社区

ChatGPT的横空出世让大模型走向“舞台中央”，大模型应用正进入一个百花齐放的时代。金融是AI大模型率先落地的垂直领域之一，当狂飙突进的AI大模型遇到金融，将擦出怎样绚烂的火花？为了推动大模型的落地，除了“大”以外，人们还要关注什么？这股新的AI浪潮将带来哪些新的机遇，又将塑造出怎样的产业格局？

带着这些议题，百融云创CEO张韶峰，以公司实践讲述AI大模型与金融这场命中注定的邂逅。

以下为《证券市场周刊》报道原文：

ChatGPT的爆火催生了“百模大战”，同时也引领了生成式人工智能（AIGC）技术发展浪潮。我们正在昂首阔步走进大模型时代，人工智能对于金融领域的影响和赋能程度将继续深化。但AI算法是否会万众归于“生成式”，答案或非如此绝对。

“AIGC算法在金融数据建模和智能交互方面，展现了显著优势；在信用评分和欺诈检测等方面，判别式AI技术更具实力。将两种算法深度融合，可以灵活应对不同的金融场景和需求，在追求高效率和高性能之间达到最佳平衡。”近日，在中泰证券举办的策略会上，百融云创CEO张韶峰如此表示。

张韶峰认为，AI在金融行业的应用正在向2.0时代演进，也即从分析判别型向内容生成式进化，但同时，这一技术的革新不是一个非此即彼的过程。“AIGC技术在许多领域具有显著的优势，但不是所有的问题都可依靠它解决。”

在从AI1.0向2.0时代迈进的过程中，百融云创是见证者，更是积极的参与者。成立九年来，百融云创凭借强大的智能分析能力和深刻的行业洞察，将自研AI技术与金融业务深度融合，一站式全链路赋能金融机构数字化转型。

当AI与金融邂逅

技术浪潮推动行业数智化

AI与金融之间的交融已经进行了很多年，金融业天然的风险属性、服务特性为AI的落地应用提供了广阔的土壤。有统计显示，近十年，受益于判别式AI等技术的长足进步，AI在金融领域的应用大幅提升，其中IT部门的应用占比超过了60%。

判别式分析技术能够帮助金融机构更好地进行智能分析与决策。有这样一个例子，一家国有银行委托百融云创帮助其分析5000个已确认的欺诈样本。通过复杂关系网络模型，百融云创成功地挖掘出了与这些样本相关联的9000余个团伙欺诈客户。在这些欺诈客户中，有83%的人在申请贷款时已被银行拒绝，但仍有17%的人成功获得了贷款，这导致银行整体坏账水平陡然上升。

“如果银行在贷前采用基于复杂关系网络的机器学习算法，便有可能识别并拒绝这些高风险客户，有效降低银行的坏账率。”张韶峰介绍。

借助复杂关系网络，百融云创将现实世界中错综的人际关系抽象成图谱。这样一来，便能实现对客户的“升维认知”，将原本错综复杂的客户管理问题转化为清晰、可视化的拓扑网络。利用关系图谱，百融云创对欺诈风险识别的准确率可接近90%，对团伙欺诈的违约率预测可提升4到10倍。

在张韶峰看来，过去十年来，基于知识图谱、机器学习构建的复杂关系网络是AI在金融领域的重要技术基石，同时也代表着AI1.0时代中判别式分析的典型应用成果。

“关系图谱系统能保持高达tps6000以上的高性能计算。”张韶峰介绍，目前关系图谱系统已经广泛应用于反欺诈、贷后管理等领域，为金融行业提供了强大的支持，并有助于挖掘和防范金融风险。

不仅如此，在风险评估、信用评级等多个领域，均有判别式AI技术在发光发热。借助先进的机器学习技术，百融云创将客户的行为信息等弱变量与金融活动产生强关联，得以准确预测潜在的信用风险，帮助金融机构优化资源配置。

判别分析到内容生成

AI与金融间深入融合

如果说机器学习、知识关系图谱是AI技术在金融领域的第一代应用，那么内容生成（AIGC）则代表了AI应用步入新的阶段。

AI2.0时期的典型特征体现在，交互任务从函数复杂转化到拓扑结构复杂，借助Transformer注意力机制得以进一步拟合人脑学习方式，最终实现自然语言处理（NLP）任务突破性进展。在NLP等先进技术的加持下，AI对金融领域的赋能实现了从智能分析到信息生成的全面升级。

