角逐大模型：發現金融行業的「新質生產力」

文 | 周天財經

周天財經 原創出品

隨著生成式AI加速落地，金融行業正在出現一些前所未有的變化，智能客服、智能理財顧問等工具不斷在各大銀行系統中上線；輕點手機APP，貸款很快就能審批發放。

麥肯錫報告分析認為：AI助力下，2025年中國狹義消費信貸余額將從約15萬億元增至約29萬億元，實現翻倍增長；廣義上，AI大模型也有望給金融業帶來3萬億規模的增量。

而同時，從大模型廠商角度看，金融行業的數據基礎好，出手更有魄力。

國際數據公司IDC的一項調研顯示，超半數的金融機構在2023年投資AI大模型技術。

一些大模型企業高管透露，目前公司早期客戶都來自金融行業，他們對技術的泛化能力更緊迫，更需要生成式AI帶來的生產力提高工作效率、降低人員成本。

比如在微軟，AI Copilot項目預計將為他帶來100億美元的收入，該項目的主要客戶就是銀行、對沖基金、信貸機構。

AI 大模型和金融，正史無前例地互相需要著。

但在具體實踐層面，大模型與金融的結合，依然有很多問題需要解決。

金融行業對專業性的要求很高，對生成內容的容錯空間很低；提供金融服務不但要面對可量化評估的產品數據，還要有能力處理圖片、視頻、分析報告等非結構化內容；在信貸業務中風控、合規、客戶隱私等剛性要求，對大模型也是一個挑戰。

走在最前沿的選手，總是需要更大的魄力。隨著新一輪金融行業調整期即將到來，螞蟻、騰訊、奇富科技等頭部高科技企業，都在試圖以技術優勢打造競爭策略。

正如中國信通院在《中國金融科技生態白皮書（2023 年）》中指出的：算力是金融業數智化發展的新焦點，大模型為金融業帶來新機遇。風口之上，頭部選手們的動作更加值得我們關注。

不久前，螞蟻集團提出了「大模型 + 知識 + 服務」驅動的架構，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，構建金融大模型內核。其可信AI的技術架構「蟻鑒 2.0」能夠應用于反欺詐、反洗錢、企業聯合風控、數據隱私保護在內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, 金融機構可根據不同細分場景的業務需求，靈活選擇各類大模型，降低大模型使用成本。其中東風日產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，建模時間節省了70%。

另一頭部選手奇富科技的路徑則更加專注于場景和業務邏輯。在奇富科技發布的2024年Q1財報中，在大模型的推動下，增長清晰可見：一季度營收41.532億元，同比增長15.39%；凈利潤為11.6億元，同比增長24.77%。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，幫助它們為超過5230萬小微企業和個人消費者提供授信服務。

去年8月，奇富科技與信通院、互聯網頭部企業，共同編制國內首個金融大模型標準，這一標準的編制旨在促進大模型在各個行業精準落地。

對于奇富科技而言，長期的黑灰產對抗經驗和無數真實業務場景的積累，都讓奇富具備了最真實的行業數據。奇富金融大模型也因此更專注于業務場景洞察，其推出的標準化產品「奇富AI - Copilot系統」將金融業務流程拆分成一系列可智能化節點，以此優化業務細節，打開更大的技術落地空間。

隨著新的開源模型、微調方法、開發工具的不斷涌現，生成式大模型這條賽道上已經人聲鼎沸，人人都積極尋找著更先進的算法、更智能的方案。但具體到金融行業，大模型如何高效地轉化出商業價值，則是更復雜的問題。

從理論到可商用，看似不遠，卻仍然有很多待跨越的阻礙。對此，許多大廠都有著冷靜思考和大膽實踐。

01 大模型向「小」處去

目前，關于大模型的技術架構主要有兩個方向，一個是生態開放，另一個是垂直整合。

通用型大模型基于龐大的云上算力，在泛用性和靈活性上的表現更好，能夠用更少的數據完成更多的任務。但是針對金融行業這個特定場景，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，模型精度才是實現技術落地的關鍵。

