截至当前，互联网仍处于2.0阶段。基于互联网2.0的各种经济活动都是“信息消费”与“信息服务”。而互联网2.0中信息交换活动（进行信息消费与提供信息服务）的底层价值支撑，依然主要来自线下或由线下驱动，社会经济仍然是将互联网空间视为线下价值实体的信息通道，主要利用互联网实现“连接”。所以我们看到，“广告”至今仍一直是互联网最主要的商业模式之一。例如，2022年9月被Adobe以200亿美元收购的Figma，同样是传统互联网“连接”价值的再次体现。作为一款UI设计工具，Figma最显著、最核心之处就在于以全在线化的方式打通、连接起设计工作中的各个相关角色，极大地提高了多人协同设计的效率；但价值的主要驱动者仍然是被连接的线下相关人员。
前文谈到的数字银行，其核心本质也是通过银行自身的转型，充分利用传统互联网的“渠道价值”，打造线上线下一体化的数字化经营模式，挖掘当前科技发展阶段商业银行能达到的最大效能，服务数字经济1.0、服务全社会。
在本节中，笔者将陆续探讨一些与互联网3.0、数字经济2.0相关的重要趋势，并希望管中窥豹，为商业银行如何拥抱呼之欲出的新一轮金融科技变革提供些许启发。在第一节中，将主要讨论Web 3.0、价值的数字化表示、数字人民币、非中心化数字身份、无密码、生成式AI、自主系统等重要金融科技趋势，以及数字经济2.0的体验范式变革、数字经济2.0虚实相生的未来指向。在本章的后一部分，笔者还会在讨论商业银行未来发展的过程中，进一步谈及对元宇宙、数字藏品、虚拟数字人等金融科技趋势的一些研判、看法。
互联网3.0的星星之火
Web 3.0的“人”与“价值”
从“人”在其中的呈现情况来看，从Web 1.0到Web 3.0的演进，实质上是“人”在网络空间、数字世界中越来越立体化、越来越人格化及丰满化的一个过程。在Web 1.0时代，“人”的概念很淡薄，以至于不被大多数人所注意，Web 1.0的核心要素是“信息”，整个网络空间各种行为、事务都主要围绕信息的连接、信息的互联互通展开。“人”是隐藏在互联网上丰富的、能跨时空的“信息”背后的消费者，信息的聚合让“世界扁平化”，正如托马斯·弗里德曼在《世界是平的》一书中所言。但在Web 1.0时代，已有电子邮件，也已有BBS论坛、校友社区（ChinaRen），这些都是比较原始的“人”在网络空间的身份符号，只不过这些网络符号化的“人”仍然未普遍化地走到网络舞台的中央——虽然少数网红已经开始在局部的、较为封闭的BBS中出现。QQ、MSN等社交工具在Web 1.0阶段就已出现，但主要解决的是人与人彼此之间的消息联络问题，仍然没有更多涉及身份、形象的塑造。到了2000年代中期，随着互联网技术的发展及普及，Mysapce、Facebook、开心网、QQ社区等兴起，以“用户为中心”的U-Center模式成为这一阶段的标志。UGC受到空前关注。User在这个阶段具有更加完整的形象，网络世界中“人”从Web 1.0阶段的一维“人”升级为Web 2.0时代的“二维人”，网络“人”的身份信息、图片信息甚至视频信息、活动轨迹等被更为系统化地在二维网页空间中呈现出来。在“人格化”大潮之下，自媒体盛行，网红、KOL现象等越来越常见、普遍。同时，此阶段的网络空间中“人”存在基础性的不完备特征，比如缺乏信任基础设施，人的形象展现、相互感知、情感传递技术设施仍然非常原始，围绕“人”必然存在的利益、权益、价值属性等难以在数字空间中被呈现、体现、保护，这些问题正是Web 3.0诞生的背景。
简言之，从Web 2.0到Web 3.0，是从以冰冷数据为主要成分的薄片式的“二维人”到富有人情质感的立体化的“3D人”的跨越。
具体而言，Web 3.0首先是让用户“所有权”在数字空间中能够得到确立和保护。比如用户数据权的清晰界定在技术层面和数字世界的实际运行中都得到普遍的切实落实。这将使在数字空间中，Web 2.0时代原本散落在各个围墙花园里的数据历史、数字足迹终于能被凝聚到“自身”身上，每个人都将获得一个数据内涵极为丰富、全面的“数字空间中的抽象的数字用户”，每个人都将充分自主地掌控自己的数据痕迹。这个在数字空间中具有高度独立性、平等权的数据凝聚体似的数字化虚拟“存在”，拥有一个人非常完整的历史，与充当交互和体验界面的3D“数字人”结合，就构成了数字空间中的基础主体。架构在数字网络上的高级数字社会真正有望成形。相比之下，现在的数字社区、平台社区是薄片式的原始数字部落。
“价值”将成为Web 3.0的核心主题。Web 1.0、Web 2.0基本主题都是“信息”；Web 2.0区别于Web 1.0之处在于，用户拥有更丰富的制造、输出信息的方式、手段，如丰富的自媒体（微博、微信公众号、朋友圈、抖音短视频、小红书评论等）。而在Web 3.0中，“价值”的创造、确认、输出、流转将成为新的关注点所在。而价值的携带，如数字钱包，也将成为Web 3.0中一种普遍的基础设施。围绕“价值”，Web 3.0中的各种行为也自然普遍拥有很强的经济属性。
非中心化是Web 3.0的核心特征，但这并不表示非中心化将取代中心化。事实上，未来的数字世界，将是非中心化与中心化并存的“Hybrid”模式。此外，在当前阶段，用户的Web 3.0接入体验和安全性等仍然处于“高技术门槛”的阶段，银行可以将充当“接入中介”作为抓住互联网3.0时代的一个切入点，带给用户更加安全、放心、顺滑、简易的专业金融级接入服务。