张韶峰介绍，百融云创早在2018年便成立了人工智能实验室，锚定AIGC技术为公司的新一轮技术发展曲线。然而，彼时这一技术尚处于初期发展阶段，如今风靡全球的现象级爆款ChatGPT也在萌芽期。所以，业内对于生成式AI的认知局限于其智能性和实用性，并未提升到产业变革的高度。

伴随着AIGC技术逐渐走向台前，百融云创也已经累积出丰富的技术研发实力。截至目前，百融云创人工智能实验室基于智能语音识别、NLP、自动化机器学习（AutoML）、深度学习、隐私计算等技术以及Transformer、模型性能调优、复杂神经网络等底层算法的研发布局，将生成式AI赋能到智能客服、智能营销、贷后管理等业务领域。

其中百融云创智能语音机器人基于Transformer架构搭建的算法模型，对客户语音识别的准确率能达到99%以上，在语义理解方面，则全面使用了ChatGPT同源的预训练模型，可以在最小化人工成本的前提下实现多轮对话。

在中泰策略会现场，张韶峰播放了多段智能语音机器人在财富管理、金融营销、保险等领域的交互应用。从效果来看，无论是音色、情感、语速还是对话层面，智能语音机器人都能够提供“真人级”的互动体验。

张韶峰介绍，百融云创智能语音机器人内置了软交换（FreeSWITCH）、ASR（自动语音识别）、TTS（文字转语音）、NLP等技术，每日进行超过亿级规模的自动交互，该交互频次规模领先业内。

具体到金融场景，某国有大行在零售业务条线中引入百融云创智能语音机器人之后，成本大幅降低，相比纯人工工况，“IVR+人工”模式节省成本约50%，“IVR”模式则可节省成本约90%，而且两种模式考核结果接近人工服务标准的90%至95%。

大模型时代

垂类服务商迎来新的发展机会

乘着ChatGPT浪潮，大量资本和机构纷纷涌入人工智能产业，市场对于这一产业的技术走向也变得“唯生成式”而论。然而，这是否契合技术演进的客观规律呢？张韶峰对此不置可否。他认为，“在金融领域，AIGC与判别型算法共同发挥着重要作用，二者结合方可兼顾效率和效果。”

“AIGC虽然强大，还不足以应对金融行业面临的所有挑战。”张韶峰说，AIGC算法在智能分析、财富管理等方面展现出优势，而判别型算法则可以在风险识别、信贷评估等方面预测分析潜在的金融风险。

张韶峰举例解释道，百融云创的智能运营业务线的核心技术同时包括三类AI算法：分别是分析判别和预测类算法、AIGC以及智能交互技术。

智能运营业务是金融机构数字化转型的关键一环，聚焦于对存量客户的深度经营。资料显示，百融云创智能运营业务线不仅能够帮助金融业实现业务中的分层、定制化、人机耦合及系统自我优化等环节的增效目标，同时还拥有为其开发的ASR、NLU、TTS模型底层调优策略，定制集成到其他软交换系统中，大幅减少传统技术带来的网络数据传输消耗，从而提供多场景的运营赋能。

根据百融云创此前发布的2022年年度报告显示，去年该公司智能运营业务收入同比增幅超140%。财报同时显示，百融云创2022年实现营收20.54亿元，同比增幅为27%；经调整后净利润达2.94亿元，同比增幅108%。公司毛利达到14.81亿元，毛利率高达72%。

在张韶峰看来，当前面对金融行业数智化转型的迫切需求，需要打好多元化的AI技术组合拳，才能更好捕捉市场微妙变化，为金融机构提供更精准的风险预警。

值得注意的是，虽然AI技术应用不应局限于单一方向，但当前AI产业的发展轨迹却呈现出趋同化现象，即人工智能正在义无反顾的沿着大模型的道路前进，这引发了市场对于大模型与垂直领域模型如何有效协同的思考。

对此，张韶峰认为，唯有行业整合才能充分发挥各自优势：大模型拥有广泛的知识覆盖和卓越的文本生成能力，但缺乏特定领域的深度理解；相反，垂直领域模型针对某一细分领域可展现出更高的专业性与精准度。“未来，大模型与应用层垂直领域模型有望共塑行业格局。”