近日，睿智科技軟件事(shì)業部總經(jīng)理鄭靖雯與解決方案總經(jīng)理王文香受邀‍參加騰訊主辦的“大模型與數據要素時代的數字金融發(fā)展論壇”。王文香在論壇帶來《零售信貸全生命周期大數據風控的最佳實踐》主題分享。

本文轉載自騰訊雲TVP《技術引領，策略升級：騰訊雲與你共探數字金融新篇章》

2024 年 3 月 27 日下午，在北京騰訊總部，一場關于大模型與數據要素時代數字金融發(fā)展的深入讨論火熱進(jìn)行中。【TVP 走進(jìn)騰訊：大模型與數據要素時代的數字金融發(fā)展論壇】是在騰訊二十年發(fā)展曆程和數字化實踐的基礎上，進(jìn)一步探索科技如何引領高質量發(fā)展的重要嘗試，旨在探讨數字金融領域的前沿動态、技術創新和未來發(fā)展路徑，彙集了騰訊雲 TVP 和行業頭部機構的專家學(xué)者，圍繞著(zhe)大模型和數據要素的發(fā)展趨勢和最佳實踐，共同繪制數字金融的發(fā)展藍圖。

“科技創新逐漸成(chéng)爲一種(zhǒng)新的變量，引領整個企業高質量發(fā)展最大的增量。”主持人騰訊金融雲商務總監 李舒君在開(kāi)場時說道(dào)。本次論壇是對(duì)過(guò)去科技成(chéng)就的回顧，也是對(duì)未來創新方向(xiàng)的擘畫。在這(zhè)個大模型和數據要素不斷演化的時代，每一位參會(huì)專家都(dōu)是自己領域中的領航者，他們的實戰經(jīng)驗和深入洞察，將(jiāng)爲本次論壇提供極具參考性和前瞻性的指引。

吳悅甯認爲，中國(guó)經(jīng)濟的轉型爲新質生産力的培育和形成(chéng)提供了難得的機遇。他強調，大數據、人工智能(néng)等新技術正在爲多個行業賦能(néng)，成(chéng)爲科技自立自強的先鋒。吳悅甯還(hái)詳細說明了國(guó)家層面(miàn)出台的多項政策，旨在推動大數據和人工智能(néng)行業的發(fā)展，加快構建數據要素市場，提升自主供給能(néng)力。最後(hòu)，他強調了數據和人工智能(néng)價值的核心在于應用，并分享了騰訊在大數據和人工智能(néng)領域的實際應用案例，同時期待與行業專家和學(xué)術界共同思考和探索，共同努力推動新質生産力的發(fā)展。

此外，唐昕龍在演講中還(hái)強調了數據資産的認定和應用對(duì)于企業及行業轉型的重大意義。在去年年底，中國(guó)國(guó)家數據局聯合其他部委發(fā)布了數據要素 × 三年行動計劃，旨在放大、疊加、倍增數據要素的效應，將(jiāng)數據作爲關鍵的數字經(jīng)濟要素來推動高質量發(fā)展。例如，有的企業和機構正在積極探索如何將(jiāng)數據資源進(jìn)行評估和确認爲資産，進(jìn)而用這(zhè)些數據資産作爲投資、融資和業務發(fā)展的基礎。這(zhè)一變革不僅限于高科技或互聯網企業，也逐漸影響到傳統行業。他還(hái)提到數據資産在财務報表中的确認和入賬對(duì)企業估值的潛在影響。如原本被(bèi)視爲輕資産公司的互聯網企業，通過(guò)确認數據資産，可能(néng)在财務上展現出更加堅實的資産基礎。他指出，這(zhè)種(zhǒng)轉變不僅提升了數據本身的價值，也爲企業帶來了新的發(fā)展機遇和挑戰。

接著(zhe)，他深入分析了“人工智能(néng)+”在中國(guó)的發(fā)展趨勢與應用，指出中國(guó)和美國(guó)的不同表現。他提到，美國(guó)的人工智能(néng)發(fā)展重點在于 C 端應用，如文本、圖像處理、視頻内容創作，甚至音樂制作等，而中國(guó)則更加注重人工智能(néng)技術在産業垂直領域的深入應用，旨在實質性提高不同産業的生産力。唐昕龍強調，中國(guó)的這(zhè)種(zhǒng)“又沉又重”應用方式，可能(néng)爲産業提升帶來更高的價值。此外，他還(hái)提到各地政府正在積極推動“人工智能(néng)+”策略，深圳和上海等城市已經(jīng)將(jiāng)其納入“十四五”規劃，展現了國(guó)内對(duì)人工智能(néng)應用于産業發(fā)展的高度重視。而中國(guó)的領先企業，如騰訊，正在專注于如何將(jiāng)其模型和技術應用于實際産業中，例如金融行業、供應鏈金融和消費金融等，以此推動行業的效率和發(fā)展。

