随着大模型技术的快速发展，其在金融领域的应用逐渐受到关注。尽管大模型在C端市场的应用热火朝天，但在B端市场，仍处于探索偏冷的态势。少数应用在金融领域的场景，通常以智能客服或智能办公为主，缺乏真正介入核心业务环节的探索。
供应链金融尤其是无担保的下游业务，运营管理复杂、风控难度高，造成成本高企，是行业公认的业务“硬骨头”。《中国经营报》记者了解到，今年以来，一些供应链金融市场参与者正在尝试将大模型技术用于供应链金融业务的核心环节，以期解决这一难题。
在金融业务中，尤其是风险控制方面，以大语言模型为基础的通用 人工智能 虽然具有一定价值，实际的应用效果和价值仍有待验证。这些技术突破是否能够真正解决产业链中的问题？面对巨大的算力投入，如何平衡成本和效率？
网商银行信息科技部副总经理方珂在接受《中国经营报》记者采访时表示，目前在业务中，虽然大模型已经可以为金融风控进行一些重要辅助，但风控系统仍然是大模型的“守门员”。客户量、数据与风控能力沉淀，对某一类客群认知的积累，才是构成用大模型探索更深条理金融应用的条件。
大模型试水风控“辅助”
随着 人工智能 （AI）在生产、库存、运输等产业链各个环节的全面渗透，IDC预测，到2026年，五成全球2000强企业将使用AI工具来支持产业链流程设计，企业运营成本将至少降低 5%。到2026年，25%的金融机构将使用生成式AI，助力金融服务在产业链的生产、制造、流通、消费等各个环节领域深度融合。
作为AI工具中最具关注度的大模型，到底能否在金融核心业务中施展作用一直是市场讨论的焦点。不过，理解大模型应用的价值，先要理解产业链金融遇到的困境。
在最近举行的2024数字产业链金融领域峰会上，网商银行行长冯亮举了一个例子：一家一般的小微企业，工商信息显示从事机械制造，年营业额在1000万元左右。这是根据工商信息和企业数据，一家制造行业小企业在金融机构眼中经常生成的画像。以往方式下，这家公司生产的是啥，最终去往哪里其实不清楚。如果向银行申请信贷服务时，通常需要抵押房产，并等待至少一周时间。
“除非安排人力去实地尽调，不然在没有品牌企业担保的情景下，金融机构很难给予符合其经营需求的贷款额度。”冯亮表示。
上述类似中小企业如何能在产业链的视角下有更多维度的信息在线上“看见”，且不走上传统金融机构线下风控（对应了更高的融资成本）的老路子？2023年3月开始，网商银行技术团队尝试用大模型来处理这一问题。
大模型在这一进程中主要处理的是风控之前“精确识别”的问题。
方珂在接受记者采访时表示，通过把海量企业、工商等信息交给大模型去“计算”，大模型可以用知识抽取能力，从海量信息中形成产业链图谱，再通过多模态数据融合、协同推理等技术识别小微企业的主要业务，将其精准挂载到产业链上。好比汽车产业链，大模型最终可以“看到”发动机厂商、4S店、轴承厂商等环节，然后看见每个环节分布着哪些企业。
通过这种方式，网商银行大雁系统识别到了前述小企业更多的信息——这家生产高温尼龙材料的企业拥有12项专利，是浙江的高新技术企业。而高温尼龙是汽车电子元器件上的关键原材料，用于保护连杆器核心电子器件的绝缘层。从产品供应客户看，该企业的产品辗转几个环节最终去到了 比亚迪 汽车，因此算是 新能源 车企供货商的供货商。
另外，在地域上，可以识别到该公司所处的产业带是浙江嘉兴平湖，是我国四大高 新材料 的聚集地，这一地域的企业业务相对稳定性更强。
“这些颗粒度更细的数据最终可以让风控系统‘看到’更精确的企业画像，为线上风控决策系统进行极为重要的辅助。”方珂向记者表示。
记者了解到，这种将大模型用于金融核心业务的“辅助”，市场上的供应链金融科技参与者也进行了不同方向和水平的尝试。
联易融相关责任人在接受记者采访时表示，大模型在供应链金融中应用后主要提升了产业信息整合与交易分析的效率，实现智能化风险评估，从而进一步降低融资及运营成本。据其透露，目前其内部研发的供应链金融GPT模型已运用在与一家大型外资银行合作的AI智能审单科技项目中。