价值的数字化表示
科技发展到今天，“价值”的表示形态已越来越需要变革，也正迎来难得的变革机会。
虽然当前的互联网、数字化技术已经极大地改善了人们的生活品质、提升了生产效率，但我们仍然需要保持符合“第一性原理”的认知：所有的当前数字化产品、数字化服务，都只是一定技术条件下的产物，并非本该有的或并不是最符合人类直观的形态。这使得在很多情况下，人们为了将就技术的局限性而不得不去适应相应的技术范式，这种“将就”或明显或隐性，大多可能会变得习以为常，以至于人们很容易“忘记”或“忽略”最底层的诉求所期望的模样，“错”将阶段性的范式当作“初心”来信奉。
基于银行账号的价值交换，虽然在历史上带给了人类极大便利，让人类在价值交换过程中不必再携带实物货币，但从更底层的体验诉求来看，人们其实为此放弃了相对更为符合人性自然、直观诉求的价值交换方式，即放弃了“物物交换”方式。与此同时，在实践中，银行账号其实又不得不努力去逼近人对自然态价值交换方式的期望；由此，导致当前银行数字化、数字经济发展过程中许多不得不面临的复杂性，比如跨境支付结算就很能体现基于传统记账方式的货币体系的上述纠结。这便是为什么要重构电子化的货币价值形式，要从底层重新创造出数字货币、数字人民币这样的数字原生的货币形态。同时，这也是为何数字人民币等将成为推动数字经济1.0向数字经济2.0变革的一股基础性力量。
区块链技术的诞生为更广义概念上的“价值”（包括资产）的数字化表示带来了实现及持续变革的可能性。NFT技术是其中备受业界关注的一种选择。2022年10月31日，中国香港特别行政区政府在香港金融科技周上正式发布《有关香港虚拟资产发展的政策宣言》，认为“虚拟资产在市场上已变得不可或缺”，表态香港将积极发展NFT、绿色债券代币化、数字港元等虚拟资产。上海市政府发布的《上海市数字经济发展“十四五”规划》也已明文支持对NFT及资产数字化的探索。BSN是由国家信息中心、中国银联、中国移动等联合设计、研发、推行的一个公共区块链基础平台，其在2022年1月发布的分布式数字证书（BSN-DDC）也是一种类NFT产品；该产品已应用于公益慈善、物品溯源、电子发票、版权保护、供应链管理等领域。从技术上讲，BSN-DDC是“下一代对象型、分布式、可共管、可编程的单体数据库技术”，其中DDC指分布式数字证书（Distributed Digital Certification）。BSN-DDC基于BSC开放联盟链，而后者“都基于开源代码，并且官方DDC合约也全面开源”。
当然，价值表示形式的充分实现与变革，任重而道远。目前，与金融化炒作乱象关联的NFT业务和NFT类技术本身之间界限模糊，极易混淆，这将严重制约NFT类技术的合规、健康发展，延缓其积极、正面价值的尽早释放。“数字藏品”路线的提出是可能的解决思路之一，但该思路的挑战在于不足以充分代表NFT类技术本身；未来，围绕NFT类技术与NFT业务，仍有待于建立起类似于区块链技术之于比特币、加密币的剥离和清晰区分。
在NFT、Web 3.0等多种技术发展的综合推动下，数字世界中的各种“价值标的”越来越有可能成为人们拥有完全自主权的“元资产”，被纳入受法律保护的私有财产（财富）范畴。甚至，物理现实世界中的各种资产也将有望被映射为对应的数字化“元资产”，从而被赋予数字化的各种便捷特性。
数字人民币
数字人民币是由中国人民银行发行的数字形式的法定货币，由指定运营机构参与运营，以广义账户体系为基础，支持银行账户松耦合功能，与实物人民币等价，具有价值特征和法偿性。在表现形式上，数字人民币是存储在系统或特定介质上的一串加密数据，主要包括编码、发行机构、指定运营机构、金额、持有人等要素。数字人民币在运营架构上采用“央行+运营机构”的双层架构。央行和运营机构均不设置数字人民币业务库。数字人民币兑付流程为：（1）指定运营机构缴存备付金，作为初始额度；（2）指定运营机构受理客户兑换申请，逐笔实时兑换；（3）指定运营机构日终与央行进行轧差清算。而数字人民币支付流程中的关键点有：（1）央行组织建立互联互通平台，并进行资金清算；（2）每一笔交易均涉及熔币和铸币；（3）交易信息由指定运营机构登记，并异步上传至央行。
数字钱包是指经央行批准的按照央行确定的业务和技术标准向社会发行的数字货币支付工具。关于数字钱包的基本规定包括：（1）编号：钱包具有唯一编号；（2）数量：客户可开通多个钱包；（3）互认互联：不同运营机构的钱包之间可转账结算；（4）密码重置：钱包密码可重置。数字钱包有手机APP钱包、网页钱包（云钱包）、硬件钱包等几大类形态，从类型和功能上又可分为个人钱包、对公钱箱。
相比当前的电子支付，数字人民币支付具有“易用、安全、互联互认”等优势：（1）支持离线支付、操作简便、实时到账、无需清算成本；（2）可控匿名，保护隐私，国家信用；（3）不受银行或商业机构限制，互联互认。数字人民币还具有免收商家收款手续费、免收取钱手续费、实时到账、通用性高、支持离线支付、支持智能合约等显著优势。
对于商业银行的转型发展而言，传统支付赛道已经较为拥挤，大体格局已相对稳定，其中的创新突破机会已难以觅得。数字人民币作为数字支付领域最为重要的基础性变革，将成为商业银行开拓新场景、建立新生态的难得机遇，也将是商业银行建成数字化银行、拥抱未来数字经济的关键基础设施之一。
