最近AI这股风刮得挺猛，美国银行搞了个“一次构建”的战略，国内银行肯定想知道这招到底怎么玩。AI对银行的影响是越来越大了，美国银行在这次浪潮里可是冲在前面，他们的经验咱们还真能学几招。 要说这个战略的来头，得从2018年说起。那时候他们给移动应用弄了个叫Erica的AI助手，可不是随便弄弄就算了，这就是他们整个人工智能战略的地基。美国银行把Erica的底层结构拆出来，给客户用也给员工用。到现在7年多了，尽管AI技术突飞猛进，他们还是一直抱着这个最初的架构不放，这就是所谓的“建一次、用多次”。Erica设计的时候就很有前瞻性，能适应未来的新模型。虽然前几年大家都在玩生成式AI这种新花样，但美国银行试过别的路子以后发现还是得靠老本。他们决定重新砸钱给Erica升级，打算在2025年搞出第二代平台。负责技术的Hari Gopalkrishnan说：“这就好比把基础打牢了，以后第三第四次造新系统肯定快得很。” Erica刚出来是为了方便客户办事儿。后来发现理财顾问那边也有需求，他们就开始琢磨着把以前积累的资源再利用起来。2020年的时候，他们又出了个Erica for Employees来帮员工解决技术问题；同时推出了Ask Merrill，用来帮顾问们整理客户信息。大概在那个时候，银行决定把Erica这个架构当成一个特定的策略来复用。后来基于这个架构又弄出来不少东西，比如CashPro Chat、Capital Markets Insights还有Ask Private Banking。 Erica成功的关键在于它不挑食。一开始用的是BERT和OpenNLP这些开源的自然语言模型，但银行能根据具体任务换成更合适的新模型。Gopalkrishnan说：“我们一直知道模型会换的。Erica就是个能适配多种模式的平台。”以前大家搞基础模型的时候都得从头铺路、搭向量数据库、连接口这些活儿。现在美国银行的平台让工程师能想着怎么共享和利用这些资源来考虑性能、扩展和安全问题。这样每个团队就能更快地把产品推出来，不用各自再去造一遍“轮子”。 面对现在这么多大型语言模型（LLM）的涌现，美国银行也得重新审视一下自己的战略。Gopalkrishnan和战略主管弄了个人工智能委员会，把所有业务部门都叫来问问需求。结果他们发现大家都在瞎折腾，老是在重新发明轮子。这就更坚定了他们要给Erica重新投资的决心。虽然AI技术发展得很快，不过现在领先的生成式和大型语言模型用的还是支持Erica最初的Transformer架构。所以Gopalkrishnan就借鉴了第一代Erica的技术底子和教训，在2025年搞出了个更新的版本来应对新AI时代。他说：“我们刚把架构弄清楚了，现在就能组装起来重新包装一下，去满足新的需求。” 美国银行这么干也不是一路顺风的。他们光技术人员就有6万人，有时候大家都爱自己搞一套东西。Gopalkrishnan说：“你这就相当于弄了个漏斗，所有想法都得从这儿过一遍才行。大家脑子里蹦出一万个点子，都觉得明天就能马上干了；结果供应商一推销点什么新东西，大家就开始比着干了。” 系统里总是会有这种矛盾：你越是坚持“一次构建”，有时候反而拖慢了发展的节奏。不过Gopalkrishnan觉得走最快的路得靠纪律。“最大的挑战就是要有耐心和支持，”他说，“你得明白一开始慢点能给你以后省下多少力气。” 从Erica刚推出来到不断拓展应用、再到面对生成式AI的挑战还有解决内部发展的矛盾，美国银行这套“一次构建”的人工智能战略确实给咱们国内银行在AI时代的发展提供了不少值得学习的地方和思路。