AI浪潮下中小银行的生存之道：战略之外的考量

作者 | 王丰辉

来源 | 莫道寻常

1.大型银行与小型银行在技术投入上的巨大鸿沟，使其如同不同物种。

大型银行动辄投入百亿以上，而小型银行则在十亿以下。这决定了它们在人工智能领域将走向不同的道路，这类似于在AI赛道上，是选择做模型还是做应用。模型如同无底洞，而应用则可以聚焦于“小而美”。

高层领导希望我作为CIO，能有一个明确、响亮、清晰的AI战略。然而，我特别不想在AI时代谈战略，甚至无法预测半年后的未来。我们行目前的AI战略是“价值优先”，实践中则是“小步快跑，奋力追赶”。

不要为产品或平台买单，因为在此迭代速度下，它们都无法真正实现商业化。任何向你兜售者，都只是过程中的临时产物。除了算力和token，尚未出现成熟的商业模式。

大型银行可以谈论基础设施建设和AI架构。而对于小型银行，我更倾向于谈论场景、局部，以及如何点燃星星之火，在小步快跑中争取燎原之势。

2.新的数字鸿沟：线上生态矩阵远超线下能力。

尽管出于合规考虑，银行历来奉行“数据不出行”的原则，并重度投入私有化建设，但在现阶段之前，银行内部的软件能力、软件生态或银行域内的技术水平，与外部互联网的差距并不算太大。无论是大型银行还是小型银行，特别是小型银行，都能在一定程度上凭借自身力量，在内部构建一个完整的技术生态以支撑其迭代需求。这种完备性尚可，时效性也大致是线性的代际差异。

然而，本轮的技术迭代，特别是春节后OpenClaw的爆火，让我深刻认识到一个无法回避的事实：通用智能体对互联网生态和公域生态的依赖性极强。它的思考依赖于搜索和互联网庞大的知识库，它的技能则依赖于各种技能市场和开源贡献。这是一个庞大的生态体系，其中每个单点都在以天为单位进行进化，导致线上生态的时效性呈指数级增长。

面对如此快速的迭代，我时常感到一种深深的无力感。这给银行长期以来“一切都要私有化部署”的模式带来了巨大挑战，同时也考验着监管的智慧。

我们该如何应对？我开始考虑算力租赁模式，期待金融云能够获得牌照，并尝试寻求大型银行的合作。这有点像改革开放初期，面对外部的繁荣景象，我们如何鼓起勇气和智慧，打开一扇窗，推开一扇门。

基于此思路，我正在考虑堡垒机方案，扮演“守门人”的角色，将外部生态引入，同时确保安全和进行审慎过滤。此外，在行业内部，各银行之间若能实现生态联合，也可以构建一个属于银行业的“小生态”或“行业生态”。以国内银行业庞大的体量，这是值得憧憬的。

3.全员蒸馏：从数据到知识，再到技能。

由于预算和人力限制，小型银行的系统架构往往更为分散，存在“烟囱林立”的现象。系统建设对外部厂商的依赖性较高，不同系统、不同接口、不同数据标准的情况非常普遍。

单个系统的数据治理相对简单，但跨系统，尤其是端到端的审视数据流转，数据治理的推进则非常复杂。在数据治理、数据湖仓、数据集市尚未完善的情况下，直接面临从数据时代向知识时代的跃迁，其方法论仍在研究和迭代中。本体论（ontology）提供了一种思路，但从实践来看，显然不能拘泥于此。

当前知识体系的构建与近期流行的“技能”（skills）概念似乎可以融合。

一家银行拥有自身的文化和战略，这是顶层规则（规范）。在此之下，全行将拥有通用技能，部门拥有共享技能，处室、虚拟团队、个体也将拥有各自的技能。

进一步推演，这便是数字员工体系。想象一下，这幅画面十分美好：你需要设计一款产品，然后召集一个团队，团队成员包括市场研究员、客户经理、产品经理、风险经理、审批经理、技术经理、测试经理等。大家分工协作，串联好流程，经过几次迭代，产品即可完成。实际上，这些人员都可以是“技能”，即数字员工。

