AI大模型重塑現代銀行 畢超 劉鑫 9787519918958 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202505*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：AI大模型重塑現代銀行
ISBN：9787519918958
出版社：研究
著編譯者：畢超 劉鑫
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1742905
可大量預訂，請先連絡。

內容簡介
這是國內 本系統介紹和分析人工智能在金融、銀行領域發展的理論與案例並重的圖書。
在科技飛速發展的今天，人工智能（AI）正以的速度改變著各行各業。作為金融服務的核心提供者，銀行業面臨著數字化轉型的迫切需求，而 AI 大模型的崛起，為銀行業帶來了的變革機遇。
本書《AI 大模型重塑現代銀行》旨在深入探討 AI 大模型在銀行業的應用與實踐，為銀行業從業者提供全面的參考和啟示。本書從變革前奏、重塑之力、技術融合、技術基石、前行挑戰、未來已來以及實踐指南七個部分，系統地闡述了 AI 大模型在銀行業中的重要應用和影響。
希望本書能夠為銀行業從業者提供全面、系統、實用的參考和借鑒，助力銀行業在數字化轉型的道路上邁出堅實的步伐，並激發更多關於 AI 大 模型在銀行業應用的思考和探索，共同推動銀行業向智能化、個性化、高效化的方向發展。

目錄

前言 013
部分 變革前奏——大模型與銀行業的相遇
第一章 AI 大模型時代的崛起 003
一、大模型發展溯源：從基礎算法到智能湧現 003
人工智能概念的提出和內涵 / 基礎算法的奠基 / 深度學習的突破 /Transformer 架構的革新 / 大模型的崛起與智能湧現
二、大模型核心技術解析 007
深度學習：模擬人腦的神經網絡 /Transformer 架構：革新序列數據處理 / 預訓練與微調：知識遷移與任務適
配 / 分布式訓練與優化：應對計算挑戰 / 正則化與穩定性技術：防止過擬合與數值不穩定 / 大模型的可解釋
性與公平性 / 未來技術趨勢
三、大模型的 特優勢 012
強大的表示學習能力 / 泛化能力 / 多任務學習與遷移學習 / 生成能力 / 上下文理解與推理能力 / 可擴展性與靈活性 / 對小樣本學習的適應性 / 對長尾分佈的魯棒性
四、案例分析：DeepSeek 大模型的崛起與爆火 017
技術革新推動大模型發展 / 對大模型推理能力的深度訓練與 / 探索智能湧現的 “啊哈時刻”/ 大
模型技術新趨勢
第二章 銀行業數字化發展現狀與方向 021
一、銀行現有信息系統盤點 021
貸管理系統 / 風險管理系統 / 客戶服務系統 / 支付清算系統 / 其他系統
二、銀行信息系統應用成效 025
業務效率顯著提升 / 服務質量明顯改善 / 風險管理能力 / 數據價值釋放挖掘 / 系統協同性逐步
三、銀行信息系統面臨的問題和改進方向 028
系統間協同性差 / 數據價值挖掘不充分 / 安全與隱私保護挑戰大 / 用戶體驗有待提升 / 技術架構靈活性差 / 未來改進方向
四、案例分析：DeepSeek 賦能銀行發展數字金融 032
助力銀行信息系統開發編碼 / 革新銀行營銷模式 / 優化銀行運營流程
第三章 人工智能大模型政策：解讀、影響與銀行應對 035
一、人工智能與大模型相關政策解讀 035
國家科技戰略與人工智能 層設計 / 人工智能大模型的監管政策體系 / 金融科技監管框架與對 AI 應用的規
範要求 / 扶持性政策助力技術研發與應用 / 數據跨境流動與數據主權相關政策要點
二、政策對銀行業的影響 040
強化風險管理與合規要求 / 規範數據治理與隱私保護標準 / 推動技術創新、開放合作與生態建設 / 塑造公平
競爭環境與防止壟斷
三、銀行的應對策略 043
建立健全政策跟蹤、解讀與合規內化機制 / 完善風險管理、內部控制與 AI 倫理審查體系 / 優化數據治理架
構，確保數據安全合規 / 積 審慎開展技術創新、試點與合作 / 加強算法透明度、公平性管理與審計
第二部分 重塑之力——大模型在銀行的多元應用
第四章 客戶服務智能化升級 049
