng)用場景。

• 平安銀行

2022年上半年，AI平臺新增模型1,080個，客服機(jī)器人場景每日對話量達(dá)60萬次，問題解決率超90%。

• 招商銀行

2022年上半年，AI智能客服、語音質(zhì)檢、智能審錄、海螺RPA（機(jī)器人流程自動化）等共實(shí)現(xiàn)人力替代超過10,000人。

ChatGPT的成功為已經(jīng)部署人工智能客服的銀行提供了優(yōu)化模型、提高智能化水平的方向。預(yù)計(jì)這一類業(yè)務(wù)都將開啟深度使用更加成熟人工智能客戶工具的階段。

業(yè)務(wù)前端：客戶識別及產(chǎn)品匹配有望進(jìn)一步細(xì)化

諸如財(cái)富管理這類標(biāo)準(zhǔn)化程度較高的業(yè)務(wù)，可以利用ChatGPT的數(shù)據(jù)分析能力，細(xì)分客戶標(biāo)簽，提高產(chǎn)品推薦匹配度。

適用范圍：財(cái)富管理、小微客戶、個人消費(fèi)貸款等標(biāo)準(zhǔn)化程度較高的業(yè)務(wù)。

• 平安銀行

2022年上半年，AI 客戶經(jīng)理累計(jì)上線超 1,400 個場景，上半年月均服務(wù)客戶較 2021 年月均水平增長 63.2%。

• 招商銀行

2021年，招商銀行推出智能財(cái)富助理“AI小招”，基于大數(shù)據(jù)技術(shù)，通過知識沉淀與機(jī)器訓(xùn)練，實(shí)現(xiàn)更懂客戶和產(chǎn)品，為客戶提供收益查詢、漲跌分析、市場熱點(diǎn)解讀、產(chǎn)品推薦、資產(chǎn)配置建議等財(cái)富管理綜合服務(wù)。

將客群更加細(xì)分，需求挖掘更加細(xì)化，產(chǎn)品需求匹配更加精準(zhǔn)。

業(yè)務(wù)中端：案頭工作AI替代，業(yè)務(wù)運(yùn)轉(zhuǎn)效率有望提升

諸如授信報(bào)告、審批報(bào)告等業(yè)務(wù)中后段強(qiáng)格式性的案頭工作，ChatGPT潛在替代性較高。

適用范圍：授信報(bào)告、審批報(bào)告、貸后管理報(bào)告等強(qiáng)格式性案頭工作。

基于語言生成技術(shù)的應(yīng)用目前暫無先例，仍有待探索。

對于對公營銷、授信審批等崗位人員來說，工作中有很大一塊時(shí)間被消耗在諸如授信報(bào)告、審批報(bào)告、貸后管理報(bào)告這些格式性很強(qiáng)案頭材料的撰寫上，占用了本可產(chǎn)生更大價(jià)值的客戶營銷、調(diào)研等工作時(shí)間。ChatGPT對于這一類主要可利用外部公開信息完成的強(qiáng)格式性報(bào)告具有天然的適配性，如果能夠?qū)崿F(xiàn)替代，展業(yè)效率預(yù)計(jì)能夠?qū)崿F(xiàn)較大幅度的提高。

科技基礎(chǔ)：基礎(chǔ)設(shè)施重構(gòu)，算力需持續(xù)投入

正如ChatGPT成功的基礎(chǔ)一樣，銀行投入相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運(yùn)轉(zhuǎn)及數(shù)據(jù)計(jì)算的算力資源。

適用范圍：銀行科技基礎(chǔ)設(shè)施建設(shè)。

近幾年我國主流商業(yè)銀行大多推動了“系統(tǒng)上云”計(jì)劃，相應(yīng)地將原本的主機(jī)架構(gòu)轉(zhuǎn)為有若干服務(wù)器組成的云架構(gòu)。在這一轉(zhuǎn)型中，大多數(shù)銀行已經(jīng)初步具備了算力基礎(chǔ)，但要在人工智能領(lǐng)域做出突破性創(chuàng)新，仍需要在看清方向后對算力資源的持續(xù)投入。