就眼下的银行数字化转型实践而言，商业银行至少可将数字人民币定位为一种获取新客户的有效手段，应积极采取各种有力措施，充分发挥数字人民币低门槛的优势，大力推进数字人民币业务的发展：（1）利用新技术为用户提供即时、极简、极速的支付体验，如面部识别、指纹识别、声纹识别、手势密码以及NFC、声波支付、车牌支付等；（2）探索数字人民币线上化经营模式，通过集约化的经营批量线上获客；（3）探索红包的多种使用方式，打造面向C端营销活动的新抓手；（4）探索发挥C端用户的主动性，通过红包激励开展裂变营销；（5）探索智能合约的优势，带来的新玩法、新模式；（6）通过积极促进数字人民币对公合作，创新数字人民币B2B支付服务方案，争取企业数字人民币支付账户，进一步推动企业员工批量开户、代发工资业务合作，带动对私服务；（7）以数字人民币为支点，撬动与各地政府的合作，把数字人民币打造成数字城市、数字乡村等数字社会建设项目的亮点，进一步盘活银行生态在当地的布局；（8）以数字人民币的互联互通性为契机，将生态银行建设成为串联现有数字化平台的更高维生态。
图16-1 数字人民币试点应用场景示例
商业银行在数字人民币业务的推进过程中，要恰当把握自身的运营机构角色与央行的数字人民币发行方角色之间的关系。银行需要看到，随着试点的逐渐深入和铺开，钱包生态发展的一些基本原则已经越来越明确，如个人钱包入口将由央行统一APP提供。银行要高度重视央行APP入口引流作用，推进自身优势场景入驻央行统一APP。也正因为如此，商业银行数字钱包的研发重点不是在APP形式上，而应侧重于丰富钱包功能，提升钱包体验和安全，大力推进数字人民币支付与行内全渠道、全场景的融合，打造企业级支付生态。
商业银行在数字人民币业务的推进过程中，还需要重点关注数字人民币反洗钱工作。商业银行可依托优化现有反洗钱相关系统或新建数字人民币反洗钱系统，按照单一客户、统筹账户、现金、数字货币四个维度开展数字人民币反洗钱工作。
非中心化数字身份
在当前数字经济发展中暴露出来的很多问题，如平台垄断、用户权益难以得到保障等，都与用户数字身份仍为由各个平台各自掌控的中心化模式紧密相关。包括公安部第一、第三研究所以及微众银行、阿里云等在内的多类机构都在积极部署DID（Decentralized Identity，非中心化数字身份，或分布式数字身份）方面的研究，并将DID视为下一代互联网和新数字经济（数字经济2.0）最重要的基础设施之一。
在非中心化的数字身份体系的支撑下，能够更好地实现“让各种数据资源充分参与跨域运算而同时又无需数据本身出域”，既能很好地确保数据隐私安全又能最大化地释放数据要素价值。数字身份体系涉及颁发者、持有者、验证者三个重要参与方；与基于传统数字化平台的中心化身份ID相比，在非中心化的数字身份体系中，这三方之间将更为分离、独立；而这三方之间的互信架构（“信任三角”）也将成为下一代数字经济的信任基石。商业银行作为社会的信任中枢之一，应该大力强化相关技术能力的沉淀，积极参与非中心化数字身份体系的构建，争取赢得下一代互联网基础设施服务提供者的角色定位。例如，JP摩根就已在为DeFi（非中心化金融）体系打造一个能够支持KYC的数字ID层，并正在首先应用于JP摩根与新加坡金融管理局（MAS）、星展银行（DBS）等合作的非中心化资金池测试项目。
零信任下的无密码技术
零信任是近两年来金融科技领域在安全技术方面最主要的趋势之一。零信任基于身份的、无处不验证的安全理念，让传统的组织协同边界被进一步打破，比如WFH（Work from Home）模式能够随新冠疫情而兴起，以及生态协同能获得广泛推广，其实在很大程度上都得益于零信任安全技术的迅速发展和足够成熟。然而接下来，站在零信任机制肩膀之上的“无密码”将是更具颠覆性的一个金融科技趋势，将为全社会生产及经济活动带来更为深刻、更为全面的体验变革，也更需要商业银行从内部管理到整体经营都给予足够重视。正在到来的“无密码”趋势将确保在“任何”地方、“任何”时候都无需使用密码，却仍然具有足够的安全性。
以各家银行的APP为例，其都会要求用户设置登录密码、查询密码、取款密码、支付密码等诸多密码，并且出于安全考虑，每个需要设置密码的场景都会建议密码尽量具有足够复杂度，且应尽量避免重复使用已使用过的密码。而手机本身、手机上的各种APP以及每个超级平台上的不同服务同样常有密码要求。综合而言，一个普通互联网用户可能需要面对上百个要求设置密码的场景。现实情况是，大多数用户没有办法严格为每个场景设置不同的密码，常常是几个密码反复使用。同时，为了方便记忆，相当一部分用户更是会将密码设置成与自己的生日、门牌号等有关联的字符串。这导致相当多的互联网用户面临密码泄露或被破解的安全隐患。
FIDO（Fast Identity Online）联盟，即线上快速身份验证联盟，是一个为应对“密码负担”等线上身份验证挑战而成立的全球性行业协会。微软、谷歌、苹果、Meta（原Facebook）、高通、ARM、英特尔、Paypal、MasterCard以及国内的工商银行、民生银行、联想等企业都是该联盟的成员。FIDO联盟为行业提供了一套简化用户身份验证体验的开放行业标准。近来，各大FIDO成员企业纷纷基于FIDO标准推出具体的“无密码”解决方案。
