每經(jīng)記者｜陳植    每經(jīng)編輯｜馬子卿    

隨著AI大模型技術在金融行業(yè)的應用日益廣泛，其價值正從降本增效逐步升級到高效提升業(yè)務核心收益。近日，奇富科技（HK03660）CEO吳海生接受《每日經(jīng)濟新聞》記者（以下簡稱“NBD”）專訪時表示，科技是驅動金融創(chuàng)新的關鍵，能打破傳統(tǒng)邊界，以智能化、個性化方案滿足多元化金融需求。

隨著金融大模型不再比拼參數(shù)與能力，而是轉向比拼AI Agent，未來金融大模型產(chǎn)品能否在金融行業(yè)繼續(xù)普及，需滿足三大要素：一是深耕場景，比如在客服場景，AI大模型需協(xié)助座席工作人員更精準迅速地捕捉用戶意圖；二是數(shù)據(jù)飛輪，以大模型在小微金融所構建的關系圖譜為例，通過持續(xù)迭代的數(shù)據(jù)反饋機制，確保大模型性能形成良性循環(huán)；三是多智能體協(xié)作，通過調用多個智能體協(xié)作，實現(xiàn)從任務優(yōu)化升級到自主智能解決問題。當上述三大要素相輔相成，金融機構在大模型領域的核心競爭力將進一步升級。

一直以來，小微普惠金融普遍存在風險、成本與規(guī)模的“不可能三角”，即金融機構若要在成本可控情況下大幅擴大小微普惠金融規(guī)模，就面臨更高的信貸風險，若要追求風險與成本可控，就難以迅速擴大業(yè)務規(guī)模等。奇富科技的實踐表明，大模型技術或許能解決這個“不可能三角”難題。因為數(shù)字化、智能化技術可以重構成本結構并管控風險，這是打破上述困境的關鍵。

吳海生向記者指出，隨著金融大模型在金融行業(yè)創(chuàng)造的價值正在從降本增效升級到高效提升業(yè)務核心收益，它將驅動金融行業(yè)顛覆式產(chǎn)品服務模式創(chuàng)新步伐加快，逐步為廣大用戶提供無縫嵌入生活的高度個性化金融服務。奇富科技正深化研發(fā)金融大模型技術、加強與金融機構合作，借助AI大模型的無窮潛力，為金融行業(yè)帶來實實在在的提效。

奇富科技CEO 吳海生 圖片來源：受訪者

AI大模型技術未來將逐步從“副駕駛”走向“主駕駛”

NBD：近年來，金融行業(yè)先后擁抱元宇宙、區(qū)塊鏈與AI大模型，有些新技術似乎顯得曇花一現(xiàn)。如今，AI大模型技術在金融行業(yè)的應用，是否會持續(xù)蓬勃發(fā)展？

吳海生：在金融科技發(fā)展歷程里，的確出現(xiàn)過很多新科技，有些科技的確曇花一現(xiàn)。但AI大模型具有被金融行業(yè)廣泛應用的現(xiàn)實性。未來，AI大模型技術在金融行業(yè)廣泛應用的趨勢，將會表現(xiàn)在三個方向。

一是目前AI大模型仍在扮演“副駕駛”的角色，幫助銀行從業(yè)人員更好地提升他的能力，比如在銀行貸前、貸中、貸后管理環(huán)節(jié)，以及風控、客服、營銷等領域，都可以通過AI大模型技術增強員工的工作能力。但在未來，我們將看到AI大模型技術逐步從“副駕駛”走向“主駕駛”。

例如，目前銀行在給小微企業(yè)做信貸風控評估時，仍然不敢讓AI大模型自主決定信貸決策，但未來隨著AI大模型的推理能力越來越強，銀行風控人員將對它的自主風控決策能力更加放心，從而讓AI大模型參與到更多的信貸風控決策工作。