比較具有代表性的銀行基礎(chǔ)設(shè)施轉(zhuǎn)型情況如下：

• 建設(shè)銀行

率先實(shí)現(xiàn)“多專區(qū)多地域多技術(shù)棧多芯”布局，提供標(biāo)準(zhǔn)算力規(guī)模超 20 萬臺云服務(wù)器，整體規(guī)模和服務(wù)能力保持同業(yè)領(lǐng)先。

• 招商銀行

上云后可支持的應(yīng)用更多，單位算力成本大幅下降。以信用卡為例，招行信用卡業(yè)務(wù)上云后，業(yè)務(wù)成本約節(jié)省了60%，算力提升了10倍。

人工智能的突破需要強(qiáng)大基礎(chǔ)設(shè)施支撐，仍需持續(xù)投入及探索。

合規(guī)與成本：十字路口上的最大考驗(yàn)

在當(dāng)前中美科技競爭大背景下，中國商業(yè)銀行想要直接適用諸如ChatGPT這樣高度依賴大數(shù)據(jù)支撐的技術(shù)，存在較大障礙和風(fēng)險(xiǎn)。

從成本和收益的角度來看，無論是接入API還是自主開發(fā)類似功能，均存在成本與收益的不確定性。

• 數(shù)據(jù)隱私

銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性，應(yīng)用技術(shù)須考慮本地化、私有化部署模式。

• 系統(tǒng)穩(wěn)定

銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運(yùn)行，這在經(jīng)營中存在很大風(fēng)險(xiǎn)。

• 成本投入

無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。

數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性

銀行擁有的數(shù)據(jù)具有高度的隱私性和敏感性，直接應(yīng)用開源第三方技術(shù)存在一定隱患。

• 主要障礙

  
  

• 客戶隱私：使用ChatGPT可能會涉及個人信息的收集、使用和披露，需要遵守相關(guān)法律法規(guī)的規(guī)定并獲得客戶的授權(quán)。

  
  

• 銀行隱私：銀行的數(shù)據(jù)不僅涉及客戶隱私，還涉及自身的商業(yè)秘密，在使用開源第三方技術(shù)處理內(nèi)部數(shù)據(jù)時(shí)，存在核心商業(yè)機(jī)密被泄露、釀成商業(yè)損失的隱患。③地緣風(fēng)險(xiǎn)：中美之間在技術(shù)安全、數(shù)據(jù)安全領(lǐng)域的爭端愈演愈烈。今年2月，中方發(fā)布《美國的霸權(quán)霸道霸凌及其危害》報(bào)告，在此背景下，境內(nèi)銀行直接應(yīng)用ChatGPT前景并不樂觀。

  
  

• 實(shí)踐案例

據(jù)報(bào)道，美國銀行、花旗集團(tuán)、德意志銀行、高盛集團(tuán)、 富國銀行等銀行最近紛紛對使用ChatGPT發(fā)布了禁令。微軟和亞馬遜因擔(dān)心泄露機(jī)密信息，禁止公司員工向ChatGPT分享敏感數(shù)據(jù)。埃森哲也警告員工不要將客戶信息透露給ChatGPT。

• 改進(jìn)前景

同為人工智能技術(shù)服務(wù)商的科大訊飛，此前可以為客戶提供本地化、私有化部署的產(chǎn)品，以解決技術(shù)應(yīng)用和數(shù)據(jù)隱私之間的矛盾，或可為解決數(shù)據(jù)隱私與技術(shù)應(yīng)用的矛盾提供思路，但地緣風(fēng)險(xiǎn)的影響仍有待觀察。

系統(tǒng)穩(wěn)定：內(nèi)容輸出正確性及系統(tǒng)運(yùn)行穩(wěn)定性受制于人

銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運(yùn)行，這在經(jīng)營中存在很大風(fēng)險(xiǎn)。

