ChatGPT如何改變銀行業(yè)

目錄C

O

N

T

E

N

T

S3什么是ChatGPT？是什么？

|

強在哪？

|

缺陷是？如何改變銀行業(yè)？機遇與挑戰(zhàn)

|

合規(guī)與成本哪些銀行有機會？科技人員

|

科技投入01020304風(fēng)險提示什么是ChatGPT？401是什么？強在哪？缺陷是？1.1ChatGPT是具有劃時代意義的自然語言處理模型數(shù)據(jù)來源：浙商證券研究所整理。代表應(yīng)用示例說明RNN廣泛應(yīng)用于翻譯軟件5TransformerChatGPTEliza（1966）Alice（1995）某些網(wǎng)站客服仍適用這一模式。例如，將“退貨”設(shè)置為關(guān)鍵詞，綁定回答：問：請問退貨該如何辦理？答：如確認退貨，請點擊“退貨”鏈接。SmartChild（2001）SmarterChild

是最早集成到即時通訊平臺的聊天機器人之一（AOL、MSN等），并迅速引起轟動，體驗與早期Siri接近。RNN與Transformer模型的差別之一可以理解為：對于同樣一個英譯中任務(wù)，A

magazine

isstuck

in

the

gunRNN

模型需要遵循單詞出現(xiàn)的先后順序，

逐詞理解和計算，

當“

gun

”

出現(xiàn)后，“magazine”才可以被準確理解為“彈夾”。如果句子太長，前后關(guān)聯(lián)可能會失敗。Transformer模型關(guān)注的是每個單詞與句子中其他單詞的關(guān)系，可以同步進行多詞、多篇學(xué)習(xí)。同時，模型根據(jù)重要性和相關(guān)性程度，為詞語賦予不同權(quán)重，使得重要詞語能夠獲得較高權(quán)重，如此則即使在長文本中，也不會將重要信息丟失。ChatGPT是什么？自然語言處理，是人工智能最基礎(chǔ)的領(lǐng)域?！皥D靈測試”作為人工智能的理論開端，其所提出的驗證標準，即在人與機器的問答中，如果人無法判斷對方是人還是機器，則可判定機器具有人類智能。為了通過“圖靈測試”，人類的探索大致可分為三個階段：模式匹配：（1960s-90s）設(shè)置關(guān)鍵詞與答案之間的線性匹配關(guān)系，如果提問者觸發(fā)關(guān)鍵詞，則向其提供已經(jīng)預(yù)設(shè)好的答案。機器學(xué)習(xí)：（2000s）不再預(yù)先設(shè)置關(guān)鍵詞與標準答案，而是向機器提供大量歷史資料，由機器自主總結(jié)規(guī)律、進行會話。神經(jīng)網(wǎng)絡(luò)：（2010s至今）屬于機器學(xué)習(xí)的進化分支。原理上是通過建模來模擬人類大腦100億個神經(jīng)元的結(jié)構(gòu)。在2017年以前，主流模型為循環(huán)神經(jīng)網(wǎng)絡(luò)模型（RNN），處理語言時需要嚴格遵循語言的先后順序，無法并行計算且容易出現(xiàn)長句語義理解困難等問題；2017年，Transformer模型被提出，它是對句子中的所有單詞進行計算，算出詞與詞之間的相關(guān)度，可以同時學(xué)習(xí)大量文本。ChatGPT（結(jié)尾的“T”即指Transformer），就是將這一模型從理論變?yōu)楝F(xiàn)實的劃時代應(yīng)用。模式匹配 機器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)1.26ChatGPT的強算力與大數(shù)據(jù)數(shù)據(jù)來源：浙商證券研究所根據(jù)新浪財經(jīng)、IT技術(shù)精華、澎湃報道整理。ChatGPT強在哪？ChatGPT最終爆火，離不開算力和數(shù)據(jù)量的持續(xù)升級。模型實質(zhì)：所謂語言模型，實質(zhì)是對詞語序列的概率相關(guān)性建模，即對方說完一句話或一段話后，判斷大概率繼續(xù)出現(xiàn)的內(nèi)容是什么。既然是概率相關(guān)性，自然是“大力出奇跡”，樣本越大，結(jié)果就越準確。同時，樣本越大也自然就意味著對算力和資金的消耗，從初代GPT到最終爆火的ChatGPT，模型并未發(fā)生實質(zhì)改變，改變的是持續(xù)增長的資源投入。算力支持：2019年，微軟為OpenAI（GPT開發(fā)公司）打造了一臺全球排名第五的超級計算機，擁有超過28.5萬個CPU核心，1萬個GPU，每個GPU服務(wù)器的網(wǎng)絡(luò)連接能力為400Gb/s，支持GPT模型從初版的12個Transformer層進化到當下超過96個Transformer層，可以理解為有更多的Transformer層就能夠在語言與語言之間構(gòu)建更復(fù)雜的邏輯聯(lián)系。數(shù)據(jù)規(guī)模：GPT模型處理的參數(shù)量從初代的億級成長到今天的千億級，預(yù)訓(xùn)練數(shù)據(jù)量從GB級上升到百TB級。融資情況：如此規(guī)模的算力與數(shù)據(jù)必然需要巨額資金的支持，近4年，OpenAI從微軟總計獲得融資110億美元。版本發(fā)布時間Transformer層數(shù)參數(shù)量預(yù)訓(xùn)練數(shù)據(jù)量GPT-12018年6月121.17億約5GBGPT-22019年2月4815億40GBGPT-32020年5月961750億45TBChatGPT2022年11月96+？千億級？百TB級？1.2ChatGPT自主+人類反饋強化訓(xùn)練數(shù)據(jù)來源：浙商證券研究所整理。ChatGPT強在哪？GPT通過自主訓(xùn)練充分發(fā)揮模型在效率上的優(yōu)勢，同時在ChatGPT版本中增加人類反饋強化機制，使其結(jié)果更貼近人類想法。自主訓(xùn)練：GPT-1到GPT-3，采用的都是GPT自主訓(xùn)練模式。所謂自主訓(xùn)練，近似于人類考試中的“完形填空”題目，即把一個完整文本的一部分遮住，GPT基于已學(xué)習(xí)結(jié)果進行推測，再與正確答案進行擬合的過程。自主訓(xùn)練過程，配合Transformer模型下強大的并行計算能力，能夠高效完成超大數(shù)據(jù)量的學(xué)習(xí)和訓(xùn)練，這也是GPT表現(xiàn)優(yōu)于其他模型的原因。人類反饋：GPT-3版本上線時，已經(jīng)頗受業(yè)內(nèi)人士認可，但并未出圈。ChatGPT此次能夠破圈，與其采用對話聊天模式不無關(guān)系。相應(yīng)地，在訓(xùn)練中增加人類反饋強化機制，對真實性、無害性和有用性進行評估。示例春眠不覺曉，（