從最直接的數據層面來看，奇富GPT的參數規模在130億左右，而通用大模型參數一般在萬億級。雖然奇富大模型的參數小了，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。成為大模型在業務增效方面的典范應用。

某消費金融高管對于金融大模型兩條技術路線的評價是「通用模型難以勝任金融領域任務，金融大模型是大模型落地金融行業的必由之路」。

央行印發《金融科技發展規劃 (2019-2021年)》還特別提到，要鼓勵發展特色的、面向具體場景的金融科技，而非大而全地發展。

而就當下而言，金融大模型的搭建難點在于數據質量和領域經驗。

金融大模型雖然參數較少，但要做得足夠精、足夠細，才能更實用。在這一點上，具有早期金融經驗的互聯網企業更具優勢。

以奇富科技為例，這家前身為360數科的金融科技公司，擁有超2億的私域用戶，5230萬已授信用戶，這些都是優質的數據集。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品。

例如，最新的「奇富AI - Copilot系統」不但能夠捕捉、轉寫標準的普通話，還能處理各種方言口音。他的做法類似同聲傳譯，通過融合方言信息提取模塊，在方言語音消息轉寫成文字的同時，對文字進行解碼修正。整體語音識別誤差率降低了30%以上，尤其對川渝魯豫四省的方言平均識別準確率提高了25%。

此外，當模型變小，效率就會更高。

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，用來識別小微企業主的信貸風險。奇富科技將AIGC與大模型技術相結合，客戶觸達規模提升了21.4%，授信成本優化了9%。

大模型對業務增效的邏輯，已經清晰可見。

02 大模型向產業縱深處探尋

如今，金融機構往往都想要「一輛更快的馬車」，但實際上他們真正需要的是臺汽車，這種變化需要依靠新技術來達成。

用奇富科技首席算法科學家費浩峻的說法就是，「從金融這個行業誕生以來，對技術的需求和推動，都遠超人們的想象?！?/p>

有資深業內專家認為：大模型不僅僅是為企業降低成本提升效率，最終是要演進為超級智能體，重構企業業務流程。這代表著，金融大模型的發展不僅僅局限于工具，而是需要向產業縱深處探尋，制造新的體驗。

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，保留開放生態和生長空間的同時，專精于推動現有金融場景和應用的更迭和升級。

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，使傳統信貸業務效率大幅提升。在相關產品的體驗中，最快30s就可以完成貸款審批的全流程。騰訊金融云負責人朱立強對此介紹道，「采用智能AI，邊際成本幾乎為0?！?/p>

螞蟻集團則通過「仿金融專家多智能體協同推理」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，歷經十多個推理環節，最后給出建議。螞蟻方面表示，在用足夠多的高質量指令集進行微調后，螞蟻金融大模型已經掌握95%的金融意圖識別，達到專家水平。

類似「專家級」的金融大模型，還有奇富科技推出的高級客服QI感通。該AI客服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%。

此外，如何為金融企業省錢，也是大模型向產業縱深處探尋的方向之一。

比如，騰訊為金融行業打造的OCR大模型，金融機構可以不再經過檢測、識別、結構化等多個階段進行定制，而是利用大模型自帶的閱讀理解和推理能力，直接通過TI平臺對OCR大模型進行精調。

奇富科技的毓智AI則是能幫助金融機構編寫金融軟件，使開發工作效率提升30%。雖然ChatGPT等大模型也可以代替開發人員部分的工作量，但由于金融系統對數據的安全、合規性具有較高要求，開發人員反而需要花費更多的精力來對AI生產的代碼進行糾錯。為解決這一問題，奇富科技集成了相當一部分金融特有的代碼，構成風控、交易、獲客運營等多個金融專家模型。專家模型可以根據上下文自動完成代碼片段的編寫，從而大幅降低了開發成本和開發人員的工作量，縮短軟件的開發周期，目前毓智AI編寫的代碼在安全性、可靠性、準確性和合規性方面采用率高達20%。