如苹果在全球开发者大会2022（WWDC 2022）上推出“通行密钥”（Passkeys）新功能，由终端设备统一完成初始的身份验证，并生成相应的私钥、公钥，私钥保存于终端设备端，公钥上传至平台服务端，之后用户再在该终端设备上登录各种APP就只需进行生物特征（如指纹、面部等）识别操作，无须输入密码，而由设备和服务端在后台完成完整的身份验证过程。谷歌在2022年的Google I/O大会上也推出了无密码登录技术，同样支持用户通过手机的设备验证后，即可无密码登录各种网站或应用程序。据报道，微软也表示，将很快在Windows系统中推广无密码技术。
当然，从“无密码”技术的推出到最终“密码负担”等痛点的最终消除，仍然还有很多挑战需要解决，比如，如何实现用户更换设备尤其是用他人设备也能无密码登录自己的账号，以及不同的系统、生态之间如何同步本地私钥等问题。
不管如何，“无密码”的身份验证正在进入行业实施阶段，这已经标志着互联网3.0、元宇宙、数字经济2.0这一系列愿景的实现又获得了一项重要支撑，跨平台、跨生态的自由连接、随意组装将可以很好地兼顾安全性和用户体验，各种虚拟、物理实体将可以在元宇宙中自由穿行，而不用再被密码等所困扰。
对于银行而言，一方面需要顺应“无密码”的体验趋势；另一方面需要继续保持银行业务的高度安全性，这无疑对银行的科技能力提出了更高要求。
生成式AI开启互联网3.0生产力新范式
AIGC（AI Generated Content，人工智能生产内容）是下一代互联网的核心生产力之一。AIGC与元宇宙、数字人等技术结合，将引发营销、直播、咨询等的变革，将为相关产业带来巨大的想象空间。AIGC背后是生成式AI的发展与逐渐可用，更具体而言是受益于近两年来预训练大模型、Transformer、RLHF等技术的飞速发展。2022年底，OpenAI发布的ChatGPT就是一种预训练的大语言模型，它从海量公开数据和语言中学习知识，在人机交流中表现出强大的文本生成能力，引起全世界高度关注，仅用2个月便斩获1亿用户，被认为是有史以来获取用户速度最快的消费者应用。虽然ChatGPT等AIGC产品仍远不够完善，但已足以让人们见证下一代交互范式的魔力。
生成式AI的典型代表：ChatGPT模型简介
ChatGPT打破了原有认知智能的天花板，激活了大模型的强大推理能力，展示出显著的思维链（CoT）特征。它成功地通过谷歌的面试，拿到年薪18万美元的L3工程师offer；还通过了美国执业医师资格考试（U**LE），在考试中表现出高度的一致性和洞察力。
ChatGPT最初是基于GPT-3.5开发而成的，现已升级到GPT-4之上。GPT模型是一种自然语言处理模型，使用多层变换器（Transformer）来预测下一个单词的概率分布，通过训练在大型文本语料库上学习到的语言模式来生成自然语言文本。从GPT到GPT-3.5智能化程度不断提升；GPT-4更是引入了多模态能力，能接受图像输入，并可很好地解读图像中隐含的意思，在各种专业测试和学术基准上达到了与人类相当的水平，在模拟律师考试中获得了前10%的成绩（ChatGPT-3.5是倒数10%）；接下来，AIGC很有可能在某些细分领域的知识咨询和内容输出型服务上实现对人工专家的替代。
ChatGPT的模型训练主要分为预训练、监督学习和强化学习三个阶段。预训练阶段可类比为学习文字接龙，在无标注的海量语料上进行。监督学习阶段可类比为人类老师在引导文字接龙方向，通过指令训练对模型进行微调，同时也是对齐模型“价值观”的过程。强化学习阶段主要采用RLHF技术，可类比为模仿老师偏好，自动批改作业。强化学习阶段包括两个主要步骤：第一步是模仿老师三观，生成能自动批改作业的教师模型（即训练出强化学习需要的奖励模型）；第二步是使用教师模型自动批改学生作业，即运用前面生成的奖励模型进行强化学习的阶段。
ChatGPT的训练是较为典型的“大力出奇迹”高投入模式，并非一般企业能承担，也超出了银行的能力所及。从数据上看，ChatGPT用了超过40TB的文本数据量，近万亿个单词（超过1000万本牛津词典）。虽然在预训练阶段无需传统深度学习中的高强度“标注”工作，但指令学习的监督训练阶段仍然使用了上千名标注人员，并且其中本科学历占53%，研究生学历占37%，表明对标注人员有更高的教育背景要求。从算力上看，仅仅GPT3的训练算力就需要上万张英伟达V100 GPU，每年云服务费用需要7000万美元；ChatGPT对算力的要求更甚，由上万颗A100（性能约为V100的3倍）支撑，总算力消耗达3640PF-days。从时间和资金上看，则是上百亿美元的支持，以及长达6年无商业KPI的研发投入。
生成式AI在银行的应用前景
ChatGPT的出圈，也把AIGC、生成式AI推向了新的高度，从AI作画到现在的对话机器人，人工智能正加速实现从感知、理解世界到生成、创造世界的跃迁。生成式AI通过从数据中学习要素，进而生成全新的、原创的内容或产品，不仅能够实现传统AI的分析、判断、决策功能，而且能够实现传统AI力所不及的创造性功能，本质上是对生产力的大幅度提升和创造。
