文 | 观察团

来源 | 新经济观察团

2023年ChatGPT引爆生成式AI浪潮，全球大踏步进入人工智能时代，“百模大战”、“千模大战”于国内外同期上演，并在众多应用场景中加速落地。

作为具有大量数据沉淀的行业，金融天然就是大模型落地的首选，多家全国性银行已明确提出探索大模型的应用，部分大行也已启动自研或联合研发的金融大模型。

近日，又一家银行在年报中披露了AI大模型的产业应用进展。4月30日，网商银行发布的2023年年报指出，网商银行已在小微经营认知、产业链认知、理财客户挖掘等场景中探索AI大模型应用。为应对人工智能浪潮，网商银行正在持续加大信息技术投入与金融科技人才引进，全年科技投入占比36%，科技人才占比提升至64%。

日前，网商银行还宣布升级了产业链金融解决方案大雁系统，将大模型的知识抽取能力应用于识别产业链上下游的小微企业，从而提升金融服务的覆盖率和满足度。

01

大模型千帆竞发

基于生成式人工智能技术，银行大模型呈现千帆竞发趋势。

中国工商银行在2023年成功建立了行业内首个全面自主研发、且具有千亿参数级别的AI大模型技术体系，并在多个金融业务场景中实现了创新性应用。

在3月28日举办的工商银行年度业绩发布会上，董事长廖林强调了工商银行在深化“数字工行”（D-ICBC）战略过程中，充分利用人工智能及大模型等前沿技术手段，有效促进了工商银行数字化生产能力和效率的提升。

中国农业银行也在年报中透露，其正在通过成立人工智能创新实验室的方式，加快推进大模型技术的研究与培育工作。

中国银行则在年报中展示了该行在智慧安全防护、网店运营等方面的计算机视觉技术应用，并开始试验大模型技术在内部知识服务、自动化编程辅助等场景的可行性。

一个显著的趋势是，中国金融机构正在步入数字化转型的深水区，大中型银行的科技投入不断加大。2021年以来，六家国有大行商业银行信息科技总投入已连续三年超过千亿元，而大模型的出现则为银行数字化转型，注入了更加强大直接的新动能。

目前，这些银行更多地将大模型应用于前端的金融服务，比如对内集中在智能办公、流程自动化等环节，对外则倾向于推出智能助手、智能营销等工具。然而后端的金融决策同样至关重要，借助大模型的能力来提升金融预测和风控的精准度，是当前生成式人工智能技术革新真正具有想象力的落地方向。

就此，科技银行正在加速对大模型产业链金融的探索。

4月10日，网商银行宣布升级大雁系统，首次将大模型的能力应用于产业链金融。值得关注的是，网商银行利用大模型知识抽取能力构建产业链图谱，助力金融风控系统识别小微企业。

目前，网商银行已经通过大模型搭建了包括汽车、医疗、建筑等在内的9条产业方向的产业链图谱，识别超2100万家产业链上下游的小微企业，小微信用画像效率提升了10倍。在汽车和医疗产业链，网商银行已经将其与金融风控系统结合，提升小微企业的信贷覆盖率和满足度。

02

产业端落地瓶颈何解？

虽然各大银行都在竞逐大模型，但客观而言，当下大模型在金融行业的应用能力仍处于初级阶段。

究其原因，还是源于金融机构的数据具备高敏性，涉及客户隐私和金融安全，必须处于强监管之下，对安全性、稳定性、合规性、准确性、可靠性等指标的要求更为精细苛刻，也对他们的数据储备和分析能力、合规合法、资金实力等提出了更多挑战。

而从银行2023年年报披露信息来看，尽管大多数银行近年来纷纷将大模型作为科技投入的重心之一，但金融是强监管行业，算法容错率极低。目前生成式大模型目前最大的问题是“幻觉”，其提供的信息不一定可用，这也为大模型在产业端的落地，提出了更大的挑战难题。

那么，该如何解决大模型落地的工程难题？

新经济观察团发现，面对大模型落地难的现实，网商银行就提出了一条可行、独特的破题思路。

第一步是对大模型生成的画像标签进行评测。举个例子，企业是达人直播还是自播——大模型会判断这是小微经营信用的重要潜在因子。工程师则需要验证、测评它是不是真的可用。

具体做法是，把这个标签拿到不同的客群里验证，通过算法测算对比，看在这个标签影响下，已经完成过信用等级评定的用户群的风险是否有发生变化，从而判定它是否能作为风控参考标准。

