精彩提要:
1. 之前积累的数字化,在这个时候得以集中的体现。
2. 数字化要延伸到前台去。
3. 一旦进入这个深水区,要是游泳的功夫不好,可能就会呛水,甚至淹着。
4. 应该百分之百由数字来辅助决策。
5. 万吨的巨轮在大海里,掉头都要花很长的时间。
6. 网点的何去何从,也意味着银行何去何从。
7. 开放银行,润物细无声,把银行的业务润到不同的场景里。
8. 银行现在管的是现金,但是将来真的是一串数字。
疫情时期,人们的工作和生活都受到了很大的影响,外出减少、社交减少,传统银行网点的经营受到了极大挑战。不论是在疫情期间还是在疫后时期,各个行业都在追求无接触经济。如果银行能顺应这种无接触金融服务的需求,那么就有可能抓住此轮机会。
疫情影响下,数字化转型,成为摆在银行面前的一项重要课题。而疫情期间光大银行积极借助金融科技,加强生活场景建设,同时深入挖掘零售客户。目前,光大银行零售存量客户已突破1.1亿户,这一突围是如何做到的?转型之路又有几多周折?
网易新闻和IBM共同推出的《致前行者Ⅱ》邀请到了光大银行副行长杨兵兵从光大实践本身讲述,IBM 合伙人、全球业务咨询服务部中国区金融行业总经理范斌从行业高度透析,商业银行如何进行智慧突围的。
中国光大银行成立于1992年8月,据数据显示,截至2020年6月30日,光大银行已在中国境内设立分支机构1290家,实现境内省级行政区域服务网络的全覆盖,机构网点辐射全国147个经济中心城市。但是在疫情最严重的时候,光大银行只有20%的银行网点能够正常经营。而武汉正好就是光大银行最大的客服中心。
光大银行副行长杨兵兵在访谈中讲述了光大银行如何利用数字化渡过这个困难时期,“在那个时候,基本上银行业的网点能够开的都不太多。大家都在物理网点上采取了最小化的开放情况。但是银行还要保持持续的经营和运营。所以,长期之前积累的数字化,在这个时候得以集中的体现。我们迅速的提供了多项,创新的这种线上的服务。”
疫情时期,光大银行迅速启用了智能机器人,实现了移动客服,还启用了远程视频客服服务,以及数字名片等线上工具。光大银行目前也正在大力发展数字化业务,针对老年人、残障人士以及需要受到关心的群体,光大银行还特地研发了适用于该群体的简爱版本,让他们能够在线上来办理各类业务。
IBM 合伙人、全球业务咨询服务部中国区金融行业总经理范斌对此认为,金融行业,其实是数字化走的比较靠前的一个行业。
在范斌看来,近期因为有数字化零售的冲击,银行的数字化要延伸到前台去。他认为这也是在疫情下对银行的一个主要的考验:对客户、对C端怎么样能够做的更好。“因为每家银行它的数字化方法方式其实路径是不同的,但是它的结果呢,就是非接触,并且能够有效可靠、合规、便利来去办理银行的业务。”
范斌强调,金融是国民经济的血液,而在做这些数字化的时候,血液必须非常灵活,才能够起到金融稳定器的作用。
近日,光大银行副行长杨兵兵也撰文指出银行数字化转型已经进入深水区,他表示深水区指的是银行线上化替代率到达90%以上,越往后每年能前进零点几个百分点都是很难的一个事。“一些特别复杂的业务,怎么线上化,甚至说要不要线上化的问题。” 在他看来,在判断一个事的时候,“我们不见得能百分之百用数字来做决策,但是应该能百分之百由数字来辅助决策。”
通过自己多年在行业的深耕,范斌认知到了一点,就是在做数字化转型的过程里面,做一件东西,如果在中国做成功了,在世界上任何一个国家都可以做成功。
范斌说,“在别的国家没有这么大的量,只要在中国测试过了,拿到别的国家去都没有问题。当然这个也就带来了一个难点,你越大的体量你要做转型就很难,小船在一条河里就可以掉头,万吨的巨轮你在大海里,你掉头都要花很长的时间。”
但这也有个好处,只要有一点点的改善,整体的效益就会有非常大的不同。
范斌认为,未来银行就是一个认知型的银行,可以利用数据,利用人工智能,利用新的技术,比如金融科技,区块链,5G,物联网,这样的一些技术,让银行业有更深入的一个数字化转型。
谈到未来银行,杨兵兵提出“网点的何去何从,其实也意味着银行何去何从。”他表示,疫情其实是个催化剂,让大家对线上有了更深刻的认识。在数字化的过程中,杨兵兵认为与其讨论银行未来是什么样子,不如讨论客户需要什么样的服务更好。
未来,光大银行要做的,他总结为十二个字:随时随地、知我所需、量身定制,具体来解释:第一个就是将网点加手机银行,再加远程银行,做一个铁三角的服务;第二个,是把数据管理好,让数据真正的形成一个资产的状态展现;第三个则是把产品线上化,更细分,就像搭积木似的,实现量身定制。
对杨兵兵来说,数字化令他感受到更重大的责任。未来银行的服务是可以一直开放下去,但是有不能开放的就是数据。“数据不是说严格上什么都不能用,而是要做好个人信息的保护和个人的授权。所以在这个过程中,开放数据的服务,或者和别人的合作,是我们最谨慎的一件事情。”
范斌也非常关注对于数据的保护及应用。在他看来,银行业在将数据有序地开发保护和运营时,存在着一些挑战:首先是数据标准化,这方面会存在数据质量的问题;第二是数据的安全性,个人数据有非常严格的保密要求,需要防范数据泄露情况。
在他看来,银行已经存在了三四百年的时间,业务虽然没有太大的变化,但随着科技的逐步的提升,银行业的服务水平有了非常大的提高,“它服务的方式也有了很大的不同,对于银行业来讲,一方面要提升自己的内功能力,第二个呢,这个银行会在生态上能够去润入到其他的行业。”
因此,他认为,未来的开放银行将把银行的业务潜入、润入到不同的场景里面,让人不觉得银行的存在,却已经享受了银行的服务。
他说,这叫“润物细无声”。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
AWorld团队开发的Recon-Act系统采用"侦察-行动"双团队协作模式,通过工具中心的自我进化机制实现智能浏览器操作。系统在VisualWebArena测试中达到36.48%成功率,超越现有自动化方案。其创新性在于将信息收集与任务执行分离,通过对比成功失败案例自动生成专用工具,为未来智能浏览器助手发展提供了新思路。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
中科院团队提出QuantVGGT技术,首次解决大规模3D重建AI模型的部署难题。通过双重平滑精细量化和噪声过滤多样化采样两项核心技术,成功将12亿参数的VGGT模型压缩75%体积、提升2.5倍速度,同时保持98%原始性能。实验结果显示该方法在相机位置估计和点云地图生成任务上均显著优于现有量化技术,为3D AI技术的产业化普及提供了重要突破。