有点数·数字经济工作室原创 作 者 | 有 叔
大模型“入侵”金融业。
不断迭代升级的生成式AI，开启了一场盛大的科技革新，推动金融业的数字化升级，全面进入到了数智化阶段。
对于金融机构来说，深入推进数智化建设正成为未来最大的确定性之一，在实现精准触达、优化客户体验、提升运营效率、防范业务风险等方面提供了新范式、新思路、新动能。
如今，蚂蚁、腾讯等互联网巨头也早已躬身入局，推动“人工智能+金融”往纵深挺进。
0 1 | 。各显神通，大模型全面融入金融业
ChatGPT引爆生成式AI热潮以来，大模型无疑成为此后的技术热点。
金融业对大模型的趋势已有共识——获客方面，基于算法可以分析大量结构化和非结构化的数据，建立全面动态的用户画像并助力实施精准营销；运营方面，自动化的决策和处理流程可帮助机构提供更高效、个性化的客户服务；风控方面，通过监测和分析交易数据识别异常与欺诈行为，提升风险评估和预测质量，并降低合规风险等。
工商银行、农业银行、兴业银行、中信银行、北京银行等10家商业银行已经率先行动，宣布已发布大模型或者处于筹备中。
民营银行中，微众银行推出微创投平台，突破性地应用AI大语言模型提升投融资匹配效率。其打造的可迁移、可自我进化的人机交互系统平台，提供身份核验、语音客服、智能质检应用服务，助力企业客服管理全流程智能化无人化，实现24小时秒级响应。网商银行也表示正把AI和大模型应用于小微金融实践。
基于其长期在人工智能技术上的积淀，马上消费从算法、数据、算力等维度做了一些尝试和探索，率先发布了零售金融领域首个大模型——“天镜”，目前已应用在营销获客、风险审批、客户运营、客户服务、安全合规、资产管理等典型金融场景。
在智能营销和客服方面，“天镜”的意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于传统模型43%和人工坐席平均57%的水平，明显提升金融服务质效。
蚂蚁集团提出了“大模型+知识+服务”驱动的架构，以金融专属任务评测集Fin-Eval为基础，在万亿量级Token的通用语料基础上，注入千亿量级Token金融知识，构建金融大模型内核。
仿金融专家多智能体协同推理能让智能客服具备逻辑能力，比如针对“汽车分期付款怎么办”这类的问题，它会细致到车辆类别、用户偏好等多个场景，历经十多个推理环节，最后给出建议。
在用足够多的高质量指令集进行微调后，蚂蚁金融大模型已经掌握95%的金融意图识别，达到专家水平。其可信AI的技术架构蚁鉴2.0还能够应用于反欺诈、反洗钱、企业联合风控、数据隐私保护在内的多个消费金融场景。
腾讯的路径略有不同，更专注于隐身幕后。其为金融机构提供了一站式MaaS服务, 金融机构可根据不同细分场景的业务需求，灵活选择各类大模型，降低大模型使用成本。
在腾讯金融云的落地实践中，通过从远程身份认证和贷款审批自动化两方面着手，糅合了语音、计算机视觉、活体检测等多项AI技术，使传统信贷业务效率大幅提升。在相关产品的体验中，最快30秒就可以完成贷款审批的全流程。东风日产融资租赁借助腾讯云的风控大模型，在只有较少样本的情况下就完成了定制化风控建模，建模时间节省了70%。
前身为360数科的奇富科技的路径则更加专注于场景和业务逻辑。
奇富科技推出的高级客服QI感通可以通过语音情感计算，识别6种语言，同时有效理解、分析用户语音中的情感信息，避免潜在冲突和投诉。在应用QI感通后，用户服务满意度提升至99.2%。
02 | 。秒级评价，重塑授信流程
除了智能客服、智能营销等领域，互联网银行正将大模型应用放在更为核心、要求更严格、挑战更大的信贷风控上，探索利用大模型强大的处理能力助力授信与风控的效率提高，打通产业链识别的“最后一公里”。
当信息收集与处理能力得到极大提升后，助贷企业与经营主体之间的信息误差也在降低。
4月10日举行的2024数字产业链金融行业峰会上，网商银行宣布升级大雁系统，首次将AI大模型的能力应用于产业链金融。大模型破解识别难题，从前端走向后台，强大的认知能力让信审精细度接近于人工。网商银行此次升级的大模型主要应用在两方面，用知识抽取能力构建产业链图谱；通过信息解析能力，对小微企业的经营情况进行秒级评价。