總而言之，以金融機構的真實需求為導向做精細化開發，依然是金融大模型的核心議題。

03 助力中小微企業發展

關于金融大模型的未來，其實并不止提質增效這一種想象。

當信息收集與處理能力得到極大提升后，助貸企業與經營主體之間的信息誤差也在降低。因此，在金融大模型的助力下，小微企業融資難的處境正在被改善。

對于現代人而言，「身份」往往是流動的。對此，奇富科技打造的小微用戶知識圖譜，從最初的強調數據廣度，轉為強調數據質量。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信息，覆蓋率達到95.1%。這一功能的升級無疑為服務小微企業帶來了更大的便利。截至2024年1季度末，奇富科技累計服務1020萬泛小微用戶。

我們常說新質生產力不是拋棄傳統產業，而是用技術改造老行業產品，以新帶舊。

在傳統融資流程中，小微企業常常因為缺少抵押物以及存在經營風險被拒之門外。

因此，小微企業所經營的產品信息、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勢，打造了小微產品知識圖譜。該圖譜收錄了1.9萬個不同領域的產品實體，能夠深入挖掘商品之間的關聯，對產品鏈路進行預測，以便更好的對產品進行估值。目前，該產品知識圖譜對現有小微用戶的覆蓋率達到81.3%。

近期《國務院關于金融工作情況的報告》指出，要「進一步加大金融支持實體經濟力度」，特別是「進一步提升新市民金融服務水平」。這背后關聯更多的是「飄在一線的夫妻店」、「等著播種的農戶」、「剛剛創業的畢業生」。對于他們來說，難的不是如何還上錢，難得是如何證明自身的償還能力，因此他們更需要新質生產力來改善處境。

而這道證明題，奇富科技已經做出答案。奇富科技的資產信用全景分析技術，僅通過小微經營者的納稅記錄、經營流水、收入證明等材料，就可以分析經營者的資產和信用狀況，并精準計算授信額度。目前，奇富資產信用分析系統支持十余種資信類別，服務了60%的小微用戶，支持優質用戶平均授信達16萬元以上，2024年Q1為泛小微用戶額外放款額超過400億元。

AI正在拉開智能經濟時代的帷幕。美國智庫「太平洋論壇」資深主任約翰·亨明斯曾評價說，數字中國建設計劃具有遠大目標，它關乎到中國在世界上的地位。

近日，斯坦福大學發布一份《2024年人工智能指數報告》，這份報告也是美國、英國和歐盟等多國政策制定者的重要參考資料。其中指出，美國AI大模型發布的數量是中國的5倍，在投融資活躍度上也有明顯優勢。但同時，中國AI專利數量占據了全球的61.1%，遠超美國的20.9%。

很多業內人士都坦言，我國AI發展從整體來看處于一個追趕美國的狀態，但是在垂直領域后發優勢明顯。中國巨大的人口規模和極高的移動互聯網普及程度，使得中國的AI研究同時擁有數據量和數據維度的優勢。

360創始人周鴻祎近日也公開表示，中美在AI上的差距主要在于「確定技術方向」上，一旦方向確定，中國的優勢是學習能力很快，在一兩年內能夠追上，在一些垂直領域超過GPT-4是完全有可能的。

當前人工智能正在從實驗室走向現實，最終將成為每個人都看得見、用得起的科技。正如半個世紀前，ATM機重構了銀行的存取業務。進入大模型時代，所有人都可以通過人工智能技術獲得更好的金融服務。

一年前，OpenAI CEO Sam Altman說過「AI將對世界帶來巨大變革，而我們應該改變經濟系統以適應它」。如今，AI作為金融領域的新質生產力，已經出現在投資、交易和每一筆支付中。一個時代的科技，終將成為下個時代的生活。