今天小編分享的科技經驗：大模型在產業鏈金融應用的六個關鍵問題，歡迎閲讀。
場景契合，過往服務小微企業形成的認知積累以及大數據風控的成熟應用，共同構成了網商銀行探索大模型落地的基礎。
文｜徐鑫
編｜任曉漁
2024 年被視作大模型產業落地爆發元年。
數字化轉型走在前列，也最有資金實力和意願投資前沿技術的金融行業，如何落地大模型，在過去一年一直是大模型賽道及行業内的熱點。
4 月 10 日，在 2024 數字產業鏈金融行業峰會上，網商銀行宣布旗下的供應鏈金融解決方案大雁系統更新，AI 大模型首次應用于產業鏈金融場景，提升小微企業金融服務的覆蓋率和便捷性。
相比代碼助手和客服助手、智慧辦公等金融行業主流場景，網商銀行用大模型的方式有極大獨特性。這個案例裏，大模型并非直接與用户互動，生成内容，而是應用于小微企業信用刻畫，靠近金融行業 " 神經中樞 "。
當下，整個大模型賽道，找到場景仍是落地的關鍵。網商銀行如何在供應鏈金融場景裏使用大模型技術，它帶來了什麼改變？
在強監管、高安全、高可信的金融行業裏，如何規避大模型的幻覺問題，保證可用性？
網商銀行如何解決數據、算力、算法等諸多挑戰？
金融行業能否大範圍復制？
本文将一一解碼，看網商銀行如何在供應鏈金融場景落地大模型應用。
01
大模型應用于產業鏈金融後，效果如何？
在理解大模型發揮了什麼價值前，需要先理解沒有大模型之前，一個典型的產業鏈上的小微企業，在銀行眼中是什麼樣子？
浙江丞達，一家生產特種尼龍材料的企業。每接一單新生意，他們都需要大量現金買原料、投入生產，但客户回款周期通常在 3 個月左右。浙江丞達在資金周轉期，可以向銀行申請信貸服務，不過仍然需要抵押房產，并經歷一周的等待。
丞達所產的高温尼龍形似大米粒，能長期耐住 150-200 ℃的高温考驗，但丞達自身卻未必能耐住現金流随時斷裂的可能。
網商銀行行長馮亮介紹，大模型應用以前，丞達在銀行的風控系統中是這樣的——一家普通小微，工商信息顯示機械制造行業，年銷售額 1000 萬左右。具體做什麼不知道，產品用在哪裏不知道，行業好不好，對手如何和經營情況不知道。
丞達自己也不知道，生產的產品通過層層流轉，最終用到哪裏。與產業鏈上的大品牌離得實在太遠了，沒有大企業擔保，又沒有可信的經營數據，擔保貸款和純信用貸款這兩條路子，都很難走得通。
有大模型後，發生了什麼改變？
不妨想象一個人的視力從 4.0 到了 5.2。馮亮展示了有大模型的 " 顯微鏡 " 後，被重新看見的丞達：
它生產的尼龍材料，經過了層層加工、裝配後，最終用在了比亞迪汽車、華為手機的絕緣層。
它位于浙江嘉興平湖，浙江四大新材料基地之一，擁有完善的產業鏈生态與原材料優勢。
丞達在這個領網域是 " 潛力股 " ——手握 12 張專利證，被評為浙江省高新技術企業，其生產的尼龍產品的品質好，價格優。
在這些标籤下，丞達理所當然是一家優質的小微企業。當丞達的老板潘弈丞從支付寶裏使用網商銀行應用申請貸款時，他能拿到 200 萬的額度，無需抵押，随借随還。
在汽車產業鏈上，網商銀行用大模型已經識别了 270 萬家小微企業，其中 100 萬家獲得了授信。
獲得金融服務的用户中，64% 為首次獲得純信用貸款，近 3 成為科創型企業，且獲得了更高的額度。
因為秒貸秒批的金融服務，他們在經營上實現了 "0 賬期 "，可以多接訂單，每月交付量平均提升 17%。
