人工智能大模型是指擁有超大規模參數、超強計算資源的機器學習模型，可處理海量數據，完成各種復雜任務，如自然語言處理、圖像識別等。

2023年，國內外不少科技、互聯網企業推出或更新大模型，開啟“百模大戰”，好不熱鬧！而在應用側，銀行等金融機構躍躍欲試，意在以大模型加速推動業務數字化、智能化轉型。

事實上，近幾年，受到銀行業關注并進行布局的新興技術還有RPA、隱私計算等。值得注意的是，大模型與這些技術之間有著“微妙”的關系，比如兩者結合帶來更大的想象空間，或者兩者之間的相互促進與推動等。

RPA結合大模型：實現自動化+智能化操作

RPA（機器人流程自動化），指通過軟件機器人模擬人類與計算機的交互過程完成大量規則明確、重復機械的業務操作。其在銀行業的應用場景包括客戶服務、信用卡審批、風險防控、運維等，可助力降本增效，提升操作的準確性和運營效率。

多家銀行早已研究布局該技術。比如2019年7月，建設銀行總行自研的RPA運營平臺正式投產上線，以促進集團范圍內應用的快速推廣；2020年末，工商銀行實現RPA規?；瘧?，建成企業級數字勞動力體系。

但RPA主要處理大量重復、規則明確的結構化數據。然而，在銀行，基于規則化數據的業務只占一小部分，剩下的則大量涉及圖片、文字甚至音視頻等非結構化數據，且非結構化數據一直在快速增長。因此RPA并不是萬能的，其有著較為明顯的弊端和局限性。

而處理結構化數據，是AI技術所擅長的。事實上，金智維、弘璣、來也科技、達觀數據等RPA廠商早就開始探索RPA與AI的融合，以為銀行等機構提供更為智能的“數字員工”。

推出具有超大規模參數的大模型，是AI領域的一大步。大模型與RPA結合，或有不小的好處。

RPA可執行重復性、規則驅動的任務，而基于大模型，則能提供更深層次的理解和學習能力，幫助RPA處理更抽象和非結構化的任務。RPA的自動化能力結合大模型的理解、創造能力，可賦能多個領域。

比如在客戶服務領域，兩者結合，RPA自動處理客戶查詢等任務，大模型則能幫助理解客戶需求，提供更有個性化和主動化的服務；在運營管理領域，RPA可自動執行數據錄入、報表生成等任務，而大模型可幫助分析數據等；在供應鏈管理領域，RPA可自動執行訂單處理、庫存管理等任務，而大模型可幫助預測需求、優化運輸路線等。

在大模型的助力下，RPA有望升級為真正的“IPA”。

隱私計算與大模型：實現更安全的數據計算與訓練

隱私計算是指，在不泄露數據本身的前提下實現對數據的分析計算，在保護好數據和隱私的同時，讓數據價值可以最大化地轉化和釋放。簡而言之，即推動數據要素可信流通。

同樣，已有多家銀行布局隱私計算技術。比如農業銀行2022年報顯示，落地企業級隱私計算平臺，驗證與第三方平臺互聯互通；郵儲銀行2022年報透露，建設全行級數據多方安全計算平臺，推動多方安全計算與隱私計算技術應用。

而訓練大模型，需要大規模的數據量。隨著國家和監管方對信息保護、數據安全的愈加重視，大模型顯然需要保證數據方面的安全合規，尤其是在強監管的金融業。

以隱私計算做大模型的“防火墻”是一個可行方向，從這個方向上而言，兩者或將互相推動。

一方面，基于隱私計算，在大模型的訓練、應用過程中可更好地保障數據安全，在合規的情況下，加速推動大模型落地，從而真正釋放大模型的潛力，賦能銀行等更多機構。比如部署TEE（可信執行環境）以保護大模型訓練、微調過程中的數據安全，在推理階段使用多方安全計算提升隱私保護能力。

而且，由于隱私計算可實現數據安全共享，從而提高數據利用率，有利于進一步提升大模型的數據量、數據質量。

另一方面，如今大模型處在“百花齊放”的階段，雖然還存在幻覺、可解釋性等挑戰，但相比元宇宙，其實際落地的可能性要大很多。

而大模型的崛起，將有力帶動隱私計算的發展，迎來“柳暗花明”。另外，大模型導致算力、數據、場景方面更大的供需矛盾，帶來更大的分布式需求，這會對隱私計算提出新的要求，或促使隱私計算“再進化”。

據《銀行科技研究社》了解，目前已有機構研究隱私計算和大模型的融合應用，比如聯邦大模型等。

寫在最后

最后值得一提的是，目前銀行正探索研究的元宇宙、數字人等領域，實際上也需要大模型的賦能，從而提供個性化、智慧化體驗。

在這個新技術層出不窮且對智能化不斷提出更高要求的時代，沒有哪一項技術是孤立的，大模型也是如此。大模型與RPA、隱私計算等技術的結合或相互促進，將有利于加速銀行等機構數字化、智能化轉型。

責任編輯：陳愛