二是金融行業(yè)對個人數(shù)據(jù)安全保護與數(shù)據(jù)合規(guī)使用的要求更高，未來，我們將看到端側AI大模型應用的需求會變得旺盛。例如，在用戶端會產(chǎn)生一些AI小模型計算，與銀行在云端的大模型聯(lián)合起來共同計算以解決用戶的個性化金融服務需求問題，如此就能更好地解決用戶數(shù)據(jù)隱私保護與數(shù)據(jù)合規(guī)使用等問題。這種端側大模型技術可以有效連接用戶端與銀行端、用戶端與金融科技平臺端、銀行端與金融科技平臺端的各自大模型，形成較強的AI端計算能力，將特別適合中國金融科技發(fā)展的需求。

三是2024年以前，金融行業(yè)似乎都在比拼金融大模型的參數(shù)與能力，但近期我們看到一個明顯變化，就是大家開始將目光轉向比拼AI Agent能力，所謂AI Agent能力，就是銀行能否用AI將一個復雜任務執(zhí)行好的能力，它需要調動眾多程序來完成這個復雜任務，但也會產(chǎn)生巨大的價值。

例如，如果一家金融機構想將過去50年以來的標普指數(shù)走勢數(shù)據(jù)與當前走勢數(shù)據(jù)做一個比較，按照傳統(tǒng)做法，金融機構需要先找到一個數(shù)據(jù)源，再下載這個數(shù)據(jù)，再做一下算術平均，然后下載當前的數(shù)據(jù)行情進行比較，中間存在著很多操作程序。但AI Agent可以直接幫金融機構完成這些操作程序，實現(xiàn)更高的工作效率。

NBD：相比AI大模型，AI Agent具備哪些新的AI能力，幫助金融機構進一步提升金融服務水準？

吳海生：如今的AI大模型已具備眾多功能，有的能生成圖片，有的能生成視頻，但這都是單一指令，不是復雜任務，因為復雜任務涉及眾多工具的調用。例如，一個人對手機說“你要點一份某品牌火鍋的外賣”，AI Agent會在這個手機上自動打開相關app，搜索到這個品牌的鏈接，進入再點一份火鍋，下單并完成支付。所以AI Agent能幫人執(zhí)行一系列的復雜任務。

目前，已有金融機構嘗試在某些金融業(yè)務場景使用AI Agent。但它還需要具備三大條件：首先，金融機構的AI Agent底層技術需發(fā)展得足夠好；其次，金融機構需要找到適合AI Agent的業(yè)務場景，并形成相應的產(chǎn)品服務；第三，這項基于AI Agent的金融服務體驗是否足夠無感與優(yōu)雅，讓民眾喜歡這個“生活小助手”。未來，AI Agent的應用難度，不在于拼算法，而在于拼場景與用戶體驗。

科技公司助力中小銀行縮短金融大模型等新技術的研發(fā)應用周期

NBD：如今在金融大模型研發(fā)投入方面，大型銀行與中小銀行的投入有差距，這可能帶來新的“技術鴻溝”與“金融服務差距”，這種鴻溝與差距如何彌補？

吳海生：這種技術鴻溝不只是發(fā)生在大型銀行與中小銀行之間，大型銀行之間也有一定的區(qū)別性，大型銀行與科技公司之間也存在區(qū)別性，科技公司與科技公司之間也存在區(qū)別性，這其實是一個普遍現(xiàn)象。

尤其是當前科技迭代速度實在太快，每家金融機構或科技公司未必能持續(xù)占據(jù)技術優(yōu)勢。所以這背后的技術鴻溝比拼，更多體現(xiàn)在金融機構對金融大模型等AI科技的投入程度，以及是否具備足夠的AI專業(yè)人才令金融機構維持相對領先的技術優(yōu)勢。

我個人認為，要解決這個技術鴻溝與金融服務差距，未來科技公司與金融機構之間的合作空間會更多更深入，尤其是科技公司可以幫助中小銀行縮短金融大模型等新技術的研發(fā)應用周期。