• 主要障礙

由于在經(jīng)濟(jì)金融活動中的關(guān)鍵地位，監(jiān)管對銀行科技系統(tǒng)有著較高要求。諸如ChatGPT這一類外接應(yīng)用，銀行不具備技術(shù)自主性，一方面無法保證其輸出內(nèi)容的準(zhǔn)確性，另一方面也無法保證不對其他系統(tǒng)運(yùn)行穩(wěn)定性造成影響，存在較大風(fēng)險(xiǎn)。另外， ChatGPT本質(zhì)仍是依賴語料庫的語言概率統(tǒng)計(jì)系統(tǒng)，對于語料庫不涵蓋的內(nèi)容，極易給出錯誤答案。

• 實(shí)踐案例

據(jù)報(bào)道，2021年7月15日，某行突發(fā)系統(tǒng)故障，業(yè)務(wù)中斷20多分鐘，引發(fā)故障的原因可能與系統(tǒng)更新有關(guān)。

• 改進(jìn)前景

投產(chǎn)前需要對內(nèi)容和系統(tǒng)穩(wěn)定性進(jìn)行周密驗(yàn)證。

成本投入：自主與合作，投入與收益之間的取舍

無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。

• 接入成本

目前ChatGPT API接口收費(fèi)標(biāo)準(zhǔn)為每百萬Tokens收費(fèi)2.7美元（約18元人民幣）；同屬OpenAI公司開發(fā)的Whisper語音轉(zhuǎn)文本工具API每分鐘收費(fèi)0.006美元（約人民幣 4 分錢）。以建行為例，假設(shè)文本轉(zhuǎn)語音成本與語音轉(zhuǎn)文本成本相同，推算建行僅智能客服一項(xiàng)每年成本需要額外投入約3億元。（不含開發(fā)成本和對ChatGPT模型進(jìn)行專屬訓(xùn)練的成本。）建行2021年人均薪酬為33.71萬元，如智能客服實(shí)際可替代人力少于890人，則效能并不顯著。

• 自主成本

ChatGPT初始投入成本在8億美元左右，每年電費(fèi)約1825萬美元。考慮到中美電費(fèi)差異，國內(nèi)開發(fā)與ChatGPT同等功能的資金投入約為人民幣初始投入56億+1.7億電費(fèi)/年。（不含開發(fā)人員薪酬和維護(hù)成本。）但在開發(fā)環(huán)境、人才能力種種因素制約下，自主開發(fā)的類似工具能夠收獲與ChatGPT的同等效果，存在極大不確定性。2023年3月5日，科技部王志剛部長在兩會部長通道表示，ChatGPT是個大模型、大計(jì)算、很好的計(jì)算方法，同一種原理，但做的質(zhì)量還是不一樣的。

• 未來前景

大多數(shù)銀行已有AI技術(shù)儲備，建議根據(jù)業(yè)界前沿修正技術(shù)方向，在既有成果上繼續(xù)探索，達(dá)成成本與收益的平衡。

03

上市銀行：科技人才與科技投入決定科技進(jìn)步潛力

科技發(fā)展需要人力及財(cái)務(wù)資源的投入，綜合當(dāng)前科技水平及科技投入情況看，平安、招行、工行、建行科技進(jìn)步潛力較強(qiáng)。

• 科技人員

在披露科技人員數(shù)據(jù)的21家上市銀行中，科技隊(duì)伍總?cè)藬?shù)11.6萬人，占從業(yè)總?cè)藬?shù)的5%。工行在絕對人數(shù)上一枝獨(dú)秀達(dá)3.5萬人以上，浦發(fā)、招行、工行科技人員占比最高。

• 科技投入

在披露科技投入數(shù)據(jù)的24家上市銀行中，科技投入總額近1600億元，占營收總額的3%。國有四大行在科技投入絕對規(guī)模占有優(yōu)勢；長沙、平安、招行科技投入占營收比重最高。

更多精彩內(nèi)容請關(guān)注公眾號：BFT機(jī)器人

本文為原創(chuàng)文章，版權(quán)歸BFT機(jī)器人所有，如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時(shí)回應(yīng)。