银行需从生成式AI在通用办公软件领域落地速度的白热化态势中看到推进生产力AI化的紧迫性、必要性。GPT-4发布当天，Google公布在其Workspace整套产品中整合生成式AI功能。而仅2天之后，微软便宣布推出Microsoft 365 Copilot，在Office全家桶中集成GPT-4能力。在生成式AI加持下，用户能够通过自然语言命令以日常聊天的方式操控各种Office软件。用户只需简要说出基本想法、意图，AI便可自动完成剩下的所有工作，并能随时根据用户的反馈指令（提示）进行优化调整。GPT-4还解锁了Office中不太为常人所知的那90%功能，让普通用户也可轻松使用起来。此外，Copilot让技术小白能在平台上编程、开发各种应用，也让Office中的各个APP实现了互通、协同。而Microsoft Graph功能则能基于每个人甚至每个组织所使用的所有文档和数据为其构建上下文、背景情况的全景图谱，为Office的AI能力“想象力”设定约束条件和边界，降低生成式AI的出错概率。
银行应用的生成式AI技术属于企业生成式AI范畴，主要包括生成式对抗网络（GAN）和自然语言生成（NLG）等，如可在欺诈监测、风险因素建模等场景中为银行提供测试用例生成支持，有助于解决银行机构缺乏数据样本或数据样例多样性不够而难以更深入开展AI学习等问题。另外，在商业银行领域，因其有大量的非公开数据，如能与公开数据相结合，则将更有机会基于大模型训练出高质量、高效率的智能应用。目前，国内已经有百信银行等开始在产品和服务中接入生成式AI（百度的“文心一言”）。
生成式AI迅速发展，对银行最直接的影响是带来金融服务机器人、智能客服的技术升级，变得更加拟人化，甚至比客户经理更懂客户，更广闻博见；系统用户交互模式将从菜单网页逐步过渡到语音直接交互，基于对人类意图理解推出系统功能和数据资源；对于业务决策场景，机器将可在理解业务需求后直接在后台组织和发起智能处理任务，自动提供决策依据和建议；低代码开发技术将进一步升级为面向意图理解编程，业务人员也将和技术人员一样，都成为软件生产线的员工。生成式AI将使银行在财富管理业务中更易实现元宇宙场景，个性化和高度拟人化的数字机器人可能率先成为新一代财富新贵的专属客户经理；随着VR/AR设备的进化和可穿戴皮肤技术不断成熟，银行将逐步过渡到能够为各年龄段高端客户提供随时随地的财富顾问服务。
生成式AI还可从推荐、客服等多个方面提升手机银行用户留存；可提升银行非金融服务APP平台上的推荐模型效果，提升用户推荐体验；可提升银行抽取模型效果、单据审核准确率，提升银行审单智能化水平；在远程银行方面，可提升银行对话系统性能，提升银行业务效率；等等。
预计，生成式AI在银行业率先得以落地的典型应用场景将包括智能客服、辅助写作、智能抽取、辅助研发、智能助手等。一是智能客服。生成式AI能通过自然语言处理技术和人工智能技术，对客户的问题进行识别和理解，能较好地承接上下文，提供准确、及时的回答；亦可用于对客户意图或兴趣点画像的分析。与传统的智能客服相比，生成式AI更有希望获得更高的准确性和更快的回复速度，具有更佳聊天交流体验，能帮助银行提高客户满意度和客户忠诚度。同时，生成式的技术仍然有一定的不确定性与风险，若要在银行客服中直接承接回复，需要银行谨慎选择场景。二是辅助写作。生成式AI可为写作提供必要支持，可完成会议通知、产品介绍、宣传文案、各类报告、文档摘要、文档提纲等的撰写，甚至能够写书、翻译著作。比如某金融机构利用ChatGPT生成了一份颇为专业的医疗美容行业投研报告。三是智能抽取。基于生成式AI的智能抽取是指从海量自然语言语料库中，抽取出特定的事件或事实信息，并对文档中的内容实现自动分类、重要信息提取、生成摘要信息和重构文本结构等。如可利用生成式AI为一段客服对话生成一份客服工单，工单上包括客服的工号、客户的身份、客户的需求、客户的不满意程度等信息。又如生成式AI能接收银行员工以自然语言表述的指令，从合同文本中完成对合同关键信息的提取（如合同的甲方、乙方、价格、货物信息等），并能按要求的格式予以输出。四是辅助研发。生成式AI可在IT研发过程中，自动生成程序或注释、判断程序是否有问题、查找代码bug，可用来辅助研发，提升开发效率。比如ChatGPT已能编写出可直接在手机上玩的手机小游戏程序。五是智能助手。生成式AI还可以在产品创意、内容创作、路线规划、数字劳动力、语言翻译甚至面试等方面充当智能助手，大幅提升相关人员的工作效率。
银行需完善AI研发的闭环迭代体系，推动生产力的AI化
ChatGPT等生成式AI所展示出的惊人能力，正在重新定义金融业、银行业生产力；银行应该尽快梳理清楚相应的AI生产力进化思路框架，建立AI生产力持续迭代升级的闭环体系，以尽快推动生产力的AI化，并适应AI技术的持续突飞猛进。
关于未来AI应用模式，OpenAI首席执行官Sam Altman在接受记者采访时表示：“未来，企业基于自身（私域）数据，在基础大模型之上，为每个垂直领域训练模型，将获得巨大成功和差异化。”以当下生成式AI最受推崇的预训练大模型为例，银行在AI应用模式和生产力的AI化方面，可关注以下几点：