一、銀行智能客服進化：從規則引擎到智能交互 049
二、數字人全場景服務：從虛擬櫃員到財富顧問的進化 051
三、個性化服務定制：深度挖掘客戶畫像，提升銀行服務價值 053
四、國內外銀行案例：應用大模型實現客服智能化 056
中國工商銀行：對客服務人工智能輔助系統 / 中國郵儲銀行：大模型應用實踐 / 微眾銀行：人工智能體（AI
Agent）實踐 / 江蘇銀行：利用大模型提高智能客服應答準確率 / Tonik 銀行：生成式 AI 聊天機器人
第五章 營銷變革 063
一、客戶需求洞察：基於大數據與模型的分析 063
客戶需求洞察的方法與技術 / 客戶畫像構建 / 客戶需求洞察的應用場景 / 天陽科技助力區域銀行：數據、場景、
模型融合， 洞察客戶需求 /ING Bank 借助大模型構建客戶畫像
二、智能營銷活動策劃：全流程自動化與優化 068
智能營銷活動策劃的內涵與價值 / 智能營銷活動策劃的技術實現 / 智能營銷活動策劃的應用場景 / 上海農商
銀行與畫龍科技合作案例 / 招商銀行基於大模型的智能營銷平臺 /Capital One 智能化個性化營銷
三、營銷效果實時評估與反饋：數據驅動的持續改進 076
營銷效果實時評估與反饋的意義 / 營銷效果實時評估與反饋的技術實現 / 建設銀行基於大模型的 營銷 /
桂林銀行全渠道智能投放平臺案例
第六章 風險管理革新 081
一、信用風險評估優化：多源數據融合與模型校準 081
信用風險評估優化的價值 / 多源數據融合 / 模型校準 /用風險評估優化的應用 / 拓爾思數星智能風控服務
平臺
二、市場風險監測與預警：實時數據處理與風險預測 085
市場風險監測與預警的重要性 / 實時數據處理 / 風險預測 / 市場風險監測與預警的應用 / 重慶農商行應用
DeepSeek 加強風險監測預警
三、 作風險防控：流程智能化與異常檢測 088
作風險防控的重要性 / 流程智能化 / 異常檢測 / 作風險防控的重要場景 / 大模型賦能流程智能化在銀行
的應用案例
四、風控模型智能升級：人工智能大模型的創新賦能 092
建模：開啟全新範式 / 優化：提升模型性能 / 應用：拓展風控邊界 / 風控模型智能升級的案例
第七章 智能財富生態構建 095
一、智能投顧模型構建：資產配置策略與算法 095
構建智能投顧模型的 要性 / 資產配置策略的設計 / 算法的設計與實現 / 智能投顧應用案例
二、個性化投資組合定制：客戶風險偏好與目標適配 099
個性化投資組合定制的重要性 / 個性化投資組合定制的技術實現 / 個性化投資組合定制的應用場景 / 大模型
用於個性化投資組合定制的案例
三、投資績效跟蹤與動態調整：市場變化響應機制 103
投資績效跟蹤與動態調整的價值 / 投資績效跟蹤的技術實現 / 動態調整的技術實現 / 資產配置模型的優化 /
大模型賦能投資績效跟蹤與動態調整的案例
四、數字人投顧 107
數字人投顧：智能時代的投資夥伴 / 數字人投顧的交互服務優勢 / 數字人應用案例與效果
五、元宇宙財富空間：沉浸式金融體驗的新探索 110
元宇宙財富空間的構建與技術支撐 / 元宇宙財富空間的服務內容與創新 / 面臨的挑戰與發展前景 / 大模型賦
能銀行元宇宙的案例
第八章 運營管理智能化 113
一、傳統銀行運營管理的痛點 113
煩瑣與效率低下 / 人力成本高 / 數據處理與分析能力有限
二、大模型助力運營流程優化 114
大模型賦能自動化流程執行 / 大模型賦能流程優化決策支持 / 大模型促進智能流程監控與異常處理
三、大模型提升數據管理與分析能力 115
推動數據整合與標準化 / 助力深度數據分析與洞察 / 推進實時數據可視化與決策輔助
四、大模型在運營風險管理中的應用 117
作風險識別與防範 / 合規風險監控 / 聲譽風險監測與應對
第九章 反洗錢效能提升 119
一、反洗錢現狀與挑戰：交易複雜性與監管要求的提高 119
反洗錢的重要性 / 反洗錢的現狀和日趨嚴格監管要求 / 銀行反洗錢實踐要求 / 銀行反洗錢面臨的挑戰 / 反洗
錢的發展趨勢
二、大模型提高反洗錢效能的技術路徑 127
異常交易識別 / 風險評分模型 / 智能調查與分析 / 實時監控與預警 / 合規與審計
三、成功案例分析：大模型促進反洗錢、反欺詐 132
