核心洞察：在"启航·2025银行业高质量发展年会"上，光大银行智能运营中心副总经理黄广明基于该行实践指出，算力成本下降已成必然趋势，银行业应聚焦"增效"而非"降本"，以长期主义视角提前布局技术能力，通过生态合作降低转型门槛。

一、实践基石：体系化布局与"先小后大"路径

1.1 组织架构：前瞻性专业布局

光大银行率先在业内成立模型部门，形成"模型算法-算力-数据-IT开发"四大模块协同体系：

独特优势：四大模块形成"技术研发-资源支撑-业务落地"完整闭环，规避"跟风式探索"风险。

1.2 发展路径：从"小模型深耕"到"大模型拓展"

路径价值："先小后大、由点及面"策略既规避技术跃进风险，又通过小模型积累数据经验，为大模型规模化铺平道路。

二、核心判断：算力成本下降与"增效优先"战略

2.1 判断一：算力成本下降是必然趋势

黄广明断言："算力未来会像电脑一样成为常态配置"

成本下降的三重驱动因素：

① 技术优化

• 架构创新：MoE混合专家架构、多头潜在注意力技术
• 算法革新：量化推理、稀疏激活
• 实证数据：某开源模型推理成本降至GPT-4o的1/10，API调用成本仅为OpenAI的1/30

② 硬件进步

• AI芯片规模化生产
• 算力服务器架构创新（如浪潮元脑HC1000）
• 李彦宏："大模型推理成本每年能降低90%以上"

③ 行业竞争

• 降价潮：百度文心一言全面免费、字节跳动千Tokens价格降至3厘、阿里云通义千问降幅超80%
• 开源潮：头部企业开源倒逼服务普惠化

2.2 判断二：当前聚焦"增效"而非"降本"

战略选择："大模型投入规模较大，在现有投入能力下，优先解决增效问题"——黄广明

"增效优先"的实践验证：

战略逻辑：增效直接提升客户体验与竞争力，通过效率提升间接降低单位成本，为资源有限银行提供可借鉴的优先级框架。

三、行业启示：把握"趋势性"与"务实性"平衡

启示一：以"长期主义"提前布局技术能力

关键认知：算力成本下降≠等待观望，能力搭建窗口期宝贵

可立即采取的三项行动：

1. 建立弹性算力池：实现按需分配，降低闲置成本
2. 探索"云-边-端"协同：将简单推理下沉至端侧，减少云端消耗
3. 锁定长期合作：与算力厂商建立战略合作，锁定未来成本优势

光大启示：提前成立模型部门、布局算力模块，才能在成本下降后快速释放红利。

启示二：坚持"业务价值导向"，拒绝"技术噱头"

应用法则：从"客户痛点"与"业务瓶颈"出发选择场景

银行类型化的场景选择建议：

成功标准：确保投入快速产生业务回报，形成**"投入-产出-再投入"正向循环**。

启示三：中小银行借力"生态"降低转型门槛

转型困境：资源有限，无法复刻大型银行"全链条自研"模式

"生态借力"三维策略：

① 模型层面

• 利用百度文心一言、字节豆包等开源模型快速适配
• 避免从零开始的研发成本

② 算力层面

• 采用"按需付费"的算力租赁模式
• 规避一次性硬件投入

③ 数据层面

• 加入银行同业联盟，共享行业数据集与模型经验
• 分摊研发成本，实现风险共担

核心优势：让中小银行以更低门槛享受技术红利，在算力成本下降趋势中不掉队、不冒进。

四、未来展望：从成本竞争到价值竞争

行业演进信号

黄广明演讲传递出明确趋势：大模型竞争不再是"成本承受力"比拼，而是"趋势把握度"与"场景落地力"的较量。

银行智能化转型的终局

随着算力普惠化、模型效能提升，银行业AI应用将从 "零散试点"走向"规模化普及" 。关键在于：

• 技术趋势与业务战略深度融合
• 实现真正的 "提质、增效、降本"
• 为高质量发展注入持久动力

五、行动清单：银行机构如何应对

大型银行

• 构建弹性算力调度平台
• 设立金融知识工程师岗位
• 试点"1+X"超级智能体架构

中小银行

• 接入开源大模型生态
• 建立算力租赁合作
• 加入行业数据共享联盟

所有银行

• 明确"增效优先"战略
• 建立AI应用准入审查机制
• 制定模型熔断应急预案

核心结论：算力成本下降是确定的未来，但能力布局必须现在启动。唯有将技术趋势转化为业务价值，才能在智能化转型中赢得先机。

说明：公开资料调查整理，仅供参考。