首先是大模型从0到1的基础设施建设阶段。最终成果是形成通用的AI大模型。该阶段的模型训练需要掌握尽量丰富的全域数据、世界知识，需要超级算力作为支撑，因此比较适合由AI领域的科技巨头来主导、负责。比如由OpenAI训练出的GPT系列模型（包括ChatGPT）以及由Deep Mind所训练的Gopher模型等，在国内则有由百度推出的文心大模型。对于国内的商业银行而言，虽然目前暂时还不具备足够条件独立完成具有领先水准的通用AI大模型的训练，但仍可积极考虑参与到通用大模型基础设施建设之中，一方面发挥自身在金融领域的数据量、科技能力优势，为夯实国内AI能力基础贡献力量；另一方面也能够尽早在通用大模型建设初期就引入金融级的安全机制，以及尽早做好监管合规准备。
其次，在大模型从1到10的专业化训练阶段，则需要由具备银行领域知识的专业化部队推进。这要求商业银行建设起能够支撑大模型持续迭代的AI技术基座和工程化体系，以及与之相匹配的数据运营模式，从而在上一阶段所提供的基础大模型之上，利用自身所掌握的私域数据，对基础大模型完成Fine-Tune，形成银行自己的领域模型，作为下一步开展场景应用的基础支撑。当前，商业银行在此阶段面临的最大障碍是相关人才非常稀缺。领域模型的Fine-Tune，不仅需要相关核心人才精通大模型技术，而且需要有足够的AI工程化经验，更需要对银行专业领域有深刻的理解。
最后，在大模型的推广应用阶段，即从10到100的阶段，则可由银行负责应用开发的通用技术部队来完成。在这一阶段，最重要的工作是完成上述已经具备专业领域能力的大模型对场景应用的嵌入和赋能。该阶段对相应技术团队的要求是，除了应对大模型及AI技术有足够了解之外，更为重要的是要能精准把握场景需求。银行自身及银行服务所涉及的场景类型众多，需要相应的技术团队像毛细血管一样，浸入场景、深耕场景。此外，各种场景应用中的数据需要建立起回流机制，反哺大模型的完善。
上述三个阶段可以被视为银行利用AI大模型以及生成式AI等进化银行生产力的整体思路框架。在更具体的实践层面，银行还需要重点打造并持续优化AI生产力平台，建立AI模型的闭环迭代能力，以数据中台为基础，依次健全AI生产力平台关键环节的能力和流程，包括：（1）提升针对AI模型研发的数据处理能力，如数据集的准备、数据标注等；并要持续改进数据处理模式；（2）健全模型研发能力，如建设算法库、模型库等，完善模型训练、模型评估等工具箱；（3）优化工程研发体系，如模型的封装、模型的更新、模型接口的开发、模型接口的测试等；（4）建立起AI模型运营与监控的支撑体系，如运营设置、指标管理、租户管理、权限管理等。银行尤其需要注意，随着AI技术的快速发展，上述各个环节对能力和工作流程、工作模式的要求也可能随之改变。比如，随着预训练大模型技术的兴起，业界对AI模型训练数据集的定义和要求相比早几年的传统深度学习有了显著变化，预训练大模型在数据集准备以及模型研发环节之中正在越来越多地运用无监督模式，因此，银行应在相应的工作流程、工具箱组件以及人才准备等方面作出调整。
当然，从目前情况看，AI生产力平台闭环迭代体系的整体结构以及其中的几大关键环节，即数据处理、模型研发、工程研发、模型运营监控等，将在AI技术的不断更新换代中长期存在，并将保持相对稳定。例如，国内某银行在前几年建立起与上述体系相似的AI生产力平台。当时因为大模型尚未受到业界关注，因此该银行在建设AI生产力平台工程体系的过程中，也并未特意面向大模型进行专门的设计。近期，随着大模型成为AI研发的热点，该AI生产力平台仍然很好地支撑了该银行在大模型训练、迭代方面的探索。该银行以此AI生产力平台为支撑，高效调度10亿级私域金融文本数据、大模型算法专家、海量存储能力、AI平台专家、各种研发工具等资源，成功推出具有百亿级参数规模的基础大模型。
虽然上述AI生产力体系的打造思路是以大模型为例，但并不意味着银行就能忽视“中模型”“小模型”的发展，银行应继续对相关进展兼容并包。比如，亚马逊在2023年2月的一篇论文中提出融合视觉和语言特征的多模态CoT技术，训练出了参数量小于10亿、性能却较GPT-3.5高出16个百分点的文本生成小模型；随后，斯坦福大学的一个研究团队则在Meta开放的LLaMA模型基础上，以约52k数据、600美元不到的成本训练出了70亿参数量、性能约等于GPT-3.5、可直接运行于树莓派上的“中模型”Alpaca（羊驼）。
除了AIGC及生成式AI外，还有很多其他智能技术趋势也值得银行关注。比如自主系统将在赋予下一代互联网内生的自驱动性方面发挥重要作用。自主系统是对Auto ML的进一步扩展。自主系统不限于机器学习，比Auto ML具有更强的综合性，能够在系统执行过程中，无需人工干预便可主动吸收新的数据进行学习，并自主改进或调整自身算法，自主地适应新场景、满足新需求。一些银行服务网点正在试点推出人形机器人，若进一步建立起足够的自主学习能力，就有望打造出比较典型的自主系统，能够根据客户身份及与客户沟通情况的变化自主识别客户需求是贷款还是理财或其他，并自主调整服务模式。
关于智能技术趋势，更值得银行重视的是，ChapGPT的出现，显示出AI技术乃至数字科技整体正在进入新一轮快速发展期，后续出现更多突破性进展的可能性大幅增大，亟需银行基于自身现实条件，选择恰当的算力基础设施进化路线，构筑算力生态、数据生态，尽快优化完善持续跟进、积极探索、敏捷整合、充分运用先进技术的机制和模式。
银行推进生产力AI化亦需审慎
