對話奇富科技CEO吳海生：金融大模型價值正從降本增效升級到高效提升業務核心收益

每經記者｜陳植    每經編輯｜馬子卿    

隨著AI大模型技術在金融行業的應用日益廣泛，其價值正從降本增效逐步升級到高效提升業務核心收益。近日，奇富科技（HK03660）CEO吳海生接受《每日經濟新聞》記者（以下簡稱“NBD”）專訪時表示，科技是驅動金融創新的關鍵，能打破傳統邊界，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與能力，而是轉向比拼AI Agent，未來金融大模型產品能否在金融行業繼續普及，需滿足三大要素：一是深耕場景，比如在客服場景，AI大模型需協助座席工作人員更精準迅速地捕捉用戶意圖；二是數據飛輪，以大模型在小微金融所構建的關系圖譜為例，通過持續迭代的數據反饋機制，確保大模型性能形成良性循環；三是多智能體協作，通過調用多個智能體協作，實現從任務優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，就難以迅速擴大業務規模等。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創造的價值正在從降本增效升級到高效提升業務核心收益，它將驅動金融行業顛覆式產品服務模式創新步伐加快，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，金融行業先后擁抱元宇宙、區塊鏈與AI大模型，有些新技術似乎顯得曇花一現。如今，AI大模型技術在金融行業的應用，是否會持續蓬勃發展？

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

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、貸后管理環節，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。

二是金融行業對個人數據安全保護與數據合規使用的要求更高，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，在用戶端會產生一些AI小模型計算，與銀行在云端的大模型聯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據隱私保護與數據合規使用等問題。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展的需求。

三是2024年以前，金融行業似乎都在比拼金融大模型的參數與能力，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年以來的標普指數走勢數據與當前走勢數據做一個比較，按照傳統做法，金融機構需要先找到一個數據源，再下載這個數據，再做一下算術平均，然后下載當前的數據行情進行比較，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底層技術需發展得足夠好；其次，金融機構需要找到適合AI Agent的業務場景，并形成相應的產品服務；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應用周期

NBD：如今在金融大模型研發投入方面，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別性，大型銀行與科技公司之間也存在區別性，科技公司與科技公司之間也存在區別性，這其實是一個普遍現象。

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占據技術優勢。所以這背后的技術鴻溝比拼，更多體現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專業人才令金融機構維持相對領先的技術優勢。

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應用周期。

NBD：當前中小銀行在研發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務從線下向線上轉型，從對公業務向零售業務轉型，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，所以他們會選擇與科技公司合作，用AI技術實現獲客、拓客、業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與業務環節的對接，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科技產品的交付時間，提升交付效率、交付質量與交付合規性，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務場景的應用成效如何，還有哪些挑戰需要解決？

吳海生：整體而言，金融大模型在金融機構業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務量保持增長，但員工數量沒有同步增長。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應用的挑戰，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常快。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。目前，不少機構仍然缺乏專業的金融大模型研發人才，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金融大模型時，特別關注投入產出比。但金融大模型的研發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公司，這個大模型研發投入將是長期巨大的，要實現很好的投入產出比難度不小；反之，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。