曲向軍　韓峰

2023年9月5日，中國(guó)國(guó)際服務(wù)貿(mào)易交易會(huì)（服貿(mào)會(huì)）上，高通公司展出的全球首個(gè)可以完全運(yùn)行在安卓智能手機(jī)上的生成式AI大模型。圖/IC

縱觀2023年上半年國(guó)內(nèi)外各大科技戰(zhàn)略趨勢(shì)和投資熱點(diǎn)領(lǐng)域榜單，毫無(wú)疑問(wèn)，生成式人工智能（下稱“生成式AI”）是最引人注目的技術(shù)之一。伴隨ChatGPT橫空出世，這項(xiàng)新興技術(shù)進(jìn)入了一個(gè)前所未有的熱潮之中，各行各業(yè)都在圍繞相關(guān)話題展開(kāi)討論，更不必提科技巨頭和AI廠商紛紛下場(chǎng)，唯恐錯(cuò)過(guò)此番科技盛宴，也有行業(yè)翹楚和媒體將生成式AI浪潮類比昔日的移動(dòng)互聯(lián)網(wǎng)機(jī)遇，進(jìn)一步凸顯了其潛在的巨大價(jià)值和影響力。

與傳統(tǒng)AI相比，生成式AI具有四大核心優(yōu)勢(shì)，使其備受矚目，包括自動(dòng)化和效率提升、個(gè)性化和定制化、創(chuàng)造性和創(chuàng)新能力以及可解釋性和透明度。這對(duì)于金融、醫(yī)療等需要可解釋性的領(lǐng)域尤為重要，有助于建立信任、滿足監(jiān)管要求，并使人們更容易接受和采納系統(tǒng)決策。

簡(jiǎn)而言之，生成式AI可通過(guò)提高生產(chǎn)效率、推動(dòng)創(chuàng)新能力和改變競(jìng)爭(zhēng)格局三大方式，為全球各行各業(yè)創(chuàng)造巨大價(jià)值。

麥肯錫預(yù)測(cè)，AI整體將為全球經(jīng)濟(jì)帶來(lái)高達(dá)25.6萬(wàn)億美元的正面經(jīng)濟(jì)影響，而其中來(lái)自生成式AI的貢獻(xiàn)高達(dá)7.9萬(wàn)億美元，相當(dāng)于當(dāng)前全球經(jīng)濟(jì)總GDP（國(guó)內(nèi)生產(chǎn)總值）體量的8%。

場(chǎng)景：生成式AI的金融行業(yè)新變

生成式AI之所以能吸引世界各地人們的注意力和想象力，要?dú)w功于其廣泛的實(shí)用性——幾乎任何人都可以使用其理解自然語(yǔ)言和創(chuàng)造內(nèi)容的“超能力”，這使得生成式AI在提升行業(yè)生產(chǎn)效率和促進(jìn)產(chǎn)品創(chuàng)新方面具有顯著優(yōu)勢(shì)，預(yù)期未來(lái)將顛覆全球各行各業(yè)的現(xiàn)有格局。

從行業(yè)來(lái)看，生成式AI產(chǎn)生價(jià)值最大的三個(gè)行業(yè)為高科技、銀行業(yè)及零售。麥肯錫估計(jì)，到2032年，生成式AI每年將會(huì)給全球銀行業(yè)（含資產(chǎn)和財(cái)富管理，下文統(tǒng)稱“資管”）帶來(lái)約2000億-3400億美元的新增價(jià)值，占銀行業(yè)年收入的比例高達(dá)2.8%-4.7%。加上生成式AI在保險(xiǎn)業(yè)預(yù)期每年帶來(lái)的500億-700億美元新增價(jià)值（約占行業(yè)年收入比例為1.8%-2.0%），我們預(yù)計(jì)生成式AI用例在金融行業(yè)（銀行、保險(xiǎn)和資管）的價(jià)值池約為2500億-4100億美元。

由此可見(jiàn)，無(wú)論是絕對(duì)價(jià)值還是相對(duì)增長(zhǎng)潛力，金融行業(yè)都是生成式AI用例最具潛力的行業(yè)之一。那么，令人眼花繚亂的生成式AI究竟如何結(jié)合行業(yè)特征創(chuàng)造價(jià)值？麥肯錫觀察到，當(dāng)前有四類最主流的應(yīng)用方式，將合計(jì)貢獻(xiàn)生成式AI在金融業(yè)產(chǎn)生的總效益的75%，我們將其總結(jié)為“4C”，分別是：內(nèi)容提煉/虛擬專家（Concision）、用戶互動(dòng)（Customer engagement）、內(nèi)容生成（Content generation）和編程加速（Coding）。