在AI技术持续快速提升的同时，AI的可解释性、隐私安全、伦理公平以及深度造假等问题依然是银行继续探索解决方案的挑战。例如ChatGPT就曾在与用户的“交流”过程中突然生成对用户很不友好的语言；此外，已经有人在利用ChatGPT帮助制造骗局、编写犯罪软件甚至生成病毒等。
相比企业级场景，消费级应用场景可允许更多“娱乐性”、具备更高容错空间，因而生成式AI等最新智能技术可能更容易更早地直接融入消费级产品和服务之中。而在前述这些问题得到比较有效的解决之前，生成式AI等最新智能技术的企业级应用价值可能将更多地体现在充当生产力辅助工具，武装企业人员，增强其能力，助力其提升工作效率，而非替代。这意味着，对于银行而言，当下可先着眼于如何开展好银行人员（如营销、客服、理财顾问等人员）与生成式AI等前沿智能技术之间的人机协同。比如某银行利用ChatGPT生成信用卡产品的营销文案，渤海银行利用ChatGPT对个人碳账户产品的宣传文案进行优化，都是将ChatGPT的输出作为参考，实际采纳与否、如何采纳仍然坚持由银行人员来把控。
前已提及，在ChatGPT大火之前，已有国内商业银行着手大模型和生成式AI类技术的相关研究，比如对面向特定领域规模相对中等的大模型的研究，对金融领域的增量学习、基于混合云架构的协同计算模式的研究，以及对底层的贝叶斯分析、因果推理链、强化学习技术等的研究。与相关合作伙伴也已在共同探索场景应用。同时，尽管类似ChatGPT框架的生成式AI有颠覆传统AI技术细分领域的能力，有向通用AI演进的里程碑式成果，但短期内国内商业银行还是要以传统AI技术为主，逐步向最新技术理性过渡，既不能简单地成为平台企业的技术输出战场，也不故步自封落为被降维打击的对象，整个团队知识体系和技术能力换代提速是近年面临的重要课题。
生成式AI等新一代生产力技术的飞跃式发展，不但将改变人们存储、获取、运用信息及知识的方式，还将加快“元宇宙”等愿景的实现。2023年2月热映的《流浪地球2》预示着，在不远的未来，用一个比较大的模型来完成多种功能，这是人工智能的一个主流的发展趋势。这部电影也在预告，在更遥远的未来，人类的生命不再以肉体生命为标志，随着科技的发展，人类的意识与记忆也可以上传到元宇宙中，最终实现数字世界与现实世界的二元融合，人类可以在元宇宙中获得数字化永生。同时，虚拟人物也可以拥有自主意识。
互联网3.0的体验范式变革
当前数字经济仍然以传统互联网为主要基础设施，各种生态的产生、发展，不同生态间的分割与聚合，以及数字经济整体生态结构的成型，都与“操作体验”这一传统互联网的关键变量有极大关系。百度是围绕搜索操作功能而建，微信生态是围绕社交操作功能而建，京东是围绕购物操作功能而建，美团大众点评是围绕点评搜索与外卖操作而建，抖音是围绕短视频的功能操作而建……人们对功能操作的需求是比较有限的，且具有比较强的排他性，如当搜索操作的功能需求得到较好满足后，对第二个搜索工具的需求就大幅降低了，这也在一定程度上加剧了传统互联网生态格局的“排他性”“寡头化”特征。
未来，随着生成式AI、3D沉浸式技术等的不断成熟，数字世界中的用户体验将更加侧重于“沉浸感”而非“操作便捷感”，用户旅程也因此而将更趋于故事化、剧情化，这将使数字经济2.0中的生态，包括银行金融服务生态，更多是以“故事类型”进行划分、聚类，具体类型可能是亲情型、体育型、历史古装型、异域风情型、科幻型甚至悬疑型等，当然，也可能仍然是类似于当前数字经济生态的普通商业流程型。商业银行的产品服务以及日常运营将需要根据具体生态所属的不同情节类型来塑造相应的体验色彩。
当功能操作在体验诉求中的占比下降，故事性、内容性诉求上升并占主导后，数字经济中各种新生态的发展将获得比传统生态更为广阔的想象空间，如同人们对电影的需求，喜欢一种类型的电影，不但不会只看一部，反而会多看几部。这也将要求商业银行在场景内容和旅程剧情方面，要么建立起足够丰富、强大的策划与运营能力，要么建立起足够灵活的嵌入、整合能力。事实上，近些年新崛起的小红书、抖音等生态，虽然其场景底层的基本范式仍未脱离传统互联网，但已经开始呈现出通过“内容性的运营”来打造生态差异化的趋势。网络游戏之所以能在当下的元宇宙发展上相对其他领域暂时领先，与其天然的故事化体验特征密不可分。
互联网3.0还将呈现出“体验高度积聚”“同时体验”“体验的叠加聚变”等特征。比如同时3D式地沉浸于多个社群中的，不同的群是不同的世界，这些不同世界中不同的立体、沉浸、全维度体验是在同一个用户身上实现了前所未有的跨时空叠加、积聚，让一个用户能够同时体验几种人生。不同生活状态、角色体验、生存形态之间可随时无缝切换、顺滑衔接。上海市黄浦区与华为联合在南京路等商圈开展的AR导购、虚实互动探索，就是一种初级形态的“体验叠加”。笔者在前文中已谈到过，传统互联网对社会生活生产的巨大颠覆性，很大程度上是源于人、信息、数据等要素因互联网而实现叠加、积聚，在要素的聚变反应中释放出互联网经济的巨大能量。下一代互联网仍然存在“网络聚变效应”，不过将推进到更深层次，将会因为体验的多重叠加、积聚而引发体验聚变反应，这可能将成为驱动数字经济2.0延续互联网“指数增长”特性的主要新动能之一。准确研判、把握聚变效应根本逻辑的变化是市场主体、银行机构在下一代数字经济竞争中赢得优势、谋求更好发展需要首要解决的关键基础问题之一，事关银行数字化建设的范式转换。