这个局面，我曾设想过：什么是优秀的数字员工体系？数字员工与真实员工之间究竟是什么关系？

这其中涉及复杂的伦理问题。

本质上，这是人工智能对人类进行全面“蒸馏”和提炼的过程。个体可以被提炼为技能，部门可以被提炼为技能集合，银行可以被提炼为一个庞大的技能矩阵。

在神经网络领域，这个过程有一个对应的技术概念——“知识蒸馏”（Knowledge Distillation）。Hinton在2015年提出，其核心思想是让小模型（student）不仅学习硬标签，更学习大模型（teacher）输出的“软概率分布”，这是一种更丰富、更有层次的知识表征。银行的“全员蒸馏”，本质上是同一个逻辑的人类版本：将人脑中的经验、判断、模式识别，提炼为人工智能可以执行的结构化知识。只是，人脑的“软概率分布”比任何训练数据都要复杂得多。

这种蒸馏会引发一种恐慌，即个体担心被人工智能取代的恐慌。

因此，作为CIO，我反而要激发或倡导：人类的价值。

这是我们这一代CIO的责任。因为你懂技术，所以你知道AI的边界；因为你要推动全员蒸馏，所以你更要深信人类的价值。

向我的偶像李飞飞致敬，她提出的“以人为本的智能”（Human-Centered AI），正是我们所追求的。是的，正是“以人为本的智能”。

4.人在环路（Human-in-the-Loop） vs. Ralph Loop

Ralph Loop的初衷是好的，即把复杂的大目标分解为清晰的小目标，强制模型独立完成小目标，迫使模型直面客观标准而非主观判断，并通过外部记忆文件的读写来对抗上下文窗口记忆的衰退。

然而，在实际操作中，我发现它仍然不如传统的程序可靠，大型语言模型（LLM）甚至会忘记读档。

这背后存在神经网络的结构性原因。Transformer的注意力机制（Attention）是基于当前上下文窗口的动态计算，缺乏持久化的记忆细胞——这与人脑海马体负责的情节记忆（Episodic Memory）完全不是同一套机制。人类的记忆包含编码、巩固、提取三个阶段，并且在睡眠期间还会完成记忆的整合与再激活；而LLM的“记忆”本质上是一次性的注意力权重计算，一旦上下文窗口关闭，一切便消失了。这不是工程上的bug，而是架构的本质。

我不断打磨各种技能（skills），但由于幻觉的持续存在，或者网络的不稳定性，模型总会偏离预期，或者因稍有延迟就选择了备选方案（Plan B），或者出现bug就自行其是地尝试其他策略，或者未经确认就操作关键文件等等。

请审视整个过程，将依赖记忆的部分分离出来，用程序来固化。

（说白了，我根本不相信你的记忆能力）

这一点进一步印证了人类的价值。制造业的“黑灯工厂”仍然需要人工班组的存在，负责巡检和修复。

在银行业，人工智能确实带来了“增效”，但轻易不要谈“降本”，因为人力部门很容易将“降本”片面地理解为“降低人力成本”，进而挑战编制的数量。

实际上，这是一个结构性问题。

每一次新技术革命的初期，都会出现“卢德主义”（Luddism）思潮。

卢德主义的本质是对技术失控的恐惧——当技术进步速度远超社会制度、伦理规范或劳动力市场的适应能力时，冲突便会产生。它提醒我们：技术不仅是工具，也深刻地重塑着权力结构、就业形态和生活意义。

我更愿意将卢德主义理解为：如何在技术发展的同时，兼顾效率、公平与人的尊严。

再次强调，这是一个结构性问题。

回到银行本身，并非要削减编制，而是要调整结构。从宏观视角看，需要调整组织结构，明确中层部门存在的必要性，以及团队之间的协作边界；从微观视角看，需要调整个体的能力结构，将关注点从单一的能力视角转变为人机协作能力视角。