GenAI用例在不同行業(yè)和部門(mén)中具有不同規(guī)模的影響

注：由于四舍五入，數(shù)字之和可能不等于100%。1. 不包括實(shí)施成本（例如培訓(xùn)、許可證）；2. 不包括軟件工程；3. 包括航空航天、國(guó)防和汽車制造；4. 包括汽車零售資料來(lái)源：比較行業(yè)服務(wù)（CIS）、IHS Markit；牛津經(jīng)濟(jì)雜志；麥肯錫公司和業(yè)務(wù)職能數(shù)據(jù)庫(kù)；麥肯錫制造和供應(yīng)鏈360；麥肯錫銷售導(dǎo)航；麥肯錫數(shù)據(jù)庫(kù)Ignite；麥肯錫分析

分行業(yè)來(lái)看，銀行業(yè)方面，在內(nèi)容提煉/虛擬專家方面，金融領(lǐng)域重復(fù)性和繁瑣的任務(wù)能夠通過(guò)生成式AI實(shí)現(xiàn)自動(dòng)化，從而提高金融從業(yè)人員效率、降低成本，同時(shí)釋放員工時(shí)間用于更高價(jià)值的工作，而通過(guò)虛擬專家，銀行一線人員能從非結(jié)構(gòu)化數(shù)據(jù)中歸納提取洞見(jiàn)、解讀文本，快速訪問(wèn)所有相關(guān)信息，例如產(chǎn)品指南和政策，以即時(shí)滿足客戶請(qǐng)求，工作效率能提升60%。

其他典型用例還包括：交易處理：自動(dòng)化處理金融交易，包括訂單處理、結(jié)算和清算等；財(cái)務(wù)報(bào)表生成：自動(dòng)收集、整理和分析金融數(shù)據(jù)，生成準(zhǔn)確和及時(shí)的符合會(huì)計(jì)準(zhǔn)則的財(cái)務(wù)報(bào)表，有助于減少報(bào)表準(zhǔn)備時(shí)間和降低人工錯(cuò)誤；風(fēng)險(xiǎn)評(píng)估和合規(guī)檢查：自動(dòng)分析大量金融數(shù)據(jù)，識(shí)別潛在風(fēng)險(xiǎn)因素，并進(jìn)行合規(guī)檢查。

在用戶互動(dòng)方面，生成式AI系統(tǒng)通過(guò)學(xué)習(xí)和分析大量的專業(yè)知識(shí)和人工經(jīng)驗(yàn)，為用戶提供個(gè)性化的解決方案和支持。金融企業(yè)可以據(jù)此提供更加個(gè)性化、高效和滿意度的服務(wù)。例如使用聊天機(jī)器人完成客戶觸達(dá)和數(shù)據(jù)收集，未來(lái)5年-10年至少80%以上的客戶互動(dòng)可被自動(dòng)化。其他典型用例包括：智能助手、個(gè)性化推薦和定制化服務(wù)、情感分析和情緒監(jiān)測(cè)。

2023年9月1日，國(guó)家會(huì)議中心內(nèi)，一家銀行展臺(tái)的迎賓接待機(jī)器人。圖/新華

在內(nèi)容生成方面，生成式AI通過(guò)學(xué)習(xí)和分析大量文本、圖像和音頻數(shù)據(jù)，可以生成文字和視覺(jué)圖示等新內(nèi)容，加速金融業(yè)企業(yè)內(nèi)容研發(fā)流程。例如可以生成金融市場(chǎng)分析報(bào)告和個(gè)性化投資洞察；可用來(lái)擬定合同、招標(biāo)書(shū)等重要文件；還可以用來(lái)編寫(xiě)銀行、保險(xiǎn)、資管和券商等的宣傳文案和營(yíng)銷材料。

金融領(lǐng)域尤其是量化交易以及風(fēng)險(xiǎn)管理方面，高效、準(zhǔn)確的代碼編寫(xiě)是至關(guān)重要的。在編程加速方面，生成式AI能夠解讀并生成代碼，通過(guò)自動(dòng)生成代碼片段、模板和算法，實(shí)現(xiàn)軟件開(kāi)發(fā)過(guò)程加速和人工失誤減少。