大模型通过知识抽取能力，从海量信息中理解数据，形成产业链图谱，再通过多模态数据融合、协同推理等技术识别小微企业的主营业务，将其精准挂载到产业链上。
比如汽车产业链，大模型“看到”发动机厂商、4S店、轴承厂商等环节，然后看见每个环节分布着哪些企业，将它们编织成一张网。整个过程中，大模型就像一盏探照灯，照亮产业链上下游每一家小微企业。
此外，大模型能够自动读取大量研报，生成最适合描述小微用户的经营画像。
这个过程就像一个AI产研专家，研究产业——形成趋势判断——分析小微的各项经营数据——形成对它经营情况的评分。这些评分，一定程度上代表着它的还款能力。在大模型引入之后，强化了认知画像的维度，使得其在量化的基础上精细度更接近于人工审核，又降低了成本。
在传统融资流程中，小微企业常常因为缺少抵押物以及存在经营风险被拒之门外。
因此，小微企业所经营的产品信息、上下游原材料关系就成为识别其信贷额度的关键因素。为此奇富科技利用大模型在信息抽取上的先天优势，打造了小微产品知识图谱。该图谱收录了1.9万个不同领域的产品实体，能够深入挖掘商品之间的关联，对产品链路进行预测，以便更好的对产品进行估值。
随着模型不断完善，该图谱在2024年第一季度再度补充了591万泛小微用户的行业信息，覆盖率达到95.1%。截至2024年一季度末，奇富科技已与159家金融机构建立合作关系，帮助它们为超过5230万小微企业和个人消费者提供授信服务。
奇富科技的资产信用全景分析技术，仅通过小微经营者的纳税记录、经营流水、收入证明等材料，就可以分析经营者的资产和信用状况，并精准计算授信额度。目前，奇富资产信用分析系统支持十余种资信类别，服务了60%的小微用户，支持优质用户平均授信达16万元以上，2024年第一季度为泛小微用户额外放款额超过400亿元。
03 | 。少即是多，大模型要向精准发力
可以说，AI大模型和金融，正史无前例地互相需要着。
国际数据公司IDC的一项调研显示，超半数的金融机构在2023年投资AI大模型技术。一些大模型企业高管透露，目前公司早期客户都来自金融行业，他们对技术的泛化能力更紧迫，更需要生成式AI带来的生产力提高工作效率、降低人员成本。
在具体实践层面，大模型与金融的结合，依然有很多问题需要解决。金融行业对专业性的要求很高，对生成内容的容错空间很低；提供金融服务不但要面对可量化评估的产品数据，还要有能力处理图片、视频、分析报告等非结构化内容；在信贷业务中风控、合规、客户隐私等刚性要求，对大模型也是一个挑战。
针对金融行业这个特定场景，通用型大模型并不好用，即使是ChatGPT-4也没有办法理解全部金融词汇，如果因此做出一些虚假的、误导性的陈述，就会造成严重的后果。因此，对于金融大模型而言，模型精度才是实现技术落地的关键。
金融大模型虽然参数较少，但要做得足够精、足够细，才能更实用。在这一点上，具有早期金融经验的互联网企业更具优势。以奇富科技为例，拥有超2亿的私域用户，5230万已授信用户，这些都是优质的数据集。这意味着，奇富大模型可以从中学习到更丰富的语言知识，并打造一些差异化产品。
从最直接的数据层面来看，奇富GPT的参数规模在130亿左右，而通用大模型参数一般在万亿级。虽然奇富大模型的参数小了，通用型弱了，但是对金融领域的理解更为深刻，不仅能形成用户画像，还能捕获用户真实意图，甚至能够用拟人化的语言自然的与客户进行交流，在复杂的通话环境下，语音识别综合准确率超过93%，意图识别功能准确率超过95%，能够迅速而准确地识别用户需求并做出响应。
当大模型向精准处去，效率也会提高。比如蚂蚁集团打造的消费金融风控体系，把风险挖掘、风险识别和风险打击的速度提升至秒级；度小满轩辕大模型，能将征信报告解读出40万维的风险变量，用来识别小微企业主的信贷风险。奇富科技将AIGC与大模型技术相结合，客户触达规模提升了21.4%，授信成本优化了9%。
目前头部大模型厂商对于金融大模型的共识是，不过度追求大参量、大算力，保留开放生态和生长空间的同时，专精于推动现有金融场景和应用的更迭和升级。