王超的演講主要圍繞《以數字金融爲支撐，做好(hǎo)金融五篇大文章》展開(kāi)。他首先提到，數字金融應當被(bèi)視爲金融五篇大文章的技術底座，涵蓋硬件技術如雲計算，以及各類軟件和數字技術，包括 AI 技術。數字金融不僅面(miàn)向(xiàng)銀行提供服務，而且涵蓋廣泛的非銀金融機構，是金融機構數字化轉型的基礎。

王超解釋了五篇大文章的概念，包括科技金融、綠色金融、普惠金融、數字金融和養老金融。這(zhè)些方面(miàn)涉及金融領域的不同部分，其中數字金融作爲基礎，涉及硬件技術、軟件技術和 AI 技術等，但核心都(dōu)建立在數字金融化的技術之上。例如，科技金融不僅依靠銀行，還(hái)需要資本、基金等多方面(miàn)的支持；綠色金融則圍繞節能(néng)減排技術，實現高質量的發(fā)展；普惠金融的發(fā)展受益于互聯網公司的大數據模型和建模；已在老年人群體中廣泛應用。養老金融則是對(duì)個人養老服務的重視。

最後(hòu)，王超還(hái)讨論了數字金融在金融數據采集與整合、數據計算與處理、數據算法與建模等方面(miàn)的應用。他特别強調了數據應用與保護的重要性，指出金融行業需要平衡數據共享和個人隐私保護，以及數字金融如何幫助實現無場景不數據，無場景不金融的願景。

她詳細描述了不同金融機構在零售金融市場中的角色和地位，如銀行、互聯網金融平台、消費金融公司和汽車金融公司等。王文香特别強調了這(zhè)些機構在風險管理和産品創新上的不同策略。她還(hái)提到了數字金融市場的不同參與者，從大型銀行到小貸公司，每個機構都(dōu)在嘗試通過(guò)創新的金融産品和服務來應對(duì)市場挑戰。王文香深入探讨了金融機構如何進(jìn)行有效的風險控制，并特别強調了大數據技術的關鍵作用。她提出了幾個關鍵領域來優化金融機構的全面(miàn)風險管理體系：

● 風控體系的構建：這(zhè)個體系應該充分利用大數據技術。風控體系的根基在于有效地利用内部和外部數據，并將(jiāng)這(zhè)些數據整合到風險評估和管理決策中，一個全面(miàn)且靈活的風控體系包括數據采集、系統平台支持、決策科學(xué)體系的建立和專業團隊的構建；

● 決策科學(xué)體系的搭建： 構建一個精細化的決策科學(xué)體系對(duì)于風險管理至關重要。這(zhè)涉及到使用先進(jìn)的分析和建模技術來支持更準确和科學(xué)的決策過(guò)程。這(zhè)個體系應該能(néng)夠提供清晰的風險評估，幫助金融機構更好(hǎo)地理解和管理其貸款組合的風險。

● 風險評估模型的應用： 能(néng)夠捕捉和分析大量數據，從而提供對(duì)潛在風險的深入洞察。這(zhè)些模型需要定期更新和優化，以确保它們反映市場的最新趨勢和變化；

● 數據驅動的風險管理：通過(guò)利用大數據和高級分析工具，金融機構可以更準确地識别風險并采取預防措施；

● 風險管理的持續優化：風險管理是一個持續的過(guò)程，需要金融機構不斷地評估和調整其策略和工具，以應對(duì)市場的不斷變化。

首先，張翔對(duì)大模型技術的發(fā)展路徑進(jìn)行了深入的分析，指出大模型的快速進(jìn)步和趨向(xiàng)多模态的發(fā)展趨勢，強調了這(zhè)些模型能(néng)夠處理複雜的數據類型（如音頻、視頻）并越來越接近于人類的理解方式。大模型的發(fā)展正越來越快，模型的叠代加速，标志著(zhe) AI 技術邁向(xiàng)更高級别的智能(néng)。

對(duì)于大模型在金融領域的實際應用場景，張翔列舉了多種(zhǒng)金融場景中的大模型應用，例如輿情管理、内部知識管理、風險控制等，展示了大模型技術如何深入到金融行業的各個方面(miàn)。值得注意的是，張翔強調了“提示詞工程”的重要性，這(zhè)是利用大模型技術的關鍵環節。通過(guò)精準的提示詞，可以引導大模型提供有用的輸出，從而更好(hǎo)地适應特定的業務需求。他提到，這(zhè)種(zhǒng)技術已被(bèi)廣泛應用于多個國(guó)外知名 App，比如遊戲 NPC 和文本編輯輔助。在金融領域，這(zhè)種(zhǒng)技術同樣(yàng)具有廣泛的應用前景，例如在風險評估、客戶服務等領域。另外，他還(hái)提到“搜索增強型”(RAG)模型的概念。這(zhè)種(zhǒng)模型通過(guò)結合搜索技術，增強了大模型處理長(cháng)文本和複雜數據的能(néng)力，爲金融分析和決策提供了更強的支持。