）自主訓(xùn)練人類反饋基于語料庫自主學(xué)習(xí)，可能會存在兩個或多個矛盾結(jié)果，模型無法自行判斷正誤：處處聞啼鳥處處蚊子咬對結(jié)果進行判斷和調(diào)整：√×訓(xùn)練語料71.2ChatGPT將語言處理推向生成式時代，潛在價值巨大數(shù)據(jù)來源：浙商證券研究所整理。ChatGPT強在哪？憑借超強算力，基于超大數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，ChatGPT首次展示了強大的綜合性語言材料生成能力。決策式AI：所謂決策式AI，即根據(jù)對歷史概率的歸納給出是或否的決策；而生成式AI則需要給人力提供綜合式的信息輸出。生成式AI：ChatGPT是第一個功能如此強大的綜合性文字生成式AI，它能夠準確理解提問者的問題，收集材料后轉(zhuǎn)化為具有一定邏輯的信息輸出，它還能夠與提問者進行連續(xù)對話，根據(jù)增量信息給出更準確回答，這是前所未有的語言理解和表達能力。邏輯知識信息數(shù)據(jù)決策式AI處理選擇題生成式AI VS處理簡答題81.2ChatGPT將語言處理推向生成式時代，潛在價值巨大按技術(shù)場景劃分AIGC內(nèi)容分為數(shù)據(jù)來源：浙商證券研究所整理。9語言指令打破場景邊界音頻圖像視頻ChatGPT強在哪？語言即為指令，ChatGPT與其他領(lǐng)域人工智能技術(shù)的耦合，或?qū)⑼耆_啟人工智能的新時代。ChatGPT+Whisper：OpenAI已經(jīng)通過提供ChatGPT和Whisper的收費API接口，Whisper是OpenAI開發(fā)的語音處理工具，如將ChatGPT和Whisper功能進行耦合，可以得到無障礙的語言交流工具。所謂的語言，就是指令體系。隨著指令體系的智能化，一切智能工具之間的邊界或?qū)⒅饾u模糊，人類與智能工具的關(guān)系或?qū)氐赘淖?，AIGC（AI生產(chǎn)內(nèi)容）的時代將加速到來。文本 虛擬人游戲策略跨模態(tài)1.3數(shù)據(jù)來源：浙商證券研究所整理。10ChatGPT有哪些潛在挑戰(zhàn)？ChatGPT缺陷是？ChatGPT風(fēng)頭一時無兩，其潛在挑戰(zhàn)在于語料庫的范圍及準確性、運營成本高及回答的道德風(fēng)險等問題。語料來源：ChatGPT本質(zhì)上仍是一個基于有限語料范圍的概率歸納模型，它并不能對未知的事情像人類那樣做常識性推演。與相關(guān)領(lǐng)域語料不夠充分或完全未覆蓋的領(lǐng)域，ChatGPT很可能會給出誤導(dǎo)性內(nèi)容；另外，微軟計劃將GPT-4與Bing搜索引擎深度耦合，搜索引擎龐雜的數(shù)據(jù)是否會對GPT-4的學(xué)習(xí)和訓(xùn)練帶來負面干擾，仍需觀察。運營成本：據(jù)報道，目前ChatGPT一次模型底座的訓(xùn)練需要500萬美元的算力成本，在運營過程中需要大量的算力支持其訓(xùn)練和部署。GPT-4與Bing耦合后，滿足來自搜索引擎的搜索需求需要更大量的資源投入，如不解決成本問題恐將制約未來發(fā)展。道德風(fēng)險：即使引入人類反饋，也不能100%避免ChatGPT故意提供虛假答案或回答帶有攻擊性的答案。如何改變銀行業(yè)？1102機遇與挑戰(zhàn)合規(guī)與成本2.112機遇與挑戰(zhàn)：主動革新？被顛覆？數(shù)據(jù)來源：浙商證券研究所整理。該如何理解ChatGPT可能會帶來的潛在變革？像很多人擔心的那樣，會有大量工作被替代掉嗎？ChatGPT的顛覆，本質(zhì)上是人類生產(chǎn)力工具的再一次重大升級。就像過去三百年先后有蒸汽機和電被發(fā)明出來一樣，固然有被這些新的生產(chǎn)力工具替代掉的人，也有更多的人利用新的工具創(chuàng)造了更多的財富。駕馭或是被替代，只在一念之間。銀行也是一樣，ChatGPT是一次機會，一次全面升級流程的機會；錯過則將是挑戰(zhàn)，看著其他機構(gòu)提高效率的挑戰(zhàn)。從銀行客服開始，無論是業(yè)務(wù)前臺還是中后臺，各項流程都有用ChatGPT重做一遍的潛力。銀行客服：對于客服、催收等人工的替代，與ChatGPT關(guān)聯(lián)最直接，銀行應(yīng)用最廣泛，或?qū)㈤_啟深度智能化階段。業(yè)務(wù)前端：對于財富管理、小微客戶、個人消費貸款等標準型產(chǎn)品，客戶識別有望進一步細化，產(chǎn)品匹配有望更加精準。業(yè)務(wù)中端：諸如授信報告、審批報告、貸后管理報告等強格式性案頭工作，如能以ChatGPT替代，可有效提高運營效率?？萍蓟A(chǔ)：銀行投入人工智能相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運轉(zhuǎn)及數(shù)據(jù)計算的算力資源。2.1銀行客服：與ChatGPT關(guān)聯(lián)最直接，或?qū)㈤_啟深度智能化階段數(shù)據(jù)來源：公司公告，浙商證券研究所整理。智能客服機遇與挑戰(zhàn)諸如銀行客服、不良催收等需要與客戶進行溝通的內(nèi)容可預(yù)期、重復(fù)規(guī)律性強的客戶交流性工作，與ChatGPT的特點最為契合。適用范圍：銀行客戶、不良催收等?，F(xiàn)有實踐：①工商銀行：2021年，利用數(shù)字人、智能問答、語音等交互技術(shù)，在客戶服務(wù)前臺、業(yè)務(wù)運營后臺等領(lǐng)域加大應(yīng)用“機器換人”，落地

