🔍 飞凡点评

🌟 热点场景：本期 2 个案例聚焦两类场景——一是行内高频办公与分析场景，涵盖智能办公、数据查询、经营分析；二是信贷与交易风控场景，涵盖零售、供应链、小微企业、信用卡等业务条线的信贷风险识别与可疑交易监测，并延伸至企业级风险管理平台统一承载。

🔗 共性规律：两家银行均从分散单点建设转向平台化统一收口。北京银行以“1213”AI体系（1个一体化算力底座、2大模型开发运营平台、100余项AI能力、300余项AI应用场景）统筹模型、算力、需求与能力，业务系统以组件化方式调用；浙商银行把风控模型统一在企业级风险管理平台完成训练、部署与纳管，并形成“大模型负责非结构化信息理解、风险线索归集与特征生成，小模型与规则引擎承担高并发实时评分决策”的双引擎分工。共同的打法是：先在平台层统一模型与算力，再按场景清单批量复制能力。

💡 实践启示：中小银行可借鉴其分层架构，先把模型与算力统一收口、避免各部门重复采购与重复建设；再以场景清单方式批量复制AI应用，并对模型实行统一纳管与版本管理。风控条线可参考“大模型做理解与线索发现、小模型做实时决策”的双引擎路线，按零售、供应链、小微企业、信用卡等高频条线逐条补充通用及特色场景模型，避免模型散落各系统难以复用。

北京银行

北京银行“1213”AI体系与chatBI智能工具

场景：针对全行各业务条线AI应用分散建设、模型与算力重复投入、业务需求响应周期偏长的痛点，北京银行面向前中后台一体化推进AI落地，覆盖智能办公、数据查询、经营分析等行内高频场景；上线前各部门各自对接外部模型、能力难以复用，上线后由统一平台按需调度AI能力，业务侧无需再自建模型。

做法：贯彻“All in AI”理念建成“1213”AI体系，即1个一体化算力底座、2大模型开发运营平台、100余项AI能力、300余项AI应用场景；通过平台层实现模型、算力、需求和能力的统筹管理，业务系统以组件化方式调用AI能力，无需重复对接底层模型；在此基础上研发上线“小京财智”、chatBI等一批AI工具，把大模型能力封装为面向行内业务人员的可交互应用。

你能借鉴什么：中小银行可参考其“1个算力底座+2个模型开发运营平台+N个场景能力”的分层架构，先把模型与算力统一收口，再以场景清单方式批量复制AI应用，避免各部门重复采购大模型、重复建设造成资源浪费。

来源：银行大模型应用“加速跑” 数智化竞速开新局-新华网

浙商银行

浙商银行“大模型+小模型”双引擎数智风控体系

场景：面向零售、供应链、小微企业、信用卡等多条业务线的信贷风险识别与可疑交易监测场景，解决传统风控依赖静态规则、特色场景模型覆盖不足、风险线索散落在多个系统难以归集的痛点；报告期内风控建设由单点模型开发转向企业级风险管理平台统一承载，风控能力从少数标准场景扩展到通用与特色场景并行。

做法：迭代升级大数据风控、数智反洗钱等企业级风险管理平台，建成“大模型+小模型”双引擎驱动的数智化大监督体系：大模型负责非结构化信息理解、风险线索归集与特征生成，小模型与规则引擎承担高并发场景下的实时评分决策；重点健全优化通用及特色场景的大数据风控模型，模型统一在企业级平台完成训练、部署与纳管。

你能借鉴什么：可参考其“大模型做理解与线索发现、小模型做实时决策”的双引擎分工，先在企业级风险管理平台统一模型纳管与版本管理，再按零售、小微、信用卡等高频条线逐条补充特色场景模型，避免模型散落各系统难以复用。

来源：银行大模型应用“加速跑” 数智化竞速开新局-新华网

📌 觉得有用？两件事

① 收藏 这篇，做方案时直接翻

② 转发 给行里做数字化/风控/AI的同事

每天一篇银行AI实战，关注「飞凡数融」不错过

📡 关注「飞凡数融」，每日获取银行AI实战案例

想看 28 家银行全量竞争情报与监管动态？上官网 www.ffsr.com.cn