“大模型在银行的应用发展需要生态伙伴的支持、需要行业的合作才能做好，‘单打独斗’难以做到高水平，更可能错失机遇窗口。”9月5日，在招商银行（下称“招行”）举办的“2025招银浦江数字金融生态大会”上，招行首席信息官周天虹如是表示。

　　当前，大模型应用正使银行业经历着一场前所未有的变革，各家银行亦在加快行内业务领域的大模型落地节奏。

　　在近期发布的半年报中，招行提出以“AI First”引领数智招行建设，赋予AI能力建设优先地位，率先打造AI型组织，努力成为全球领先的智能银行。

　　“当前银行业经营面临诸多挑战，大模型是最大的确定性机会，其技术突破将推动银行服务模式、交互模式和工作模式变革。”招商银行数字金融发展办公室副主任韦江波表示。

　　半年报显示，为夯实数智化基础，招行持续投入资源完善“云+AI+中台”数智化底座，2025年上半年信息科技投入达44.44亿元，占营业收入的2.93%。在业务应用层面，AI已深度融入招行零售、批发等核心业务板块。

　　据韦江波介绍，招行目前已构建大模型全栈体系，多领域投产应用，取得显著成效。不过，银行实现大模型规模化应用仍面临诸多挑战，如大模型推理速度、多模态大模型、知识管理等问题。这些问题需要联合同业、科技厂商共同探索解决。

　　面对挑战，如何提升大模型解决领域问题能力？周天虹指出，关键在于打好三个“组合拳”——上下文工程、知识管理和后训练。

　　在周天虹看来，首先，上下文工程是做好大模型应用的基础性工作。相较于Bert及更早的AI模型，大模型最大的进步是泛化能力，发挥其泛化能力的关键是技术也持续进化；同时，高水平的提示词的关键是其中需要良好呈现人类专家解决问题的思维框架和思维逻辑，这些内容需要业务专家的深入参与和总结提炼、持续调优。

　　其次，企业级知识管理是释放大模型能力的关键。大模型依托海量公开数据训练，但是训练大模型的数据中往往存在知识过时、知识质量缺陷以及缺乏企业私域知识等问题。周天虹表示，通过构建完善的企业级知识管理体系，可以将大模型能力与企业自身语境和知识体系对齐，提高答案的准确性。

　　再者，后训练是增强模型在专业领域应用效果的有效手段，通过监督微调、强化学习等方式，将领域知识和领域业务逻辑融入模型，可以显著提升模型在专业领域的基础认知和理解力，使其更好地处理复杂、高难度的领域任务。

　　周天虹进一步指出，要发挥好大模型的作用做好大模型价值变现，还需聚焦高价值场景并建立价值度量体系。

　　据周天虹介绍，招行的策略是聚焦“用人多、用时多、省钱多”的高价值场景。在“用人多”场景，用AI扩充人力，扩大服务半径、提升服务水平、优化客户体验，推动业务量持续增长。在“用时多”场景，用AI协助员工工作、降低复杂度、提升质量，实现提质增效。在“省钱多”场景，针对成本高、风险大的环节，用AI提升风险识别的覆盖度、准确度和时效性，减少成本支出。

　　此外周天虹提到，大模型应用研发工作和传统软件研发有很大不同，需推动研发从“业技融合”走向“业技共创”。