在談及企業如何利用大模型時，張翔指出，企業應根據自身需求和資源選擇适合的模型規模，并強調了透明性和可解釋性在模型應用中的重要性，還(hái)需要對(duì)模型進(jìn)行持續地優化，并建立相應的技術、人才和數據基礎以支撐模型的應用。

在現場提問中，張翔還(hái)回答了關于“大模型可信度”的問題。他表示，首先要考慮的是大模型的透明性和可解釋性。要解決這(zhè)個問題，依賴于模型廠商對(duì)模型價值進(jìn)行的強化訓練和相應措施。實際應用中，首先要确保模型不會(huì)對(duì)産業品牌或公司品牌提出危害性問題，這(zhè)需要通過(guò)安全隔離的措施來實現。其次，要确保模型回答的相關性，即問題的預期回答範圍。可以通過(guò) RAG 等工程手段，對(duì)常見問題進(jìn)行聚類和限制，使得模型的回答在預期範圍内。

對(duì)于不同結果的出現，主要原因可能(néng)是由于模型訓練時使用的數據集的時間基線不同。例如，使用 10 年前的數據集訓練，模型可能(néng)會(huì)回答出 10 年前的信息。此外，存在所謂的“模型幻覺”，即模型可能(néng)會(huì)産生不準确的回答。針對(duì)特定領域的問題，可以通過(guò)數據範圍的限定，結合工程應用，提高準确度，并在回答中明确引用的數據出處。

首先，劉繼峰提到，國(guó)家層面(miàn)的數據政策，特别是“數據二十條”，爲數據的所有權、使用權和收益權提供了法規基礎。這(zhè)一政策強調了數據流通和利用的重要性，這(zhè)是實現數據要素高質量流動的關鍵。接下來，他提到财政部關于數據資産入表的政策，這(zhè)标志著(zhe)數據交易將(jiāng)被(bèi)納入稅收體系。他還(hái)提及國(guó)家數據局的成(chéng)立，它將(jiāng)負責整體的數據基礎設施和制度建設。劉繼峰強調，數據局對(duì)于 12 個重點行業和 300 個場景的聚焦是對(duì)數據質量和行業應用的重視。

對(duì)于企業而言，特别是在金融領域，劉繼峰闡述了如何構建和利用數據平台。他提出滿足監管合規和業務發(fā)展需要數據處理平台應具備“1024”的能(néng)力：其中“1”代表多數據源統一彙聚到湖内及數據經(jīng)過(guò)整合後(hòu)具備權威性、準确性及一緻性的能(néng)力；“0”代表數據靈活及彈性的部署能(néng)力，可以部署在雲主機、裸金屬、容器及物理機；“2”代表兩(liǎng)種(zhǒng)批量和實時兩(liǎng)種(zhǒng)數據處理方式；“4”代表四種(zhǒng)服務形态，批量視圖類、API 類、實時類、圖形化類四種(zhǒng)服務能(néng)力。他還(hái)強調了物理入湖和邏輯入湖兩(liǎng)種(zhǒng)入湖方式對(duì)多發(fā)人實體機構的重要性。此外，他提及了數據開(kāi)發(fā)治理一體化平台，通過(guò)技術手段解決開(kāi)發(fā)和治理兩(liǎng)張皮的問題，提升數據開(kāi)發(fā)效率、跨域協同難推進(jìn)等問題。

劉繼峰分享了兩(liǎng)個國(guó)家級數據要素市場化的樣(yàng)闆工程案例。第一個是某市的案例，騰訊雲聯合合作夥伴支撐某市大數據集團構建公共數據運營平台，實現公共數據授權、确權、加工、評估、流通全流程要素能(néng)力，助推企業智改數改，并完成(chéng)某省首批企業數據資源入表工作，爲産業公共數據授權運營提供實踐經(jīng)驗。第二個是某省的金融綜合服務平台，它解決了小微企業融資難題，通過(guò)技術手段提升了數據的可用性和時效性，優化了貸款和理賠流程。他強調這(zhè)些案例展示了數據平台在公共服務和金融領域的應用潛力。

最後(hòu)，劉繼峰介紹了騰訊雲的數據産品和服務如何與這(zhè)些國(guó)家級政策和實踐相結合，包括湖倉一體化數據平台、數據開(kāi)發(fā)治理一體化産品以及數據安全可信的基礎設施。這(zhè)些工具和服務展現了騰訊在數據要素領域的能(néng)力和對(duì)數據安全、監管合規的重視。

随著(zhe)此次論壇的圓滿結束，我們不僅深入探索了大模型與數據要素，更見證了傳統産業在數字化浪潮中的蛻變與重生。展望未來，我們堅信，數據作爲新型生産要素，將(jiāng)繼續推動新質生産力的蓬勃發(fā)展，爲傳統産業的數字化升級注入強大的動力。騰訊雲 TVP 將(jiāng)繼續與行業攜手，共同探索數字技術的邊界，將(jiāng)智慧和創新的力量帶入每一個行業，共創一個更加繁榮和智能(néng)的未來。