与此前的风控方式相比，大模型的优势表现在处理各种复杂文档及适应不同业务需求上。“好比在上述审单项目中使用的供应链金融GPT模型，我们在通用大模型基础上，用近200万张各个专业领域的文档图片对供应链金融GPT模型进行了重新训练，训练数据涵盖合同、商业发票等关键文档类型。从结果看，大模型在要素识别与定位、规则基于语义的比对等方面表现出了更精确的能力，同时单次调用成本低至几分钱，成本效益突出。”该责任人表示。
京东供应链金融科技相关责任人向记者透露，目前正在探索将大模型用于行业风险监测与预警、动产融资模式下押品准入+估值、应收融资模式下供货商信用评估、小微金融模式下中小企业信用评估等场景的实践。
大模型的“能”与“不能”
大模型技术用于金融核心业务环节时，其仍有应用的界限。好比，在前述网商银行实际应用中，没有用大模型的生成能力直接与客户交互。大模型绘制的产业链图谱会向风控系统提供客户识别、经营评分和画像，但最终小微经营者获得的贷款额度，仍然是风控系统多维度交叉验证的结果。
大模型解决的是更精确地识别问题，而不是最终的决策。
IDC中国副总裁兼首席分析师武连峰在接受记者采访时表示，大模型高价值应用，最关键的是找到适当的场景。它至少务必满足两个条件，一个是需要对 海量数据 进行研究分析，另外一个是需要价值昂贵的专家知识。
如何理解这种昂贵的专家知识？网商银行行业金融一部汽车及医疗总经理杨希望对记者说，好比要去识别中小微制造企业，哪些是给汽车产业链供货而不是其它产业链，基础数据之外，要知道企业需要具备哪类资质认证，满负荷运转时候的水电需求是啥水平，这些都需要前端业务人士通过大量调研形成“认知”。然后再去把该类精湛的知识“投喂”给大模型，模型再根据计算机或风控能够明白的语言去“跑出来”。
另外，由于大模型相信大伙都明白的“幻觉”问题，一旦判断失误将会造成严重损失或风险传导。因此，用于金融领域时务必要面对更顶级别的制约。与图文生成一类大模型应用相比，金融大模型应用务必经过严格备案。
在方珂看来，风控系统是“神经中枢”，也是大模型的“守门员”。最终决定一家机构风控水平的，仍然是其客户量、数据与风控能力沉淀和对某一类客群认知的积累。
目前，业内人士也普遍认同大模型的确有助于推动风控算法精确度的提升。萨摩耶云科技集团开创人林建明向记者表示，虽然大模型的爆款应用是图文交互类，但在风控环节应用时其实不是直接调用整个通用大模型，而是拆解大模型的一些关键算法再去训练金融机构的内部数据——让大模型将海量的非结构性数据“结构化”，做好标签，的确有可能让风控得到更精确的变量。
他在最近出版的《AIGC重塑金融：AI大模型驱动的金融变革与实践》一书中也预判，未来AIGC的市场服务方可能会逐步走向类似SaaS付费模式——将模型能力结构化后封装在软件服务里，为金融机构按需定制。
不过记者了解到，目前市场上真正将大模型运用于风控等核心领域的金融机构凤毛麟角。除了技术投入实力外，一个重要因素是金融领域对于安全和风险底线要求更高，新技术的研发应用流程较慢。
好比在通用大模型的使用和部署上，由于金融机构数据不出域等限制，一定水平对其部署节奏有所影响，“从头开始自己做训练非常难，目前大部分机构会选择开源的条件大模型，再结合自己的数据做微调，训练成‘自研’模型，但这种模型也面临着一定瓶颈。”武连峰表示。
成本反而不是制约金融机构最重要的关键因素。据武连峰透露，通用大模型训练时需要大量高质量数据，如果金融机构运用通用大模型作为底层模型且不再进行太多预训练，直接做推理或微调，数据量需求其实不算大。“好比只要高质量地标注500条、1000条左右的数据，模型提升效果就会有5%到10%。”
他判断，2024年仍然是金融机构围绕大模型基础设施和解决方案的投入年，未来两到三年才会真正进入产出期。