随着数字化转型、移动支付、人工智能、区块链技术、大数据分析等技术的不断奔涌，以及消费者对更加便捷、高效、安全的银行服务的需求，银行对金融科技、数字化转型的重视程度不断提高，金融与科技的结合度进一步提升，数字化转型将在银行管理、业务拓展和风险防控中发挥更重要的作用。

而近期持续火爆的大语言模型更是引发了银行对于AI在产品创新、流程再造和服务升级的探索实践，借助AI的自动化能力，有助于降低行业成本，提高服务效率，进一步提升普惠金融的覆盖率、可得性和满意度。

这其中，近年来凭借“数字原生”优势取得快速发展的数字银行，对于创新技术的自主研发与使用尤为重视。据了解，微众银行作为我国首家数字银行，通过发挥金融科技的特色优势，闯出了一条商业可持续的新路径。该行在成立之初便以科技为核心发展引擎，并在ABCD（人工智能、区块链、云计算、大数据）领域深入探索。目前，微众银行已经将AI技术投入使用在银行金融服务的“前-中-后台”，包括客户服务、营销、风险管理和反欺诈等，一定程度上简化人工流程，提升效率，进一步降低运营成本。

大模型时代，人工智能技术推动数字银行高质量发展

微众银行首席人工智能官、加拿大工程院与皇家学院院士杨强教授在接受至顶网采访时表示：“金融行业是数据密集型行业，AI以机器学习、知识图谱、自然语言处理和计算机视觉等核心技术作为主要驱动力，助力金融行业的各参与主体和各业务环节。随着大模型时代到来，我们将进一步探索前沿科技与金融服务深度融合，不断拓展金融服务的广度和深度，重塑以客户为中心的金融价值链和生态，推动‘未来智能金融’的实现。”

确保客户隐私和数据安全

当前，数据已经成为了数字化时代的生产要素，在多重领域发挥举足轻重的作用。作为数据密集型行业，金融科技在数据隐私保护、安全合规等问题备受关注。同时，政府逐步加强数据使用方面的监管，数据安全、隐私保护相关的法规法律体系日趋完善。实现数据的多方协同和授权共享，得到更优的模型和决策，是当前人工智能赋能金融科技的一个重大挑战。

面对金融业务场景中越来越多的数据流通和隐私保护的需求，2018年，微众银行在国内首次系统性提出“联邦学习（Federated Learning）”理论体系，联邦学习是分布式加密机器学习新范式，可以实现数据可用不可见的多方协作，在多源数据综合发挥价值的同时保护每一个数据源方的隐私和数据安全。

2019年起，微众银行AI团队推动全球联邦学习生态构建，联合多家机构持续迭代和完善隐私计算联邦学习开源平台FATE（Federated AI Technology Enabler），并持续推动联邦学习技术的前沿研究、标准建设、开源生态建设、行业应用等。目前，联邦学习作为支持数据要素安全流通的重要技术方案，被各行业和机构广泛采用。

在实践中，AI技术的应用要注重“安全、效率、性能”等多方面平衡，不能单纯偏向其中一方。基于此，微众银行2022年在业内首次提出“可信联邦学习”新范式，指出除了保证原始数据的隐私安全和模型的可证安全，还保证学习过程的高效率和模型的可用性，模型决策机制的可解释性，模型的可溯源和审计监管。在此理论框架下，微众银行与香港科技大学等机构联合发表一系列前沿理论研究成果，相继被多个国际顶级学术会议和学术期刊收录，包括“无免费午餐理论”、FedIPR等。

“技术的发展与应用是一个螺旋向上的过程，AI伦理和安全是始终不能忽视的问题，要确保技术的发展和社会的利益相互促进。只要用到数据，就会有安全和隐私的问题，所以必须有技术的加持去保护安全、隐私和确保合规。”杨强强调。

更精准的风险评估、控制与反欺诈

当前，银行风控面对的最大挑战之一是快速变化的风险形态。随着技术不断发展，欺诈行为也变得越来越复杂和隐蔽。反欺诈工作的开展难度自然也是越来越大。

作为一家数字银行，微众银行没有线下网点、几乎全流程线上操作，和传统银行模式相比，如何在保证客户体验的同时提升风控能力至关重要。微众银行通过提升数字科技能力，做好大数据风控，以此为业务可持续发展夯实基础。

具体而言，微众银行基于联邦学习技术打造联邦中台，持续服务行内多个业务。在联邦中台通过搭建的可信数据通道，实现基于样本保护的客群匹配、数据探查、关联风险挖掘及联邦模型应用等闭环服务。