NBD：當前中小銀行在研發(fā)自己的金融大模型時，與金融科技公司開展合作的意愿如何？

吳海生：據(jù)我們觀察，中小銀行在這方面的需求相當強烈。目前，很多中小銀行都在將業(yè)務從線下向線上轉型，從對公業(yè)務向零售業(yè)務轉型，但向線上轉型后，客戶在哪里？如何與客戶合作？如何對客戶進行風控評估？這都是中小銀行需要解決的一系列新挑戰(zhàn)，所以他們會選擇與科技公司合作，用AI技術實現(xiàn)獲客、拓客、業(yè)務拓展與客戶風控評估。

但與此同時，引入外部的AI等技術能力，又涉及中小銀行底層技術系統(tǒng)與業(yè)務環(huán)節(jié)的對接，所以中小銀行的內部決策鏈條會長一些。但所幸的是，我們看到越來越多中小銀行都在開展數(shù)字化轉型吸引年輕客戶，因此他們知道，未來年輕人都喜歡線上生活與智能化服務，若銀行無法提供智能化的金融服務體驗，這些年輕人就會改換門庭。

對于科技平臺而言，如何讓中小銀行了解最前沿的技術以及應用成效，如何縮小金融大模型等AI科技產(chǎn)品的交付時間，提升交付效率、交付質量與交付合規(guī)性，是科技平臺能否在這個賽道具備競爭力的關鍵。在這方面，我們的競爭力是相當高的。

通過在垂直場景領域專項訓練，可以緩解大模型幻覺問題

NBD：目前基于AI技術的金融大模型在金融機構業(yè)務場景的應用成效如何，還有哪些挑戰(zhàn)需要解決？

吳海生：整體而言，金融大模型在金融機構業(yè)務場景的應用效果是相當明顯的。尤其是在金融大模型應用方面相對靠前的機構，業(yè)務線上化程度已相當高，甚至可以做到智能化。這某種程度也能解釋為何這些年金融機構業(yè)務量保持增長，但員工數(shù)量沒有同步增長。因為大量的工作都被AI等新技術所覆蓋。金融大模型技術研發(fā)應用的挑戰(zhàn)，我個人覺得存在四個方面：

一是技術本身的成熟度，大模型技術的迭代速度非?？?。金融機構會關注自己正使用的大模型技術是否會在未來被新技術“替代”，導致投入打了水漂；

二是各家金融機構對新技術的認知度還不夠“對齊”。有些機構并不存在應用這項新技術的緊迫性，或者有這個意識但沒有真正快速應用它，將導致金融大模型技術在不同機構之間的應用效果參差不齊；

三是金融機構內部的大模型人才挑戰(zhàn)。目前，不少機構仍然缺乏專業(yè)的金融大模型研發(fā)人才，但換一個角度，金融機構未必需要將自己變成一家大模型公司，只需要用好大模型這項技術即可，所以他們需要的，是如何將金融大模型用好的專業(yè)人才；

四是大模型幻覺問題，這將是長期存在的問題，但會不斷減少。因此越來越多科技公司與金融機構都充分認識到，在一些垂直場景領域通過專項訓練，幻覺問題將比通用場景少很多。

NBD：如今，越來越多金融機構在研發(fā)金融大模型時，特別關注投入產(chǎn)出比。但金融大模型的研發(fā)投入又是一項長期工作，銀行該如何更好評估相關的投入產(chǎn)出比？

吳海生：這主要取決于金融機構對自己的定位，如果金融機構將自己定位成底座大模型研發(fā)公司，這個大模型研發(fā)投入將是長期巨大的，要實現(xiàn)很好的投入產(chǎn)出比難度不?。环粗?，如果金融機構將自己定位成大模型應用型公司，或許可以省下不少錢，也能提升金融大模型應用效率。所以這背后，還是金融機構的自身定位與技術應用路徑選擇問題。