600+具有數(shù)字員工屬性的智能應(yīng)用場景。②平安銀行：2022年上半年，AI平臺新增模型1,080個，客服機器人場景每日對話量達60萬次，問題解決率超90%。③招商銀行：2022年上半年，AI智能客服、語音質(zhì)檢、智能審錄、海螺RPA（機器人流程自動化）等共實現(xiàn)人力替代超過10,000人。未來前景：ChatGPT的成功為已經(jīng)部署人工智能客服的銀行提供了優(yōu)化模型、提高智能化水平的方向。預(yù)計這一類業(yè)務(wù)都將開啟深度使用更加成熟人工智能客戶工具的階段。新智能客服基于Transformer模型的架構(gòu)、數(shù)據(jù)及訓(xùn)練方式升級132.114業(yè)務(wù)前端：客戶識別及產(chǎn)品匹配有望進一步細化數(shù)據(jù)來源：公司公告，浙商證券研究所整理。機遇與挑戰(zhàn)諸如財富管理這類標準化程度較高的業(yè)務(wù)，可以利用ChatGPT的數(shù)據(jù)分析能力，細分客戶標簽，提高產(chǎn)品推薦匹配度。適用范圍：財富管理、小微客戶、個人消費貸款等標準化程度較高的業(yè)務(wù)?，F(xiàn)有實踐：①平安銀行：2022年上半年，AI