從銀行業(yè)務(wù)職能部門(mén)的角度來(lái)看，生成式AI用例對(duì)一線分銷，客戶運(yùn)營(yíng)，技術(shù)以及法律、風(fēng)險(xiǎn)、合規(guī)和欺詐部門(mén)這四個(gè)職能的影響最大，約占其在銀行整體價(jià)值潛力池的70%。使用生成式AI工具，能夠增強(qiáng)客戶滿意度，改善決策與提升員工體驗(yàn)，并通過(guò)更好地監(jiān)控欺詐等行為來(lái)降低風(fēng)險(xiǎn)。

從保險(xiǎn)業(yè)來(lái)看，作為金融行業(yè)的重要組成部分，依舊按照4C的視角看，生成式AI對(duì)產(chǎn)險(xiǎn)和壽險(xiǎn)等都將帶來(lái)巨大價(jià)值。

其中包括：軟件開(kāi)發(fā)速度和質(zhì)量的提升、保險(xiǎn)理賠員效率的大幅提升、保險(xiǎn)經(jīng)紀(jì)人的效率和客戶價(jià)值主張的提升、保險(xiǎn)客戶體驗(yàn)的顯著改善等。

在用例成效上，麥肯錫觀察到，復(fù)雜索賠（例如訴訟索賠）的賠付成本可節(jié)約約25%，辨別欺詐騙保的準(zhǔn)確率可提高約18%，99%的核保流程可被生成式AI承保解決方案自動(dòng)化，保險(xiǎn)公司的承保成本有望降低10%-20%。

從資管行業(yè)來(lái)看，麥肯錫也觀察總結(jié)了生成式AI的4C應(yīng)用。如在內(nèi)容提煉、虛擬專家方面，基于非結(jié)構(gòu)化數(shù)據(jù)生成見(jiàn)解并推動(dòng)投資行動(dòng)，例如尋找投資標(biāo)的。例如美國(guó)某全球商業(yè)、金融和財(cái)經(jīng)資訊的提供商，開(kāi)發(fā)了自己的GPT：針對(duì)特定金融領(lǐng)域數(shù)據(jù)和一般數(shù)據(jù)相結(jié)合進(jìn)行培訓(xùn)的大模型；圍繞回答財(cái)務(wù)問(wèn)題和報(bào)告分析。

再如在編程加速方面，美國(guó)某跨國(guó)投資銀行與金融服務(wù)公司在內(nèi)部使用ChatGPT類型的AI工具來(lái)幫助開(kāi)發(fā)人員編寫(xiě)代碼；在內(nèi)容生成上，某北美資管公司利用ChatGPT來(lái)加速營(yíng)銷抵押品的內(nèi)容創(chuàng)建，以及創(chuàng)建數(shù)據(jù)可視化或篩選工具；在用戶互動(dòng)上，美國(guó)最大的基金管理公司之一推出AI輔助的注冊(cè)技術(shù)業(yè)務(wù)，允許金融機(jī)構(gòu)使用專有NLP模型創(chuàng)建，審查和批準(zhǔn)公共通信。上述生成式AI用例都是橫跨資管業(yè)務(wù)功能，且兼顧投資人和資管公司內(nèi)部員工的需求。

追根究底，生成式AI能夠在金融業(yè)發(fā)揮巨大價(jià)值，是源于行業(yè)長(zhǎng)期以來(lái)形成的四項(xiàng)特征，以銀行為例：首先，與傳統(tǒng)的IT架構(gòu)有關(guān)，幾十年來(lái)，銀行一直在投資技術(shù)，積累了大量的“技術(shù)債務(wù)”以及孤立而復(fù)雜的IT架構(gòu)；其次，從面向客戶的大型員工隊(duì)伍角度來(lái)看，銀行業(yè)依賴大量業(yè)務(wù)服務(wù)代表；第三，銀行方面的文件工作繁重，生成式AI的影響可以跨越整個(gè)組織，協(xié)助所有員工編寫(xiě)電子郵件、創(chuàng)建業(yè)務(wù)演示文稿和其他任務(wù)；另外，作為一個(gè)受到嚴(yán)格監(jiān)管的行業(yè)，銀行業(yè)有大量的風(fēng)險(xiǎn)、合規(guī)性和法律需求。

