2023金融机构AI芯片应用情况专题报告

近年来，人工智能技术在金融领域广泛应用，主要在信贷审核、智能客服、量化交易、金融反欺诈等业务场景应用落地。近期，人工智能现象级应用ChatGPT在社会中备受关注，再次引起人工智能、大模型、算法、加速卡等概念的热议。人工智能技术的发展对金融行业具有深远意义。

一是交易模式发生变革。在2010年之前客户交易的主要介质为存折、银行卡，以柜台人工服务模式为主；2010年之后以自助设备替代高柜和低柜，并通过远程视频与自助设备结合实现交易达成；2016年手机成为了新一代的交易媒介，移动金融成为主流，指纹、人脸等生物识别技术实现了通过人体生物特征信息与金融账户体系的关联，身份核验服务实现密码替代。

二是数据价值充分挖掘。在2014年之前，凭证和文件信息都是以图像的方式存储在影像平台，在出现问题的时候通过人工检索的模式来收集交易过程信息和证据信息，且收集到的数据和信息分散，没有充分发挥数据价值。光学字符识别（OpticalCharacterRecognition，OCR）技术的诞生将金融机构大量的影像文件信息进行了识别处理，实现自动化分类整理、内容级搜索、概要信息提取、文件合规性审核、归档、统计分析、知识图谱构建等，将零散的信息整理形成具有价值的数据。

三是客户服务智能化升级。传统的金融客服平台需要大量人力支撑，存在人员压力大、业务培训难、高峰期人员瓶颈、通话数据价值浪费等问题。人工智能等技术的应用使得金融机构客服坐席通过语音识别（AutomaticSpeechRecognition,ASR）、语义理解、语音合成（Text-To-Speech,TTS）、语音克隆、智能导航等人工智能的应用，实现了电话营销、电话邀约、智能催收、电话回访、语音通知等各场景的智能化升级。

人工智能应用的成功离不开强大的算力能力支撑，如果说算力是人工智能的“发动机”，那么AI芯片就是人工智能的“火花塞”。当前金融行业AI芯片应用存在难题。

一是AI芯片供需不平衡。一方面，随着生成式人工智能、大模型、隐私计算、大数据等技术的应用逐渐向成熟化和商业化发展，带动了算法公司、应用方等产业各方对AI芯片及服务器投入，尤其是高端芯片的需求不断增长，超出了原有AI芯片的供给能力。另一方面，国内在高端芯片制造方面还存在不足，而一些非市场性因素又限制了国内机构采购国外高端芯片的渠道，导致国内机构面临AI芯片采购难的问题。

二是AI芯片应用成本高。一方面，AI芯片的应用不同于消费级显卡以及零售客户对芯片的需求，金融机构单次采购量少则几十、多则几百，而目前供不应求的市场关系导致AI芯片单价居高不下，大量采购提高了应用成本。另一方面，AI芯片自身也在持续创新和技术进步，随着金融产品和服务的迭代创新，对性能和效率更高的AI芯片更新需求也在不断增加，导致机构持续投入成本上升。

三是异构芯片池化管理不完善。随着人工智能产业的蓬勃发展，不同厂商、不同型号的芯片陆续发布；同时金融机构也开始测试不同芯片性能，开展芯片领域信创工作。目前存在异构芯片的资源池化管理和资源的远程调用能力不完善、AI算力资源利用率不高等问题。

四是信息安全面临挑战。金融业是数据密集型行业，信息安全不仅关乎金融用户的资产安全和隐私保护，还关系到国家金融系统的安全稳定运行。国产芯片符合我国加密算法相关标准，产品经过安全性测试和认证，与金融机构技术架构开展适配性验证，从硬件、算法等方面保障金融机构信息安全。

综上所述，人工智能的发展对金融行业产生了变革式的影响，极大提升了金融服务实体经济的智能化和数字化水平。研究并解决当前金融机构AI应用“卡脖子”、应用成本高、算力资源管理效率低下、信息安全等现实问题，有助于满足金融机构对于AI芯片硬件安全可控、供应链可持续、产品高性能等需求，对金融业高质量发展具有重要价值。