客戶經(jīng)理累計上線超

1,400

個場景，上半年月均服務(wù)客戶較

2021

年月均水平增長

63.2%。②招商銀行：2021年，招商銀行推出智能財富助理“AI小招”，基于大數(shù)據(jù)技術(shù)，通過知識沉淀與機器訓(xùn)練，實現(xiàn)更懂客戶和產(chǎn)品，為客戶提供收益查詢、漲跌分析、市場熱點解讀、產(chǎn)品推薦、資產(chǎn)配置建議等財富管理綜合服務(wù)。未來前景：將客群更加細分，需求挖掘更加細化，產(chǎn)品需求匹配更加精準。客戶顧問端財富

資產(chǎn)管理端管理用戶產(chǎn)品引流、獲客評估客戶的需求及風(fēng)險偏好提出投資策略、資產(chǎn)配置建議交易執(zhí)行再平衡風(fēng)險管理前臺業(yè)務(wù)用戶畫像智能推薦系統(tǒng)、個性化資產(chǎn)配置智能投顧、機器人客服算法交易自動實現(xiàn)最有動態(tài)配置智能風(fēng)控營銷推廣輔助生成營銷文案、宣傳稿件等后臺業(yè)務(wù)中臺業(yè)務(wù)品牌業(yè)務(wù)ChatGPT賦能2.1業(yè)務(wù)中端：案頭工作AI替代，業(yè)務(wù)運轉(zhuǎn)效率有望提升機遇與挑戰(zhàn)諸如授信報告、審批報告等業(yè)務(wù)中后段強格式性的案頭工作，ChatGPT潛在替代性較高。適用范圍：授信報告、審批報告、貸后管理報告等強格式性案頭工作。現(xiàn)有實踐：基于語言生成技術(shù)的應(yīng)用目前暫無先例，仍有待探索。未來前景：對于對公營銷、授信審批等崗位人員來說，工作中有很大一塊時間被消耗在諸如授信報告、審批報告、貸后管理報告這些格式性很強案頭材料的撰寫上，占用了本可產(chǎn)生更大價值的客戶營銷、調(diào)研等工作時間。ChatGPT對于這一類主要可利用外部公開信息完成的強格式性報告具有天然的適配性，如果能夠?qū)崿F(xiàn)替代，展業(yè)效率預(yù)計能夠?qū)崿F(xiàn)較大幅度的提高。50%50%營銷 案頭數(shù)據(jù)來源：公司公告，浙商證券研究所整理。80%20%營銷 案頭152.1科技基礎(chǔ)：基礎(chǔ)設(shè)施重構(gòu)，算力需持續(xù)投入機遇與挑戰(zhàn)正如ChatGPT成功的基礎(chǔ)一樣，銀行投入相關(guān)研究需要持續(xù)投入資源，特別是要投入支持模型運轉(zhuǎn)及數(shù)據(jù)計算的算力資源。適用范圍：銀行科技基礎(chǔ)設(shè)施建設(shè)?，F(xiàn)有實踐：近幾年我國主流商業(yè)銀行大多推動了“系統(tǒng)上云”計劃，相應(yīng)地將原本的主機架構(gòu)轉(zhuǎn)為有若干服務(wù)器組成的云架構(gòu)。在這一轉(zhuǎn)型中，大多數(shù)銀行已經(jīng)初步具備了算力基礎(chǔ)，但要在人工智能領(lǐng)域做出突破性創(chuàng)新，仍需要在看清方向后對算力資源的持續(xù)投入。比較具有代表性的銀行基礎(chǔ)設(shè)施轉(zhuǎn)型情況如下：①建設(shè)銀行：率先實現(xiàn)“多專區(qū)多地域多技術(shù)棧多芯”布局，提供標準算力規(guī)模超