綜上所述，對(duì)于金融機(jī)構(gòu)，生成式AI應(yīng)用能夠通過(guò)減少人為錯(cuò)誤來(lái)提高生產(chǎn)效率，節(jié)省時(shí)間和資源；同時(shí)增強(qiáng)創(chuàng)新能力，為終端用戶提供更優(yōu)秀的產(chǎn)品和更良好的服務(wù)體驗(yàn)。

GenAI用例創(chuàng)造的價(jià)值中，約75%來(lái)自“4C”領(lǐng)域

資料來(lái)源：麥肯錫全球研究院

投資：金融視域下的產(chǎn)業(yè)前景

由于生成式AI蓬勃發(fā)展，其產(chǎn)業(yè)規(guī)模也在高速增長(zhǎng)，引來(lái)投資者紛紛入局。據(jù)彭博數(shù)據(jù)顯示，2022年生成式AI市場(chǎng)收入規(guī)模為400億美元，預(yù)計(jì)2027年及2032年將分別達(dá)到3990億美元和13040億美元。2022年-2032年復(fù)合增長(zhǎng)率達(dá)42%。

中國(guó)市場(chǎng)方面，據(jù)《中國(guó)AI數(shù)字展望2021-2025》數(shù)據(jù)，2022年規(guī)模約660億元，2020年-2025年復(fù)合增速將達(dá)84%，2025年將占全球市場(chǎng)規(guī)模（2170億美元）的14%。由此看來(lái)，生成式AI不僅在為全球經(jīng)濟(jì)創(chuàng)造巨大價(jià)值，其產(chǎn)業(yè)本身也擁有巨大的投資機(jī)會(huì)。

生成式AI價(jià)值鏈由六個(gè)環(huán)節(jié)組成，分別是專用硬件、云平臺(tái)、基礎(chǔ)模型、模型中心和MLOps、應(yīng)用和服務(wù)。伴隨著技術(shù)的欣欣向榮，整個(gè)價(jià)值鏈都蘊(yùn)藏著巨大機(jī)會(huì)，但研究表明各環(huán)節(jié)市場(chǎng)機(jī)會(huì)存在顯著差異，部分環(huán)節(jié)的資源投入、專業(yè)知識(shí)和先發(fā)者優(yōu)勢(shì)形成的行業(yè)壁壘，成為新進(jìn)入者和小型企業(yè)展業(yè)的強(qiáng)大阻力。

2022年到2035年全球市場(chǎng)規(guī)模增量主要來(lái)源于訓(xùn)練側(cè)硬件、廣告應(yīng)用和軟件。其中，基礎(chǔ)設(shè)施服務(wù)年復(fù)合增長(zhǎng)率將達(dá)到60%，增量達(dá)2448億美元。廣告應(yīng)用年復(fù)合增長(zhǎng)率則達(dá)到125%，增量達(dá)1924億美元。

在生成式AI的價(jià)值鏈條之上，有如下市場(chǎng)機(jī)會(huì)值得關(guān)注：

一、專用硬件：模型訓(xùn)練和推理過(guò)程所用算力基礎(chǔ)設(shè)施，市場(chǎng)壁壘較高，基本為大玩家占據(jù)算力硬件的核心是以GPU和TPU為代表的計(jì)算芯片。

二、云平臺(tái)：訪問(wèn)算力基礎(chǔ)設(shè)施以及運(yùn)行生成式AI工作負(fù)載的平臺(tái)，市場(chǎng)份額較為集中。

三、基礎(chǔ)模型：生成式AI價(jià)值鏈的核心環(huán)節(jié)，依靠專業(yè)知識(shí)和成本投入驅(qū)動(dòng)，通用大模型賽道趨勢(shì)表現(xiàn)為頭部集中，行業(yè)大模型賽道仍有市場(chǎng)空白。

四、模型中心和MLOps：托管、微調(diào)和部署模型的工具，巨頭和獨(dú)立廠商形成差異化競(jìng)爭(zhēng)模型中心和MLOps承擔(dān)在基礎(chǔ)模型之上構(gòu)建應(yīng)用的兩項(xiàng)必須的工作：一是模型倉(cāng)庫(kù)，提供存儲(chǔ)和訪問(wèn)基礎(chǔ)模型的空間；二是專門(mén)的MLOps工具用于微調(diào)和部署基礎(chǔ)模型至應(yīng)用。