目前，網商銀行已通過大模型搭建了汽車、醫療、建築等 9 條產業方向的產業鏈圖譜，識别超 2100 萬產業鏈上下遊的小微企業。
02
大模型是如何發揮作用的？
大模型在網商銀行產業鏈金融的應用分為兩部分：
第一步，基于大模型的知識抽取能力，大雁系統構建一個全面的產業鏈圖譜。在圖譜裏，產業鏈上不同環節的生產廠商、經銷商和上遊的零部件提供商、更上遊的原材料供應商都能被一一識别，每個環節裏分布着的企業也清晰明了。
以汽車產業鏈為例，大模型會以看到發動機廠商、軸承廠商、電機廠商、4S 店等環節，看見每個環節分布着哪些企業，由點成線再成網。
整個過程好比探照燈不斷的移動，将毛細血管的小微全部照亮，并清楚的看到它和哪些企業發生關聯。
構建這張圖譜要做大量的數據爬取、數據清洗、邏輯校驗和產品關系更新等工作。有了大模型的知識抽取能力，一張張更完整的產業圖譜才有繪制可能。
第二步，大模型有語義理解、生成能力，與大模型驅動的 Agent 實時反饋能力疊加，能夠更好地刻畫小微企業的經營狀況和信用情況。
此前刻畫小微信用時，需要提交非常具體完整的信息，例如 " 近十四天銷售額波動 "，由大數據系統評估和測算，判斷能否用于幫助增加對企業經營狀況的理解。
現在只需提交模糊信息，大模型理解了語義，會自動生成非常多潛在刻畫維度。描摹小微用户經營狀況的能力因此有指數級提升。企業與產業鏈網絡間的多元立體關系也能更清晰呈現。
以丞達為例，有了大模型能知道它生產的高温尼龍被用到比亞迪汽車上，是新能源汽車產業鏈上的企業。接下來，Agent 可以自動讀研報等，提取與丞達所處新能源汽車產業以及它自身經營相關的有效信息。
比如了解 " 純電車和混動車的銷量變化趨勢 "，判斷整體行業的前景。識别丞達位于嘉興平湖，判斷它的供應鏈優勢明顯。看見有 12 項專利，知道它在同行中的研發能力。供貨穩定，業績呈增長趨勢……一個又一個标籤下，丞達将得到一個綜合的信用評分。
在這個過程中，大模型像一個 24 小時無休的智能產研專家，小微信用畫像識别效率提升了 10 倍。產研專家成本高昂，只能服務少部分人，現在有了大模型普通小微也能獲得同等水平的服務。
此外，由于它能夠實時自動讀取動态的信息，使得所有的判斷都是 " 新鮮 " 的，對小微風險的預測更為精準。
03
為什麼選擇產業鏈金融場景切入？
這與大雁系統所服務的領網域，用户的迫切需求及當下面臨的痛點有關。
中國有數量龐大的處于供應鏈上遊和末端的小微企業，其中很大一部分處于傳統供應鏈金融服務的空白地帶。
之前的供應鏈金融場景，各類機構多是給大型企業的一二級大經銷商提供服務，一般要由大型企業擔保。簡單來説，品牌承擔一定的風險，經銷商的貨物需要抵押。銀行可能還會對經銷商的 ERP 系統的進出貨動作和倉庫倉儲情況有驗倉等一系列復雜操作，這些供應鏈上的企業才能拿到流轉資金。
但還有大量小微企業，處在供應鏈末端，很難被大企業的供應鏈管理體系覆蓋到。比如，你很難想象，一個家電品牌會給遙遠的上遊裏某個塑料零件小工廠提供擔保。
即使是一些高新技術企業的專利證件在實際獲取金融服務時，也不如法人的房本好用。
然而，供應鏈和產業鏈上的中小微又非常重要。國家市場監督管理總局數據顯示，截至 2023 年 5 月底，全國登記在冊民營企業數量達到 5092.76 萬户，99% 為中小微企業。如果算上個體工商户，這個數量能達到億級。