5.内圈、中圈与外圈

我经常喜欢做思想实验，将不确定的问题推向极端视角，答案往往会变得清晰。试想一下，二十年、三十年后会怎样？即使理想中的或令人恐惧的通用人工智能（AGI）没有实现，人工智能的普及也必然发生。独立运行的智能体、随处可见的机器人，将成为常态。与人工智能互动，让AI处理任何事情，都不会再令人惊讶。你会惊讶某个人不会打字吗？你会惊讶某个人整天离不开电脑吗？你会惊讶人类竟然24小时离不开手机吗？都不会。

因此，全员拥抱人工智能，是不可避免的必然趋势。

然而，新技术的发展总是如此，与人群的结合，总是从一部分人开始，然后逐渐蔓延到其他人。这与移动互联网时代的发展逻辑相似：先是新技术本身的产业化，然后是传统产业的互联网化。

我将人群分为内圈、中圈和外圈。内圈是人工智能团队，中圈是科技条线人员，外圈则是业务条线中拥抱新技术的人员。

杰弗里·摩尔在其经典著作《跨越鸿沟》中描述了创新者（Innovators）和早期采用者（Early Adopters）这两类人群。在“技术采纳生命周期”模型中，创新者和早期采用者共同构成了早期市场。他们与后续的早期大众（实用主义者）之间存在着一条巨大的“鸿沟”，人工智能技术的推进就需要依靠前两类人群来跨越这条鸿沟。

这是银行拥抱人工智能的基本盘。各方相互协作、分工明确，一旦运转起来，就要逐步将人工智能推广和复制到银行的各个角落、各个末梢。

6.去技能化的员工 vs. 超级员工

近期我一直跟随智能体的迭代，也逐渐产生了一些疑惑：一方面，我感觉到似乎技能的重要性在下降，我不再需要为掌握了什么知识或技能而自豪；另一方面，我又产生了一种似乎无所不能的幻觉，在人工智能的加持下，我似乎什么都能做到。这是否矛盾？非常矛盾。但实际上，这是同一件事。

最近我女儿也和我讨论这个问题：

“爸爸，在现有的教育体系下，让我去记住这样或那样的知识，在人工智能面前好像没有必要了。我觉得，人工智能将冲击我们的教育体系。拥有想法变得更重要。”

是的，这也是一种认知冲击，会消解我们许多习以为常的观念。

面对人工智能，许多人之所以感到恐惧，是因为“技能被替代”，这实际上是潜意识中将“技能的价值等于人的价值”混为一谈。因此，很容易盲目地得出“去技能化等于去人化”的结论。

但如果从漫长的时间长河来看，30万年前智人的出现或许是某次偶然的“仰望星空”。人类如果认为自己是万物之灵长、造化之神秀，我们活一辈子难道是为了某种技能吗？肯定不是。

迄今为止，除了少数人，技能仍然是谋生的手段。

人的价值在于“适志”和“有趣”。

在这个意义上，创意、想法、判断、审美变得尤为重要。

神经科学提供了一个有趣的佐证。人类大脑有一个“默认模式网络”（Default Mode Network，DMN），在人放空、发呆、做白日梦时反而最为活跃——那是创造力、自我认知与共情的神经基础。当前所有的人工智能架构，都没有这样一个“离线运行”的系统。所谓的创意，恰恰诞生在效率之外，诞生在那些看似什么都没在做的时刻。

而所谓的“超级员工”，既是去技能化的，又是全技能化的，同时人的价值得到升华。超级员工，也是更有价值、更有意义的个体。

最后，中小银行面临的挑战，其实并不重要。

重要的是个体的挑战，是认知的挑战，是社会的挑战。

谢谢。

END