20

萬臺云服務(wù)器，整體規(guī)模和服務(wù)能力保持同業(yè)領(lǐng)先。②招商銀行：上云后可支持的應(yīng)用更多，單位算力成本大幅下降。以信用卡為例，招行信用卡業(yè)務(wù)上云后，業(yè)務(wù)成本約節(jié)省了60%，算力提升了10倍。未來前景：人工智能的突破需要強大基礎(chǔ)設(shè)施支撐，仍需持續(xù)投入及探索。機構(gòu) 科技基礎(chǔ)設(shè)施建設(shè)情況16工商銀行 強化云平臺推廣實施，規(guī)模持續(xù)保持同業(yè)領(lǐng)先，強化分布式技術(shù)體系的日均服務(wù)調(diào)用量超過

150

億次農(nóng)業(yè)銀行 計算資源云化率達到91%郵儲銀行 零售端已完成190個系統(tǒng)的私有云平臺部署中信銀行 基礎(chǔ)設(shè)施云化率達到99.7%平安銀行 基礎(chǔ)設(shè)施云化率和運維自動化率均超過90%光大銀行 業(yè)務(wù)應(yīng)用系統(tǒng)上云率接近90%數(shù)據(jù)來源：浙商證券研究所根據(jù)公開新聞報道、公司公告整理。2.217合規(guī)與成本：十字路口上的最大考驗數(shù)據(jù)來源：浙商證券研究所整理。在當前中美科技競爭大背景下，中國商業(yè)銀行想要直接適用諸如ChatGPT這樣高度依賴大數(shù)據(jù)支撐的技術(shù)，存在較大障礙和風(fēng)險。從成本和收益的角度來看，無論是接入API還是自主開發(fā)類似功能，均存在成本與收益的不確定性。數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性，應(yīng)用技術(shù)須考慮本地化、私有化部署模式。系統(tǒng)穩(wěn)定：銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運行，這在經(jīng)營中存在很大風(fēng)險。成本投入：無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。2.2數(shù)據(jù)隱私：銀行數(shù)據(jù)的特殊性決定了應(yīng)用第三方技術(shù)的審慎性數(shù)據(jù)來源：浙商證券研究所根據(jù)公開新聞報道整理。本地化、私有化服務(wù)器運行ChatGPT本地數(shù)據(jù)、私有數(shù)據(jù)合規(guī)與成本銀行擁有的數(shù)據(jù)具有高度的隱私性和敏感性，直接應(yīng)用開源第三方技術(shù)存在一定隱患。主要障礙：①客戶隱私：使用ChatGPT可能會涉及個人信息的收集、使用和披露，需要遵守相關(guān)法律法規(guī)的規(guī)定并獲得客戶的授權(quán)。②銀行隱私：銀行的數(shù)據(jù)不僅涉及客戶隱私，還涉及自身的商業(yè)秘密，在使用開源第三方技術(shù)處理內(nèi)部數(shù)據(jù)時，存在核心商業(yè)機密被泄露、釀成商業(yè)損失的隱患。③地緣風(fēng)險：中美之間在技術(shù)安全、數(shù)據(jù)安全領(lǐng)域的爭端愈演愈烈。今年2月，中方發(fā)布《美國的霸權(quán)霸道霸凌及其危害》報告，在此背景下，境內(nèi)銀行直接應(yīng)用ChatGPT前景并不樂觀。實踐案例：據(jù)報道，美國銀行、花旗集團、德意志銀行、高盛集團、

