有點數(shù)·數(shù)字經(jīng)濟工作室原創(chuàng) 作 者 |有 叔

大模型“入侵”金融業(yè)。

不斷迭代升級的生成式AI，開啟了一場盛大的科技革新，推動金融業(yè)的數(shù)字化升級，全面進入到了數(shù)智化階段。

對于金融機構來說，深入推進數(shù)智化建設正成為未來最大的確定性之一，在實現(xiàn)精準觸達、優(yōu)化客戶體驗、提升運營效率、防范業(yè)務風險等方面提供了新范式、新思路、新動能。

如今，螞蟻、騰訊等互聯(lián)網(wǎng)巨頭也早已躬身入局，推動“人工智能+金融”往縱深挺進。

0 1 | 。各顯神通，大模型全面融入金融業(yè)

ChatGPT引爆生成式AI熱潮以來，大模型無疑成為此后的技術熱點。

金融業(yè)對大模型的趨勢已有共識——獲客方面，基于算法可以分析大量結(jié)構化和非結(jié)構化的數(shù)據(jù)，建立全面動態(tài)的用戶畫像并助力實施精準營銷；運營方面，自動化的決策和處理流程可幫助機構提供更高效、個性化的客戶服務；風控方面，通過監(jiān)測和分析交易數(shù)據(jù)識別異常與欺詐行為，提升風險評估和預測質(zhì)量，并降低合規(guī)風險等。

工商銀行、農(nóng)業(yè)銀行、興業(yè)銀行、中信銀行、北京銀行等10家商業(yè)銀行已經(jīng)率先行動，宣布已發(fā)布大模型或者處于籌備中。

民營銀行中，微眾銀行推出微創(chuàng)投平臺，突破性地應用AI大語言模型提升投融資匹配效率。其打造的可遷移、可自我進化的人機交互系統(tǒng)平臺，提供身份核驗、語音客服、智能質(zhì)檢應用服務，助力企業(yè)客服管理全流程智能化無人化，實現(xiàn)24小時秒級響應。網(wǎng)商銀行也表示正把AI和大模型應用于小微金融實踐。

基于其長期在人工智能技術上的積淀，馬上消費從算法、數(shù)據(jù)、算力等維度做了一些嘗試和探索，率先發(fā)布了零售金融領域首個大模型——“天鏡”，目前已應用在營銷獲客、風險審批、客戶運營、客戶服務、安全合規(guī)、資產(chǎn)管理等典型金融場景。

在智能營銷和客服方面，“天鏡”的意圖理解準確率達91%，相較于傳統(tǒng)AI的68%有較大提升；客戶參與率61%，高于傳統(tǒng)模型43%和人工坐席平均57%的水平，明顯提升金融服務質(zhì)效。

螞蟻集團提出了“大模型+知識+服務”驅(qū)動的架構，以金融專屬任務評測集Fin-Eval為基礎，在萬億量級Token的通用語料基礎上，注入千億量級Token金融知識，構建金融大模型內(nèi)核。

仿金融專家多智能體協(xié)同推理能讓智能客服具備邏輯能力，比如針對“汽車分期付款怎么辦”這類的問題，它會細致到車輛類別、用戶偏好等多個場景，歷經(jīng)十多個推理環(huán)節(jié)，最后給出建議。

在用足夠多的高質(zhì)量指令集進行微調(diào)后，螞蟻金融大模型已經(jīng)掌握95%的金融意圖識別，達到專家水平。其可信AI的技術架構蟻鑒2.0還能夠應用于反欺詐、反洗錢、企業(yè)聯(lián)合風控、數(shù)據(jù)隱私保護在內(nèi)的多個消費金融場景。

騰訊的路徑略有不同，更專注于隱身幕后。其為金融機構提供了一站式MaaS服務, 金融機構可根據(jù)不同細分場景的業(yè)務需求，靈活選擇各類大模型，降低大模型使用成本。

