#Gate BTC链上质押收益百分之三#
親愛的動態用戶們,Gate BTC質押挖礦活動火熱進行中!0.001 BTC起投,支持快速質押贖回,多種 PoS 質押策略可選,按1:1比例 BTC 兌換 GTBTC,每日輕鬆賺取豐厚獎勵!基礎年化收益率2%,在Gate Web3錢包完成簡單任務,次日可獲額外1%獎勵,年化收益高達3%,活動期間持續有效!
參與方式非常簡單:只需質押BTC,即可自動兌換GTBTC參與挖礦,獎勵每日發放至您的帳戶,讓BTC輕鬆實現增值。立即參與,開啓BTC增值之旅!👉 https://www.gate.com/staking/BTC
此外,歡迎大家積極帶上 #Gate BTC链上质押收益百分之三# 話題發帖分享質押經驗、收益截圖、質押攻略等內容,與其他動態用戶一起共贏獎勵!每日打卡發帖曬收益,即可輕鬆賺社區成長值,解鎖評論高亮、動態裝飾、月度抽獎等多重權益。月度抽獎獎品包括 iPhone 16、精美週邊、熱門代幣等超值好禮!
更多成長值任務,請在【動態】頭像旁點擊成長值圖標查看。
中美銀行業巨頭,正在擁抱生成式 AI
撰文:Samora Kariuki
編譯:深潮 TechFlow
全球 AI 浪潮
銀行如何實際運用生成式 AI?
如果拋開頭條新聞和炒作,問題的本質是:世界上最大的銀行究竟如何使用生成式 AI ?不是未來的潛力,也不是供應商的宣傳,而是已經落地的實際應用在哪裏?
過去兩年中,全球金融行業悄然步入生成式 AI 時代。然而,這一進程並非統一,而是呈現出內外有別的格局:內部工具的低調部署、面向客戶的謹慎試驗,以及少數大膽的創新,正逐步重塑銀行業的內部架構。
從內部開始,再逐步外延
AI 的應用有一個共同點:從內部生產力工具起步。
生成式 AI 的主要應用集中在提升內部生產力上——這些工具幫助員工以更少的資源完成更多的工作。從摩根大通(JPMorgan)的分析師助手解析股權研究,到摩根士丹利(Morgan Stanley)爲財富管理顧問提供支持的 GPT 驅動工具,早期的重點是賦能銀行從業者,而非取代他們。
高盛(Goldman Sachs)正在爲開發者構建 AI 助手;花旗銀行(Citi)的 AI 摘要工具幫助員工處理備忘錄和撰寫郵件;渣打銀行(Standard Chartered)的「SC GPT」已在其 7 萬名員工中上線,用於從提案撰寫到人力資源問題的方方面面。
鑑於我們所處的是一個高度監管的環境,內部工具的部署顯得尤爲合理。這使得銀行可以在不觸碰監管紅線的情況下進行實驗並提升 AI 能力。如果參考最近 CBN(尼日利亞中央銀行)對 Zap 的行動,那麼「謹慎爲上」顯然是更明智的選擇。
業務線觀察:價值在哪裏?
不同部門的 AI 應用進展速度各異。不同業務部門在採用生成式 AI 的速度上存在差異。其中,零售銀行在交易量上處於領先地位。在這一領域,富國銀行(Wells Fargo)的 Fargo 和美國銀行(Bank of America)的 Erica 等由生成式 AI 驅動的聊天機器人每年處理數億次交互。在歐洲,德國商業銀行(Commerzbank)最近推出了自己的聊天機器人 Ava。
然而,問題在於,其中一些工具實際上並未真正使用生成式 AI ,而是依賴於傳統的機器學習技術。例如,美國銀行的 Erica,其工作原理更像是一個「機械土耳其人」(Mechanical Turk,意指通過人工操作實現自動化的假象)。盡管如此,重要的是這些實驗本身,而非技術標籤。
在企業與投資銀行領域,轉型更加隱性。摩根大通(JPMorgan)的內部工具主要支持研究和銷售團隊,而非直接面向客戶。德意志銀行(Deutsche Bank)則利用 AI 分析客戶通信日志,這不是客戶服務,而是數據賦能,幫助銀行家更快、更好地理解和服務客戶。
財富管理則介於兩者之間。摩根士丹利(Morgan Stanley)的 AI 工具並不直接與客戶對話,但確保顧問在每次會議前都能做好充分準備。德意志銀行和阿布扎比第一銀行(First Abu Dhabi Bank)正在試點面向頂級客戶的助手,旨在實時回答復雜的投資問題。
地區差異:誰在領跑?