富國銀行等銀行最近紛紛對使用ChatGPT發(fā)布了禁令。微軟和亞馬遜因擔心泄露機密信息，禁止公司員工向ChatGPT分享敏感數(shù)據(jù)。埃森哲也警告員工不要將客戶信息透露給ChatGPT。改進前景：同為人工智能技術(shù)服務(wù)商的科大訊飛，此前可以為客戶提供本地化、私有化部署的產(chǎn)品，以解決技術(shù)應(yīng)用和數(shù)據(jù)隱私之間的矛盾，或可為解決數(shù)據(jù)隱私與技術(shù)應(yīng)用的矛盾提供思路，但地緣風(fēng)險的影響仍有待觀察。本地化部署思路訓(xùn)練18輸出2.2系統(tǒng)穩(wěn)定：內(nèi)容輸出正確性及系統(tǒng)運行穩(wěn)定性受制于人數(shù)據(jù)來源：Bing，浙商證券研究所根據(jù)公開新聞報道整理。備注：Bing問答功能內(nèi)核為GPT-3.5，與ChatGPT具有相同內(nèi)核。合規(guī)與成本銀行不掌握ChatGPT核心技術(shù)，很難控制內(nèi)容輸出的正確性，也很難確保系統(tǒng)穩(wěn)定運行，這在經(jīng)營中存在很大風(fēng)險。主要障礙：由于在經(jīng)濟金融活動中的關(guān)鍵地位，監(jiān)管對銀行科技系統(tǒng)有著較高要求。諸如ChatGPT這一類外接應(yīng)用，銀行不具備技術(shù)自主性，一方面無法保證其輸出內(nèi)容的準確性，另一方面也無法保證不對其他系統(tǒng)運行穩(wěn)定性造成影響，存在較大風(fēng)險。另外，

ChatGPT本質(zhì)仍是依賴語料庫的語言概率統(tǒng)計系統(tǒng)，對于語料庫不涵蓋的內(nèi)容，極易給出錯誤答案。實踐案例：據(jù)報道，2021年7月15日，某行突發(fā)系統(tǒng)故障，業(yè)務(wù)中斷20多分鐘，引發(fā)故障的原因可能與系統(tǒng)更新有關(guān)。改進前景：投產(chǎn)前需要對內(nèi)容和系統(tǒng)穩(wěn)定性進行周密驗證。與ChatGPT具有相同內(nèi)核的Bing問答功能，一本正經(jīng)地給出了雞兔同籠問題的錯誤答案。正確答案應(yīng)為：雞80只，兔20只。192.220成本投入：自主與合作，投入與收益之間的取舍數(shù)據(jù)來源：浙商證券研究所根據(jù)公開新聞報道、公司公告整理。備注：2021年，建行客服受理客戶咨詢18.08億人次，推算平均單次受理時長為2分鐘、每分鐘產(chǎn)生中文字數(shù)約150字、每Token約等于4字節(jié)。ChatGPT

API成本=1808×150×18=488萬元；Whisper

API成本=18.08×0.04×2=1.45億元。Whisper僅負責語音轉(zhuǎn)文字，還需要引入文字轉(zhuǎn)語音功能。合規(guī)與成本無論是接入ChatGPT，還是自主開發(fā)類似功能，均須較大成本投入，是否能夠?qū)崿F(xiàn)預(yù)期收益，存在不確定性。接入成本：目前ChatGPT

API接口收費標準為每百萬Tokens收費2.7美元（約18元人民幣）；同屬OpenAI公司開發(fā)的Whisper語音轉(zhuǎn)文本工具API每分鐘收費0.006美元（約人民幣

4

分錢）。以建行為例，假設(shè)文本轉(zhuǎn)語音成本與語音轉(zhuǎn)文本成本相同，推算建行僅智能客服一項每年成本需要額外投入約3億元。（不含開發(fā)成本和對ChatGPT模型進行專屬訓(xùn)練的成本。）建行2021年人均薪酬為33.71萬元，如智能客服實際可替代人力少于890人，則效能并不顯著。自主成本：ChatGPT初始投入成本在8億美元左右，每年電費約1825萬美元?？紤]到中美電費差異，國內(nèi)開發(fā)與ChatGPT同等功能的資金投入約為人民幣初始投入56億+1.7億電費/年。（不含開發(fā)人員薪酬和維護成本。）但在開發(fā)環(huán)境、人才能力種種因素制約下，自主開發(fā)的類似工具能夠收獲與ChatGPT的同等效果，存在極大不確定性。2023年3月5日，科技部王志剛部長在兩會部長通道表示，ChatGPT是個大模型、大計算、很好的計算方法，同一種原理，但做的質(zhì)量還是不一樣的。未來前景：大多數(shù)銀行已有AI技術(shù)儲備，建議根據(jù)