在騰訊金融云的落地實踐中，通過從遠程身份認證和貸款審批自動化兩方面著手，糅合了語音、計算機視覺、活體檢測等多項AI技術，使傳統(tǒng)信貸業(yè)務效率大幅提升。在相關產(chǎn)品的體驗中，最快30秒就可以完成貸款審批的全流程。東風日產(chǎn)融資租賃借助騰訊云的風控大模型，在只有較少樣本的情況下就完成了定制化風控建模，建模時間節(jié)省了70%。

前身為360數(shù)科的奇富科技的路徑則更加專注于場景和業(yè)務邏輯。

奇富科技推出的高級客服QI感通可以通過語音情感計算，識別6種語言，同時有效理解、分析用戶語音中的情感信息，避免潛在沖突和投訴。在應用QI感通后，用戶服務滿意度提升至99.2%。

02 | 。秒級評價，重塑授信流程

除了智能客服、智能營銷等領域，互聯(lián)網(wǎng)銀行正將大模型應用放在更為核心、要求更嚴格、挑戰(zhàn)更大的信貸風控上，探索利用大模型強大的處理能力助力授信與風控的效率提高，打通產(chǎn)業(yè)鏈識別的“最后一公里”。

當信息收集與處理能力得到極大提升后，助貸企業(yè)與經(jīng)營主體之間的信息誤差也在降低。

4月10日舉行的2024數(shù)字產(chǎn)業(yè)鏈金融行業(yè)峰會上，網(wǎng)商銀行宣布升級大雁系統(tǒng)，首次將AI大模型的能力應用于產(chǎn)業(yè)鏈金融。大模型破解識別難題，從前端走向后臺，強大的認知能力讓信審精細度接近于人工。網(wǎng)商銀行此次升級的大模型主要應用在兩方面，用知識抽取能力構建產(chǎn)業(yè)鏈圖譜；通過信息解析能力，對小微企業(yè)的經(jīng)營情況進行秒級評價。

大模型通過知識抽取能力，從海量信息中理解數(shù)據(jù)，形成產(chǎn)業(yè)鏈圖譜，再通過多模態(tài)數(shù)據(jù)融合、協(xié)同推理等技術識別小微企業(yè)的主營業(yè)務，將其精準掛載到產(chǎn)業(yè)鏈上。

比如汽車產(chǎn)業(yè)鏈，大模型“看到”發(fā)動機廠商、4S店、軸承廠商等環(huán)節(jié)，然后看見每個環(huán)節(jié)分布著哪些企業(yè)，將它們編織成一張網(wǎng)。整個過程中，大模型就像一盞探照燈，照亮產(chǎn)業(yè)鏈上下游每一家小微企業(yè)。

此外，大模型能夠自動讀取大量研報，生成最適合描述小微用戶的經(jīng)營畫像。

這個過程就像一個AI產(chǎn)研專家，研究產(chǎn)業(yè)——形成趨勢判斷——分析小微的各項經(jīng)營數(shù)據(jù)——形成對它經(jīng)營情況的評分。這些評分，一定程度上代表著它的還款能力。在大模型引入之后，強化了認知畫像的維度，使得其在量化的基礎上精細度更接近于人工審核，又降低了成本。

在傳統(tǒng)融資流程中，小微企業(yè)常常因為缺少抵押物以及存在經(jīng)營風險被拒之門外。

因此，小微企業(yè)所經(jīng)營的產(chǎn)品信息、上下游原材料關系就成為識別其信貸額度的關鍵因素。為此奇富科技利用大模型在信息抽取上的先天優(yōu)勢，打造了小微產(chǎn)品知識圖譜。該圖譜收錄了1.9萬個不同領域的產(chǎn)品實體，能夠深入挖掘商品之間的關聯(lián)，對產(chǎn)品鏈路進行預測，以便更好的對產(chǎn)品進行估值。

