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%。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