杨强介绍，在反洗钱场景中，传统“规则与人工”的判断方式依赖规则系统和专家经验，而且规则命中案件量大、准确率低、人工成本高，案例容易积压。而将AI技术结合业务经验，构建反洗钱可疑案例排除模型，可减少约37%的人工筛查工作量。同时利用机器学习算法构建洗钱交易监测模型，并通过搭建交互式的案例展示系统，进一步提高模型的可解释性，辅助人工进行交易监测的同时，更快速地发现新型可疑交易。联合多家银行的联邦反洗钱探索则可以进一步在各家机构数据不出本地的前提下提高反洗钱模型的准确性。

在信贷风控场景中，针对中小微企业信贷评审数据稀缺、不全面、历史信息沉淀不足等问题，通过联邦学习，微众银行探索在确保数据安全及隐私保护的前提下，融汇企业经营数据、税务数据、工商数据、支付数据等多源信息，丰富建模特征体系，提升风控模型的准确性和有效性。

在反欺诈方面，微众银行通过AI人像核查、声纹核查等技术，在开户、授信、放款等金融服务多个环节把控风险，有效甄别欺诈行为。例如在开户、放款等业务环节，需要保留视频存证以验证客户身份，声纹识别、声音密码等技术可以帮助在核身环节中抵御模仿攻击、语音合成等多种电信欺诈行为，验证或检索时有效时长仅需2.5秒，且验证过程用户无感知。

智能化的客户服务和营销

近年来，许多银行都以客户为中心，积极采取积分、返券等营销手段来吸引客户；并通过线上化、智能化的产品服务创新改善客户体验。

客户服务质效的提升对于数字银行而言亦至关重要。微众银行基于自研的智能在线客服与智能语音机器人，可以实现7X24小时回应海量用户需求，并通过智能坐席助手与实时质检辅助人工坐席，在及时响应的同时规范客服话术与行为，不断提升客服质量，有效保护消费者权益。

其中，坐席助手可以帮助实时监控坐席合规、情绪、语速等，提醒与帮助坐席人员及时纠正错误；质检系统对客服录音进行智能检测，建立敏感词库，对关键词和语义、语速等方面进行快速检测，将传统的人工听录音进行服务质量检测的2%覆盖率提升到100%。

目前智能客服已经支撑了微众银行亿级客户规模，98%的日消息由机器人服务，每次问询可以在1s内回复，准确率超过93%。微众银行的智能客服还多次荣获国内国际奖项，例如深圳市金融监督管理局评选的“2017年度深圳市金融科技专项奖”、中国人工智能产业发展联盟评选的“2022客服中心应用优秀案例”、《亚洲银行家》评选的“2023年度卓越零售金融服务奖-最佳语音机器人项目”等。

在营销场景中，微众银行持续升级智能营销解决方案，结合智能语音机器人、联邦学习等技术，在数据不出本地的合规前提下，实现业务营销获客和存量促活，更加精准地触达目标人群。

在广告投放场景中，随着线上线下广告渠道的丰富化和多元化，传统的代理商投放方式成本高，转化效率低，难以精准触达潜在客户。微众银行在保证数据安全与用户隐私的前提下，通过引入联邦学习技术，将广告主与投放平台进行数据不出本地的联合建模，建立起准确率更高的“联邦广告”模型，更精准地找到目标用户。在业务实践中，获客成本和授信费用率可平均降低30%。

AI助力数字银行高质量发展

每一轮科技变革，都会伴随着产业的深度发展。2023年，人工智能大模型技术迎来“爆发”，智能金融的发展为银行数字化带来了全新的可能性。

在此背景下，微众银行也在探索将大模型等技术进一步应用在金融服务场景中的可能性。例如，通过高效生成营销内容与推荐策略，打造更加人性化与高效的创意广告；在线上客服、智能质检等系统中探索融入大模型技术，提升多轮对话中客服问答的准确性，快速生成客服语音摘要，实时监控和提升客服效率和质量；构建企业金融大模型，服务于科创企业融资需求，实现对科创企业的数字化精准触达和数字化营销运营等。

由此可见，数字银行运用前沿的科技能力实现降本增效，并让金融服务更具温度，以及更加个性化、人性化，最终挖掘到商业增量，探索出商业可持续的新模式、新路径。未来，人工智能技术与金融业务的深度融合，将进一步衍生出新业态、新场景，或将深刻影响金融业的发展模式，为我国数字银行的高质量发展增添动力。