验证的结果还要能规模化使用。比如在网商银行这个千万级小微用户的平台上，如果某个标签只能筛选出100个用户，它也不是一个能用来定义小微企业的信用维度。

第二步是指，用大模型进行提升效率，但并不生成内容直接对客。

大模型只是用来刻画客户信用，严格验证后得出经营画像，而风控决策系统经过复杂的计算和多维交叉验证，才会最终判定企业的授信额度。

“我们找到了一个方向，但还不能说现在就挖到了丰厚的宝藏。大模型的产业应用仍有很远的路要探索。”网商银行高级工程师方珂此前在接受采访时介绍，早在2023年3月，技术团队就开始尝试用大模型来解决小微企业的融资难题，这也是网商银行成立伊始的主要目标。

作为中国经济毛细血管般的存在，产业链上游和末端有着数量庞大的小微企业。国家市场监督管理总局数据显示，截至2023年5月底，全国登记在册的民营企业数量达到5092.76万户，99%为中小微企业。

然而如此庞大的经营群体，大多数仍处于金融信贷的空白地带。针对小微金融的难题，网商银行通过大模型升级大雁系统，用技术手段满足小微企业的资金需求。

03

大模型的价值，在产业链深处

网商银行将AI技术引入产业链金融的创新尝试，本质是利用大模型来构建行业图谱，提升大数据的挖掘能力。

具体来说，AI大模型在网商银行产业链金融的应用可分为两部分。

第一部分，基于大模型的知识抽取能力，大雁系统构建了一个全面的行业图谱。在图谱里，产业链不同环节的生产厂商、经销商、零部件提供商，以及最上游的原材料供应商，都能被一一识别，每个环节里分布的企业也清晰可见。

第二部分，则是利用大模型的语义理解和生成能力，将其与大模型驱动的Agent实时反馈能力叠加，就可以更好地刻画小微企业的经营和信用状况。

据了解，目前已有企业通过网商银行大模型的落地成果受益。

浙江嘉兴的丞达新材料科技有限公司，是一家制造业的小微企业，主营业务是生产高温尼龙材料。新材料研发时间长，需要资金投入，客户回款周期长达3个月，周转需要资金，这是小微经营者常见的金融需求。

在没有大模型以前，金融机构眼中丞达的画像是这样的——一家普通的小微企业，工商信息显示从事机械制造，年营业额在1000万左右。他生产的是什么，最终去往哪里并不清楚。因此，在没有品牌企业担保的情况下，金融机构很难给予丞达符合其经营需求的贷款额度。

大模型应用之后，呈达被重新看见：它生产的尼龙的材料，经过了层层加工、装配后，最终去了比亚迪汽车的绝缘层，是一家汽车产业链上的小微。

它位于浙江嘉兴平湖，浙江四大新材料基地之一，拥有完善的产业链生态与原材料优势。

丞达在这个领域是“潜力股”——手握12张专利证，被评为浙江省高新技术企业，其生产的尼龙产品的品质好，价格优。

当丞达的老板潘弈丞从支付宝里点开网商银行，申请贷款后，他获得200万的额度，解了燃眉之急。

在丞达所在的汽车产业链上，网商银行用大模型已经识别了270万家小微企业，其中100万家获得了授信。获得金融服务的用户中，64%为首次获得纯信用贷款，近3成为科创型企业，且获得了更高的额度。因为秒贷秒批的金融服务，他们在经营上实现了“0账期”，可以多接订单，每月交付量平均提升17%。

在持续火热的人工智能浪潮下，越来越多的B端企业希望借助AI大模型来提升自己的综合能力，比如大型制造企业希望了解产业链的全貌，而金融科技公司则希望创新对外服务模式。

麦肯锡测算，未来金融类企业的整体收入里有3%至5%，可以是生成式AI（GenAI）所提供的。

这也意味着，对网商银行而言，未来大雁系统的大模型升级机遇和挑战并存。

*声明：新经济观察团登载此文出于传递更多信息之目的，不构成任何建议。原创文章未获授权不得转载。