作為數據密集型行業，金融業是大模型應用落地的最優場景之一，大模型應用如何直擊金融業務“最后一公里”？近日，南方都市報、南都大數據研究院聯合琶洲實驗室、光明實驗室在廣州舉辦“勢起AI 智啟新界”大模型創新應用與安全治理大會，騰訊云天御首席科學家李超在會上圍繞“大模型構建金融風控新范式”發表主旨演講。

他指出，落地實效是大模型價值的重要評估維度，金融業就是天然的大模型效能檢驗場，數據驅動決策、模型應用已經深入前中后臺。在客戶運營精細化、黑產欺詐愈加復雜等背景下，金融風控的應對策略已經由傳統相對靜態的策略對抗，逐漸升級為更加敏捷的“模型對抗”。

騰訊云天御首席科學家李超在會上圍繞“大模型構建金融風控新范式”發表主旨演講

大模型的價值在于生產力升級

自“人工智能”概念首次提出以來，幾十年間，人工智能研究和產業螺旋上升發展，近一年來，大模型技術又將人工智能再度推向新高度。

大模型概念橫空出世，應該如何定義它？李超認為，大模型不僅僅是指大語言模型。“所謂大模型就是運用大規模預訓練技術，對海量豐富多樣的數據進行預訓練，將這些數據里面的知識沉淀在一個模型中。”李超講道，“大模型通過大量預訓練，就會具備通識能力，相比我們之前用規則、經驗設計出來的垂直模型，效果更好。”

這樣的效果主要在于生產力的升級，大模型正因其“超級生產力工具”的名號，得以在全球范圍內掀起熱潮。談及此，李超在演講中指出，“大模型可以賦能企業經營流程全鏈路智能，走向生產力升級。對企業而言，每個環節都能找到創新空間，可以讓硅基員工替代碳基員工，實現降本增效；對員工而言，人人都有個數據科學家，實現能力提升。”他舉例稱，在設計研發、生產制造、營銷、服務等環節，大模型就像鋼鐵俠造戰甲一樣人機協同，提供豐富信息數據。

因此，落地實效是大模型價值的重要評估維度，而行業大模型是提升大模型落地實效必不可少的一環。在李超看來，如果把人工智能比作一個學生，那么通用大模型相當于上了高中，學會了基本的認知能力和常識，行業大模型則相當于進入大學選專業，學專業知識。

金融風控進階至“模型對抗”時代

以金融行業的大模型為切口，李超聚焦金融行業的“命門”——風控環節解讀了大模型的應用場景。

當前，金融機構運營越來越精細化，風控策略也要隨之因人而異；另一方面，信貸欺詐黑灰產風險頻發，幾個月就得升級迭代一次風控模型。李超指出，在客戶運營精細化、黑產欺詐愈加復雜等內外夾擊之下，金融機構風控建模的壓力越來越大。而金融風控的應對策略已經由傳統相對靜態的策略對抗，逐漸升級為更加敏捷的“模型對抗”。

李超指出，金融業數字化應用已經非常深入，數據價值的挖掘、數據驅動決策等應用已經深入金融業務的前中后臺。“在前臺，人臉識別、OCR技術使得遠程銀行成為可能，而大模型的加成，使得智能客戶服、智能營銷有了更多的想象力。在后臺，我們的程序員可以應用大模型進行智能代碼生成、智能代碼補全，大大提高程序員的編程效率。智能告警管理也能讓我們大大縮短故障的響應時間，控制故障范圍。”李超詳解了大模型應用如何在前中后臺驅動金融業務智能化進階，“而在中臺，大模型的作用更加關鍵，從智能反洗錢、智能審計和風險賬號的智能識別，到逾期風險的預測，都非常需要精準的風控模型進行智能風險評估。”在他看來，基于風控大模型的自動化建模技術，可以幫助金融機構敏捷迭代既有豐富風控知識沉淀、又適配具體業務場景的風控模型，實現風險的動態治理。

據他介紹，騰訊云金融風控大模型，融合了騰訊安全大量風控建模專家的經驗，20多年沉淀的海量欺詐知識與多場景風控模型能力，吃百家飯，學百家藝，通過大量預訓練與知識蒸餾方式，幫助金融機構根據自身信貸場景特點與產品客群特征，快速構建定制化的反欺詐風控模型。

目前，騰訊云天御已經和頭部客戶聯合共建了近百個定制化的風控模型。根據測算，基于騰訊云金融風控大模型生產的定制風控模型，相比傳統方案反欺詐效果（模型區分度，KS）提升了20%。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：