数字经济2.0指向虚实相生
从当下的数字经济1.0到下一代互联网的数字经济2.0将是一个从线上线下融合到虚拟原生，再到虚实共生，然后虚实相生的变革之旅。
首先是“虚拟经济”的价值进一步实体化，虚拟消费在人们总体消费中的占比持续提升、虚拟空间中的经济活动在社会经济活动中的重要性日益加大。从20世纪90年代闭户在线生活48小时都属于极限挑战到如今宅家十天半月不出门已成为一种并不少见的生活状态，在这一巨大变化中，电商经济和外卖经济的发展等扮演了极为重要的角色。而电商、外卖等商业现象背后，都体现着传统互联网（包括PC互联网和移动互联网）的渠道本质——渠道的核心功能是“连接”，通过互联网充分连接物理世界中传统的经济实体和经济活动。在下一代互联网中，原生于虚拟数字空间中的经济活动、经济价值将成为数字经济中的一个主要增长点。全球著名奢侈品品牌Gucci在虚拟游戏空间中发行一款包的虚拟款，后来该虚拟款的市场价一度超过了线下实物款。虚拟游戏只是该趋势的雏形，人们将在虚拟数字世界中获得原生、全真的多维体验，从观光旅游、展会展览到商务会谈，从体育直播、健身美容到教育培训等，涵盖生活、工作各个方面。渠道与连接仍然是互联网3.0的基本属性之一，但虚拟服务、虚拟产品、虚拟价值所带来的前所未有的体验突破，将让“虚拟原生”特征成为互联网3.0暨数字经济2.0更具代表性的经济特征之一。当前，包括可口可乐、欧莱雅等在内，已经有不少世界知名品牌开始推广纯虚拟的数字原生产品，如NFT等，在为用户提供虚拟世界中的价值体验的同时，强化了与用户群的联结。随着Web 3.0等技术的不断成熟，用户可享有的各种数字价值、数字权益的种类、数量都将空前丰富。
在基于传统互联网的数字经济1.0中，由于线上更多的是充当线下的渠道，根源上的驱动力仍然来自线下经济部分。而到下一代互联网，随着虚拟空间中原生出更为强劲、更为丰富、更为完善的经济活动，虚拟经济与物理现实世界经济同生、共存将成为常态，甚至虚拟经济将更多地成为驱动物理现实经济的原动力。美国时尚服装品牌Forever 21在Roblox上开设虚拟店面，为玩家的虚拟分身提供虚拟服饰，一款虚拟黑色线帽因为在虚拟分身群体中特别受欢迎，促使Forever 21决定开始生产销售该款帽子的实物形态。
对于普通消费者而言，虚实相生、虚拟驱动物理现实这一趋势所带来的最直接的影响是，购物旅程的逻辑可能发生重大变化。传统的线下购物常常可以做到“先试后买”，尽管往往“试”得并不充分。到了数字经济1.0阶段，基于传统互联网的电商兴起，“先看、后买、再试、然后退”的客户旅程开始普遍化，客户体验在更加省时和省事的同时，却存在“试”被普遍后置的现象，这一方面存在交易对手风险，另一方面降低了传统电商购物的实际效率——常常需要购买、退货很多次才能买到比较满意的商品。到下一代互联网，“先用后买、先充分体验再买”的购物旅程将越来越普及，前述购物问题将得到较好解决。以买衣服为例，消费者将可以首先在虚拟空间中充分“使用”意向商品后，获得商品全面、全场景甚至全生命周期的体验后，再决定购买物理实物形态的该商品供自己在现实的物理空间中使用。
消费者消费旅程的变化也将带来相关商业的运行规律的改变。例如彼时的商家所面临的退换货率挑战要比现在电商商家小很多，进而相应的消费—供应—生产全链条运行逻辑也将发生重大变化。此外，在虚拟空间中全体验式的试用过程中，普通用户也将更容易参与到商品设计的调整迭代过程中，用户与厂家共创、用户之间共创、社群共创将成为越来越常见的商业现象。受益于Web 3.0技术，用户作为共创者在商业价值创造过程中所发挥的作用将更容易得到认定和保护，能更多地参与到商业价值变现后的利益分配中。这将使数字经济2.0空间中供应方和需求方之间的界限趋于模糊。
图16-2 金融服务正在从线上线下的融合迈向虚实相生
从全社会的层面看，既应充分利用数字经济2.0中更灵活的价值分配模式、更健全的价值激励手段所激发的创新发展活力，也需要规范这些错综复杂的数字化价值、权益，因为它们与货币价值体系之间的边界容易模糊，容易出现交叉，稍有不慎就容易被不法分子利用，进行监管套利和恶意炒作。尤其要避免它们与金融体系的复杂嵌套而为社会金融经济带来系统性风险。不管如何，互联网3.0和数字经济2.0的各种机遇与风险都显示，商业银行应该在下一代互联网的数字权益、数字价值以及数字货币网络体系中扮演重要的统筹、协调角色。而虚拟空间中原生的价值、权益，一旦合规问题能得到较好解决，将有望得到银行及传统金融体系的更多认可，进而可能充当贷款融资中的抵质押品。比如，北美金融科技企业TerraZero已经在为围绕虚拟房产的金融业务提供配套支持。
强调从虚拟原生、虚实共生到虚实相生，是在强调互联网3.0的突出特征不再只是信息消费与服务；在数字世界中也有了大规模的价值实体的创造、流动、供应和消费。未来，数字空间和物理空间各自原生的这些价值实体之间共生、互驱，即为“虚实相生”的数字经济2.0。
数字经济2.0是基于开源、非中心化、开放公共基础设施的全新经济形态，商业银行及各类金融机构将随数字经济从1.0到2.0的演变而逐步呈现为“无许可”的、任何时候都可自由彼此对接、相互协同组装的、为客户提供全新体验范式的金融服务乐高模块。