案例一：美國運通的反欺詐應用 / 案例二：Capital One 的反欺詐應用
三部分 技術融合——大模型與現有系統的協同發展
第十章 大模型與銀行現有系統的關係剖析 137
一、數據交互 137
銀行傳統系統之間的數據交互 / 銀行現有系統與大模型可能進行的數據交互 / 大模型利用現有系統數據進
行訓練與優化
二、功能互補 139
數據處理 / 風險管理 / 智能客服 / 業務決策
三、架構關聯 141
數據層 / 模型層 / 服務層 / 應用層 / 架構設計原則
四、小模型與大模型的關係 143
小模型的定義和特點 / 小模型與大模型的應用場景 /小模型與大模型的協同工作 / 小模型與大模型的未來
發展
第十一章 基於大模型的系統升級策略 147
一、信貸管理系統升級 147
利用大模型優化信貸審批流程 / 風險評估功能 / 大模型與小模型的集成應用
二、銀行核心系統升級 149
大模型支持銀行核心系統升級的技術路徑 / 大模型支持銀行核心系統升級的實施步驟
三、其他系統升級思路 151
支付清算系統升級 / 財務管理系統升級
四、銀行業大模型從單模態向多模態的升級 153
單模態大模型在銀行業的應用與局限 / 多模態大模型的技術優勢與應用場景 / 銀行業多模態大模型的發展
現狀與挑戰
十二章 處理好銀行信息化建設與大模型建設的關係 157
一、統一規劃原則 157
制定長期戰略 / 制定近期規劃 / 統一規劃原則的實施
二、分步實施策略 161
階段：需求調研與分析 /
第二階段：技術選型與採購 /
第三階段：項目實施與測試 /
第四階段：上線運
營與監控 /
第五階段：總結與回顧
三、人才與技術保障 166
人才保障的重要性 / 技術保障的重要性 / 人才與技術保障的實施策略 / 未來展望
四、小模型與大模型的協同發展策略 169
模型選擇與集成 / 數據治理與共享 / 模型更新與維護
五、差異化實施路徑 171
頭部銀行的自研模式：技術，全面佈局 / 頭部銀行的合作模式：打造生態， 行業標準 / 區域銀行：
聚焦特色，合作共贏
第四部分 技術基石——大模型落地的支撐體系
第十三章 銀行數據治理與管理：數智化轉型的基石 177
一、數據治理與數據質量提升：夯實智能決策之基 177
數據治理的戰略價值與核心目標 / 數據質量提升的核心路徑與挑戰 / 關鍵技術支撐體系 / 實踐案例深度解析
二、數據安全保障：數字化銀行的生命線 183
數據安全的核心目標與多重維度 / 數據安全保障的關鍵方法與技術體系 / 銀行業實踐案例
三、數據湖與數據倉庫建設：驅動分析與智能的核心引擎 186
數據倉庫：面向分析的結構化數據中樞 / 數據湖：容納萬象的原始數據存儲庫 / 湖倉一體：融合兩者的
實踐 / 大模型時代的向量數據庫與知識庫建設
四、數據要素流通機制與聯邦學習平臺建設：
打破孤島，激發潛能 189
數據要素流通：重要性與挑戰 / 數據要素流通機制的構建要點 / 聯邦學習：隱私保護下的聯合建模利器 / 聯
邦學習平臺建設要點 / 銀行業實踐案例
第十四章 銀行算力基礎設施升級：擁抱智能時代 197
一、銀行算力需求的深刻變革 197
傳統需求與智能化升級演進 / 算力需求的特徵：異構、彈性與高效 / 銀行算力需求分析方法：邁向 預測
與規劃
二、雲計算與邊緣計算：構建敏捷、智能的銀行算力設施 201
雲計算：算力供給的核心模式與 AI 加速器 / 邊緣計算：延伸智能觸角，優化實時體驗 / 雲邊協同：實現端到
端的智能閉環
三、銀行算力基礎設施升級路徑與挑戰 205
銀行算力升級路徑選擇 / 銀行算力升級面臨的挑戰
第十五章 銀行大模型開發與部署框架搭建：從戰略到實踐 211
一、戰略先行：銀行大模型落地路徑規劃與流程優化 211
明確戰略定位與應用場景 / 技術路徑選擇：構建、購買還是微調？ / 開發流程優化：融入 LLM 特性 / 應對
落地挑戰：策略與實踐
二、模型部署方式選擇：平衡性能、成本與風險 216
雲部署：彈性、專業、規模化 / 邊緣部署：低延遲、高隱私、近場景 / 混合部署：雲邊協同，優勢互補
三、LL

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。