五、應(yīng)用：基于大模型微調(diào)的終端應(yīng)用，是初創(chuàng)企業(yè)擁有最大機(jī)會(huì)的賽道，約一半生成式AI獨(dú)角獸企業(yè)誕生于這個(gè)市場(chǎng)，我們預(yù)期，在短期內(nèi)，為垂類行業(yè)和特定功能開(kāi)發(fā)，基于精細(xì)微調(diào)的模型所建立的應(yīng)用能夠最早脫穎而出。

六、服務(wù)：依托模型產(chǎn)品提供增值服務(wù)的整體解決方案提供商為大廠壟斷，但垂類領(lǐng)域仍有中小型玩家參與的市場(chǎng)空間。

部署生成式AI時(shí)，CEO需要考慮的7件事情

資料來(lái)源：麥肯錫分析

實(shí)戰(zhàn)：企業(yè)如何部署生成式AI

首先是運(yùn)營(yíng)模式的轉(zhuǎn)變。規(guī)?；茝VGenAI，需要企業(yè)進(jìn)行全方位的運(yùn)營(yíng)模式轉(zhuǎn)型，并將AI內(nèi)嵌到業(yè)務(wù)的每個(gè)環(huán)節(jié)。在規(guī)?；瘜?shí)施GenAI應(yīng)用時(shí)，一個(gè)成功的運(yùn)營(yíng)模式應(yīng)涵蓋六大方面：戰(zhàn)略路線圖、人才、運(yùn)營(yíng)模式、技術(shù)、數(shù)據(jù)以及技術(shù)應(yīng)用與變革管理。

生成式AI在飛速演進(jìn)，CEO（首席執(zhí)行官）們也在探索其商業(yè)價(jià)值及潛在風(fēng)險(xiǎn)。CEO在推動(dòng)企業(yè)關(guān)注生成式AI方面發(fā)揮著重要作用。CEO在踏上征途時(shí)需要熟記的策略，其中有很多與過(guò)往技術(shù)浪潮興起時(shí)企業(yè)高管應(yīng)當(dāng)做出的反應(yīng)一致。

然而，生成式AI也帶來(lái)了獨(dú)有的挑戰(zhàn)，這包括其超越以往技術(shù)變革的空前發(fā)展速度及隨之而來(lái)的應(yīng)對(duì)難度。

為此，我們提供一份生成式AI核心概要，供廣大CEO們參考（見(jiàn)上圖）。

在決策應(yīng)用生成式AI之前，考慮從零開(kāi)始摸索和反復(fù)試錯(cuò)的大量時(shí)間及資源投入成本，企業(yè)也可適當(dāng)借力專業(yè)機(jī)構(gòu)的力量來(lái)加快部署生成式AI，利用第三方的技術(shù)、知識(shí)和經(jīng)驗(yàn)，避免繞彎路和踩坑，更快速、經(jīng)濟(jì)地達(dá)到價(jià)值創(chuàng)造的目標(biāo)。

此外，值得注意的是，生成式AI為各行各業(yè)提供了新的增長(zhǎng)動(dòng)力，卻也存在一定的負(fù)面影響，金融機(jī)構(gòu)在應(yīng)用生成式AI時(shí)尤其需要關(guān)注模型幻覺(jué)、惡意使用、信息泄露等三大關(guān)鍵風(fēng)險(xiǎn)。企業(yè)需要高度重視并積極采取措施進(jìn)行妥善防范和管理，最小化其潛在風(fēng)險(xiǎn)，最大化釋放其價(jià)值。

（作者曲向軍為麥肯錫全球資深董事合伙人、中國(guó)區(qū)金融機(jī)構(gòu)咨詢業(yè)務(wù)負(fù)責(zé)人，韓峰為麥肯錫全球董事合伙人，麥肯錫團(tuán)隊(duì)成員胡藝蓉、方浩翔、方溪源、李靜瑤、宋戈、邱外山、王喆宸、蔣子翔、魯志娟等對(duì)此文亦有貢獻(xiàn)；《財(cái)經(jīng)》研究員丁艷對(duì)此文亦有貢獻(xiàn)；編輯：楊芮、張威）