來源: Evident AI Index
北美地區如預期般處於領先地位。美國的銀行,如摩根大通(JPMorgan)、第一資本(Capital One)、富國銀行(Wells Fargo)、花旗銀行(Citi)以及加拿大皇家銀行(RBC),已將 AI 轉化爲生產力引擎。得益於與 OpenAI 和微軟(Microsoft)的合作,它們率先接觸到最前沿的 AI 模型。
歐洲則更加謹慎。西班牙對外銀行(BBVA)、德意志銀行(Deutsche Bank)和匯豐銀行(HSBC)正在內部測試 AI 工具,並設置了更多的安全防護措施。歐洲通用數據保護條例(GDPR)對其影響深遠。正如以往一樣,歐洲更關注監管而非技術進步,這可能會讓其付出代價。
非洲和拉丁美洲還處於 AI 發展的早期階段,但進展迅速。巴西的 Nubank 表現突出,與 OpenAI 合作,先在內部部署 AI 工具,最終擴展到客戶服務。在南非,標準銀行(Standard Bank)和內德銀行(Nedbank)正在 AI 領域進行試點,涵蓋風險控制、支持服務和開發。
中國:構建自主 AI 技術棧
中國的銀行不僅在使用 AI,還在構建 AI 技術棧。
中國工商銀行(ICBC)推出了「智湧」,一個擁有 1000 億參數的大型語言模型,由內部自主研發。該模型已被調用超過十億次,支持從文檔分析到營銷自動化的 200 個業務場景。這不僅僅是內部工具的應用,更是銀行運營方式的基礎性轉變。
螞蟻集團(Ant Group)推出了兩款金融領域的大型語言模型——智小寶 2.0(Zhixiaobao 2.0)和智小助 1.0(Zhixiaozhu 1.0)。前者面向支付寶的普通用戶,旨在解釋金融產品;後者則爲財富管理顧問提供支持,可摘要市場報告並生成投資組合洞見。
平安集團(Ping An Group),作爲一家融合保險、銀行和科技的金融科技巨頭,走得更遠。其開發的生成式 AI 助手 AskBob ,既服務客戶又支持客戶經理。對於客戶,AskBob 可以用自然中文回答投資和保險問題;對於顧問,它能提取並總結客戶歷史、產品數據和營銷材料,將每位代理人轉變爲數字化增強的金融專家。平安的目標是通過 AI 重新定義金融諮詢,不僅是回答問題,更是提前預測需求。
在中國,監管框架強烈鼓勵數據本地化和模型透明化,這些機構選擇了更長遠的道路:構建能夠適應國內監管、語言和市場環境的定制化 AI 。此外,中國擁有足夠的人才密度,使得銀行能夠自主研發基礎模型,這在全球範圍內可能是獨一無二的成就。
誰在提供技術支持?
一些知名企業在全球範圍內頻繁出現:微軟(Microsoft)通過 Azure OpenAI 成爲目前最常見的平台。從摩根士丹利到渣打銀行,許多銀行都在微軟的安全沙盒環境中運行其模型。
谷歌的 LLM(大型語言模型)也在被使用,例如富國銀行利用 Flan 支持其 Fargo。而在中國,主要依賴本土技術,如 DeepSeek 、混元(Hunyuan)等。
部分銀行,如摩根大通、中國工商銀行和平安集團,正在訓練自己的模型。但大多數銀行則是在現有模型的基礎上進行微調。關鍵不在於擁有模型本身,而在於掌控數據層和模型的協調運作。
全球 AI 應用的多樣化探索
原圖見原文,編譯:深潮 TechFlow
那又怎樣?
在一個高度受監管的行業中,謹慎行事至關重要,這也是爲什麼銀行讓 AI 參與其中,而不是直接站在前線。然而,正如我們在其他平台變革中觀察到的那樣,果斷決策和快速實驗是關鍵。監管永遠不會領先於執行,而等待監管到位再進行 AI 實驗並不是明智之舉。我記得十多年前在一個沒有相關監管的國家構建代理銀行業務(agency banking)。一旦我們完成了構建,我們反而成爲向央行解釋這一業務的人。如果我是銀行董事會的一員,我會問:「我們正在進行多少實驗?我們正在生成多少洞察?」
要真正衡量進展,必須回到平台變革的基本原則。你的 AI 戰略必須回答以下問題:
「我們的 AI 戰略是否重建了核心架構?是否將成本降低了 100 倍?是否解鎖了新的價值模式?是否激發了生態系統的聯結?是否顛覆了市場?是否實現了訪問的民主化?」
邏輯很清楚——保持懷疑態度是必要的,但邏輯和事實都表明,AI 是一個新的平台變革。此外,邏輯和事實還表明,過去的平台變革在金融市場中往往帶來了革命性變化。例如,花旗銀行(Citi)在 70 年代和 80 年代的技術應用顯著擴展了其零售業務。第一資本(Capital One)從無到有,躋身市場前十大銀行,並在汽車貸款和抵押貸款等相關行業中佔據了重要地位。在非洲,Equity Bank 抓住了客戶端 - 服務器技術浪潮,成爲東非市值最大的銀行。同樣,Access Bank、GT Bank 和 Capitec 也在各自的市場中乘上了這一浪潮。
AI 平台時代已經到來,它將創造贏家。重點不在於關注失敗者,而在於贏家如何在特定領域佔據顯著的市場份額。例如,Stripe 在支付領域的成功就是一個典型案例。這些初期的突破往往會帶來相鄰領域的市場份額增長,例如 Nubank 通過信用卡業務成爲中小企業和零售銀行領域的重要玩家。
我的觀點是,AI 時代的贏家將專注於關係成本。這已經不再是一個單純的交易遊戲。交易已經發生過了,現在是一個客戶體驗和關係管理的遊戲。這是金融服務領導者應該關注的核心洞察。如何以極低的成本實現客戶體驗和關係銀行業務的 100 倍改進?作爲一家銀行,如何利用智能技術更好地幫助客戶管理他們的財務、業務和生活?能夠回答並執行這些問題的玩家,將成爲最終的贏家。