隨著模型不斷完善，該圖譜在2024年第一季度再度補充了591萬泛小微用戶的行業(yè)信息，覆蓋率達到95.1%。截至2024年一季度末，奇富科技已與159家金融機構建立合作關系，幫助它們?yōu)槌^5230萬小微企業(yè)和個人消費者提供授信服務。

奇富科技的資產(chǎn)信用全景分析技術，僅通過小微經(jīng)營者的納稅記錄、經(jīng)營流水、收入證明等材料，就可以分析經(jīng)營者的資產(chǎn)和信用狀況，并精準計算授信額度。目前，奇富資產(chǎn)信用分析系統(tǒng)支持十余種資信類別，服務了60%的小微用戶，支持優(yōu)質(zhì)用戶平均授信達16萬元以上，2024年第一季度為泛小微用戶額外放款額超過400億元。

03 | 。少即是多，大模型要向精準發(fā)力

可以說，AI大模型和金融，正史無前例地互相需要著。

國際數(shù)據(jù)公司IDC的一項調(diào)研顯示，超半數(shù)的金融機構在2023年投資AI大模型技術。一些大模型企業(yè)高管透露，目前公司早期客戶都來自金融行業(yè)，他們對技術的泛化能力更緊迫，更需要生成式AI帶來的生產(chǎn)力提高工作效率、降低人員成本。

在具體實踐層面，大模型與金融的結(jié)合，依然有很多問題需要解決。金融行業(yè)對專業(yè)性的要求很高，對生成內(nèi)容的容錯空間很低；提供金融服務不但要面對可量化評估的產(chǎn)品數(shù)據(jù)，還要有能力處理圖片、視頻、分析報告等非結(jié)構化內(nèi)容；在信貸業(yè)務中風控、合規(guī)、客戶隱私等剛性要求，對大模型也是一個挑戰(zhàn)。

針對金融行業(yè)這個特定場景，通用型大模型并不好用，即使是ChatGPT-4也沒有辦法理解全部金融詞匯，如果因此做出一些虛假的、誤導性的陳述，就會造成嚴重的后果。因此，對于金融大模型而言，模型精度才是實現(xiàn)技術落地的關鍵。

金融大模型雖然參數(shù)較少，但要做得足夠精、足夠細，才能更實用。在這一點上，具有早期金融經(jīng)驗的互聯(lián)網(wǎng)企業(yè)更具優(yōu)勢。以奇富科技為例，擁有超2億的私域用戶，5230萬已授信用戶，這些都是優(yōu)質(zhì)的數(shù)據(jù)集。這意味著，奇富大模型可以從中學習到更豐富的語言知識，并打造一些差異化產(chǎn)品。

從最直接的數(shù)據(jù)層面來看，奇富GPT的參數(shù)規(guī)模在130億左右，而通用大模型參數(shù)一般在萬億級。雖然奇富大模型的參數(shù)小了，通用型弱了，但是對金融領域的理解更為深刻，不僅能形成用戶畫像，還能捕獲用戶真實意圖，甚至能夠用擬人化的語言自然的與客戶進行交流，在復雜的通話環(huán)境下，語音識別綜合準確率超過93%，意圖識別功能準確率超過95%，能夠迅速而準確地識別用戶需求并做出響應。

當大模型向精準處去，效率也會提高。比如螞蟻集團打造的消費金融風控體系，把風險挖掘、風險識別和風險打擊的速度提升至秒級；度小滿軒轅大模型，能將征信報告解讀出40萬維的風險變量，用來識別小微企業(yè)主的信貸風險。奇富科技將AIGC與大模型技術相結(jié)合，客戶觸達規(guī)模提升了21.4%，授信成本優(yōu)化了9%。

目前頭部大模型廠商對于金融大模型的共識是，不過度追求大參量、大算力，保留開放生態(tài)和生長空間的同時，專精于推動現(xiàn)有金融場景和應用的更迭和升級。