作为数据密集型行业，金融业是大模型应用落地的最优场景之一，大模型应用如何直击金融业务“最后一公里”？近日，南方都市报、南都大数据研究院联合琶洲实验室、光明实验室在广州举办“势起AI 智启新界”大模型创新应用与安全治理大会，腾讯云天御首席科学家李超在会上围绕“大模型构建金融风控新范式”发表主旨演讲。
他指出，落地实效是大模型价值的重要评估维度，金融业就是天然的大模型效能检验场，数据驱动决策、模型应用已经深入前中后台。在客户运营精细化、黑产欺诈愈加复杂等背景下，金融风控的应对策略已经由传统相对静态的策略对抗，逐渐升级为更加敏捷的“模型对抗”。
腾讯云天御首席科学家李超在会上围绕“大模型构建金融风控新范式”发表主旨演讲
大模型的价值在于生产力升级
自“人工智能”概念首次提出以来，几十年间，人工智能研究和产业螺旋上升发展，近一年来，大模型技术又将人工智能再度推向新高度。
大模型概念横空出世，应该如何定义它？李超认为，大模型不仅仅是指大语言模型。“所谓大模型就是运用大规模预训练技术，对海量丰富多样的数据进行预训练，将这些数据里面的知识沉淀在一个模型中。”李超讲道，“大模型通过大量预训练，就会具备通识能力，相比我们之前用规则、经验设计出来的垂直模型，效果更好。”
这样的效果主要在于生产力的升级，大模型正因其“超级生产力工具”的名号，得以在全球范围内掀起热潮。谈及此，李超在演讲中指出，“大模型可以赋能企业经营流程全链路智能，走向生产力升级。对企业而言，每个环节都能找到创新空间，可以让硅基员工替代碳基员工，实现降本增效；对员工而言，人人都有个数据科学家，实现能力提升。”他举例称，在设计研发、生产制造、营销、服务等环节，大模型就像钢铁侠造战甲一样人机协同，提供丰富信息数据。
因此，落地实效是大模型价值的重要评估维度，而行业大模型是提升大模型落地实效必不可少的一环。在李超看来，如果把人工智能比作一个学生，那么通用大模型相当于上了高中，学会了基本的认知能力和常识，行业大模型则相当于进入大学选专业，学专业知识。
金融风控进阶至“模型对抗”时代
以金融行业的大模型为切口，李超聚焦金融行业的“命门”——风控环节解读了大模型的应用场景。
当前，金融机构运营越来越精细化，风控策略也要随之因人而异；另一方面，信贷欺诈黑灰产风险频发，几个月就得升级迭代一次风控模型。李超指出，在客户运营精细化、黑产欺诈愈加复杂等内外夹击之下，金融机构风控建模的压力越来越大。而金融风控的应对策略已经由传统相对静态的策略对抗，逐渐升级为更加敏捷的“模型对抗”。
李超指出，金融业数字化应用已经非常深入，数据价值的挖掘、数据驱动决策等应用已经深入金融业务的前中后台。“在前台，人脸识别、OCR技术使得远程银行成为可能，而大模型的加成，使得智能客户服、智能营销有了更多的想象力。在后台，我们的程序员可以应用大模型进行智能代码生成、智能代码补全，大大提高程序员的编程效率。智能告警管理也能让我们大大缩短故障的响应时间，控制故障范围。”李超详解了大模型应用如何在前中后台驱动金融业务智能化进阶，“而在中台，大模型的作用更加关键，从智能反洗钱、智能审计和风险账号的智能识别，到逾期风险的预测，都非常需要精准的风控模型进行智能风险评估。”在他看来，基于风控大模型的自动化建模技术，可以帮助金融机构敏捷迭代既有丰富风控知识沉淀、又适配具体业务场景的风控模型，实现风险的动态治理。
据他介绍，腾讯云金融风控大模型，融合了腾讯安全大量风控建模专家的经验，20多年沉淀的海量欺诈知识与多场景风控模型能力，吃百家饭，学百家艺，通过大量预训练与知识蒸馏方式，帮助金融机构根据自身信贷场景特点与产品客群特征，快速构建定制化的反欺诈风控模型。
目前，腾讯云天御已经和头部客户联合共建了近百个定制化的风控模型。根据测算，基于腾讯云金融风控大模型生产的定制风控模型，相比传统方案反欺诈效果（模型区分度，KS）提升了20%。
