金融科技公司激战大模型

大模型一词最近在金融科技圈火了。

8月10日，北京商报记者采访了解到，截至目前，包括蚂蚁、腾讯、京东科技、度小满、奇富科技、马上消费金融等多家机构，均在紧锣密鼓布局，并已应用于获客、运营、风控、贷后服务等多个业务环节。

在业内看来，未来大模型的应用有望降低金融机构运营成本、提高运行效率，但在成本投入、可信度挑战等多个难点之下，金融大模型要大范围落地，仍有较远距离。

【资料图】

01 涉猎营销、客服等多场景

金融天然是数据密集型、技术密集型行业，但面对的挑战很多，例如银行线下网点的价值传递效率、用户体验问题，都需要机构持续创新。目前，金融机构也一直在挖掘数据价值，包括在风险、营销、运营等方面进行尝试。

有观点认为，大语言模型技术的出世，给金融行业的人工智能技术应用注上一针“强心剂”。

今年来，金融科技行业涌现“大模型热”，从多家金融机构的动作就不难窥出。例如，马上消费金融推出“三横三竖”战略。“三横”意为，通过持续学习技术、模型控制、组合式 AI系统形成的安全、合规、可信的鲁棒性决策能力。“三竖”则包括，一是数据智能、二是多模态大模型、三是实时人机协作。

马上消费金融称，目前公司已经研发了实时人机决策模型、多模态大模型、数据智能模型等，并在内部正式上线测试。在应用方面，开发了智能生成报表的工具，在场景方面，则在智能客服上已经有所涉猎。

针对大模型对业务的改进，奇富科技则介绍在去年就已进行相关探索，并于今年4月正式组建一级战略部门大模型部，其中自研的行业大模型奇富GPT，已经应用到获客、运营、风控、贷后服务等业务环节，以营销层面应用场景为例，从数据上来看，经过大模型陪练机器人的帮助，奇富科技的电销系统通话时长提升了15.1%。通话时长的拉升，意味着用户的对话体验有了明显改善。

业内认为，大模型在营销、客服、投顾、风控等领域具有广泛的应用价值，有助于金融机构提升服务效率及用户体验、优化风控决策能力、高效响应用户需求，实现金融机构经营效率及服务手段的升级转型。

中关村科金在推进大模型进度上，则分为内部研发和外部应用“两步并行”。对内加紧研发进度，对外则和合作方一同加快应用落地。

目前，中关村科金的大模型应用已有落地商用，其称通过大模型技术为智能客服产品赋能，大幅提升客服系统问答意图识别准确率和回复准确率，预期后期可减少70%以上的系统运营工作，帮助企业降本增效。

京东供应链金融科技也在近日首次揭示了大模型技术在数智化风控领域的探索情况。不同于其他的大模型，京东自研大模型未来的应用重点在于产业场景，包括在行业风险监测与预警、动产融资模式下押品准入+估值、应收融资模式下供应商信用评估、小微金融模式下中小企业信用评估等领域，均进行了相关的探索实践。

02 大模型“幻觉”问题待解

业内认为，未来，大模型的运营有望有效降低金融机构运营成本，提高运行效率。不过大范围落地仍面临挑战。例如冰鉴科技研究院高级研究员王诗强指出，主要挑战就是数据问题，由于隐私保护、信息安全等，很多数据没有对外部共享，此外，市面上存在大量劣质数据，如果用来训练大模型，会让模型变笨，在通用大模型领域，该问题尤为严重。

马上消费金融CTO蒋宁同样提及到个性化要求和隐私保护之间的矛盾。金融行业一直希望通过人工智能来实现极致的用户体验，特别是个性化的体验，但这需要个人隐私数据与大模型技术相融合，这样带来的隐私数据保护问题，目前还很难有一个解决方案。

与此同时，大模型的训练机制决定其需要大量数据来构建增强学习、强化学习的网络，让多方共同打造一个平台，基于这一平台持续贡献数据与反馈，从而让AI实现技能的进化。但目前出于数据安全考量，行业内跨组织、跨机构的数据共享机制仍然需要持续性的探索。

除此之外，目前大模型驱动下的人工智能还不具备100%精准决策能力。由于金融行业的场景并非一成不变，因此面对不可预期的外界环境和突发意外情况，大模型并不能一如既往地给出稳定举措，而这，同样给金融机构在人工智能的技术应用提出了一大挑战。

中关村科金技术副总裁张杰则告诉北京商报记者，首要要解决大模型经常出现幻觉的问题，即一本正经地胡说八道。这就需要有一个领域的知识库，让大模型知道，被问到什么问题时，要去知识库里找相关的知识。另外，训练领域大模型的时候，要防止训练过程中的遗忘问题。

“此外还有怎么能让用户更方便且低成本地使用它。无论是领域大模型、领域知识库，还是提示词，都不是一蹴而就的，都需要持续反馈迭代，这就要让客户自己具备维护能力，工具层面要做好产品设计和工程化封装。”张杰称。

奇富科技相关负责人则称，“就我们的观察来看，金融大模型在实际落地中，在风控场景下落地最难，因为风控的主场景是一个十分严谨的场景，容错率很低，而大模型当前的特性，会产生一些幻觉，从而导致理解上或者判断上产生一定的偏差，这在风控的主场景上是不能接受的。因此在风控场景下落地，我们主要切入一些需要由人工进行决策或判定的场景，以辅助人效提升，从而产生规模效果，进而影响最终业务提升”。

03 有机构探索对外输出

尽管多个难题待解，但在业内看来，大模型在金融领域仍有非常广泛的应用前景。

例如，针对后续布局，奇富科技相关负责人透露，金融行业是慎之又慎的一个行业，有着比其他行业更为严格的合规要求，需要金融机构的广泛认可和私有化部署方可大范围落地。对此，其对大模型的设想分为两个阶段，一是基于奇富GPT的金融行业大模型初步成型，再投射到各个业务角落，改善业务的各个环节；第二阶段则是金融大模型对外输出，赋能各类金融机构，同时分不同场景持续数据优化，服务于不同任务。

中关村科金则有另外一套“打法”，张杰称，“在金融领域大模型上，我们会考虑从容错性比较高的场景先入手，探索出知识助手作为一个最佳的切口点。最开始打造的是先面向企业员工赋能的知识助手的应用场景，未来其合规性得到验证和保障后，再与营销、客服、运营等系统连接，得以更广泛的应用”。

尽管多家企业布局，不过业内认为，目前金融行业大模型距离大范围落地还有较远距离。正如王诗强提到，大模型正在不断进化，垂直领域的大模型已经接近可以商业化。但是，一些企业由于研发经费有限，而训练大模型花费较高，预计会导致模型商业化有所推迟。他指出，企业开拓大模型要结合自身情况进行分析，选择应用场景。冰鉴科技推出的本立道生（Origin One）大模型，依托多年服务银行、保险客户的算法模型经验，正在智能客服、金融文档处理、国外投资产品分析方面发力。

易观分析金融行业高级咨询顾问苏筱芮同样称，金融大模型目前仍处于起步阶段，例如仍面临可信度挑战，大模型仍存在伦理、稳定性、准确性、安全性等问题；另外也有业务理解挑战，大模型基于通用知识库进行训练，进入到金融场景时还需加以更多理解；成本投入同样不可忽视，包括算力消耗、模型训练等，大模型应用成本仍较高。在她看来，对于机构来说，大模型是自身科技能力的一种体现，后续还需要测算自营布局及外部合作的投入产出比以及项目周期，切忌盲目跟风。