以往因人力成本、信息不對稱等原因難以被供應鏈金融覆蓋的場景，在有了數據要素流通、AI 大模型的今天，出現新的可能性。
04
如何确保大模型能落地、可用？
前提是安全。
金融行業的強監管，容錯率極低，大模型目前最大的問題是 " 幻覺 "，生成的信息不一定可用。
怎麼破題？
第一步是對大模型生成的畫像标籤，進行測評。舉個例子，企業是達人直播還是自播——大模型判定這是小微經營信用的潛在因子。工程師需要驗證、測評它是不是真的可用。
具體做法是，把這個标籤，拿到不同的客群裏驗證，通過算法測算對比，看這個标籤影響下，已經完成過信用等級評定的用户群的風險是否有發生變化。從而判定它是不是可以作為風控時的參考标準。
驗證的結果還要能規模化使用。比如在網商銀行這個千萬級小微用户的平台上，如果某個标籤只能篩選出 100 個用户，它也不是一個能用來定義小微企業的信用維度。
過程并不容易，" 開始的時候，1000 個标籤可能最後驗證出來只有幾個維度可用。" 網商銀行高級技術專家方珂説。
第二步，實際應用中，還有一道 " 風險守門員 "。大模型不直接參與風控系統決策環節。大模型只是用來刻畫客户信用，經過嚴格驗證後得出經營畫像。風控決策系統經過復雜的計算和交叉多維度驗證，最終判定給小微企業更适合的授信額度。
05
應用過程挑戰幾何？
要把通用大模型搬到網商銀行的場景，還要解決很多工程難題。
首先是模型部署，金融行業有數據安全要求，大模型落地應用必須本地化部署，通過本地訓練出來，權限也要可管控。
網商銀行的大模型應用，底層的通用模型來自螞蟻集團自研大模型。
在應用過程中，他們先把螞蟻集團的模型放到網商銀行，基于網商銀行的場景和數據做訓練，之後再完成大雁系統的本地化更新。整個過程都在網商銀行完成，" 如果遠程調用，除了安全層面，這麼多數據和計算邏輯也實現不了。" 方珂説。
場景的獨特性是另一重考驗。去年 3 月時，大模型剛剛火起來，市場上沒有人有用大模型去行業場景落地的經驗。
大雁系統更新，本質是利用大模型來構建圖譜，提升大數據挖掘能力，這個用法不同于 ChatGPT 這類 Chatbot 通用場景，沒有現成經驗可參考。
方珂説，為了緩解壓力，CTO 拍板，承擔場景選擇的責任，技術團隊則專心攻堅模型能力，打磨產品。經過日復一日攻堅，花費一年時間，他們最終實現了產業圖譜構建和應用更新。
數據層面也有挑戰。小微企業經營涉及到的行業多，數據維度復雜，不同行業線上化程度不一樣，數據的厚薄也有差異。技術團隊花費了極大的精力找數據，處理數據。
算力上，網商銀行此前已有充分的算力儲備，為大雁系統的大模型更新奠定了基礎。
06
金融機構能否規模化復制？
網商銀行能利用大模型構建完整的產業鏈圖譜和完成小微信用刻畫，既是需求驅動，也有先天性的積累。
" 從服務客户的數量、對小微經營數據的積累以及對場景的認知，網商銀行都具有獨特性。" 方珂説。
網商銀行始終是以大數據風控的方式來服務小微企業和個體經營者，平台上沉澱和服務小微企業和農户的數量超過了 5000 萬。
這些積累形成了對小微企業經營的認知，疊加上此前大數據風控的成熟應用，共同構成了網商銀行利用大模型探索產業鏈金融應用的基礎。這也使得其他企業簡單照搬場景，要走通這條路很難。
方珂提到，產業鏈數字化以及產業鏈金融領網域的玩家很多。比如，一些大型生產制造企業，也希望了解產業鏈的全貌。一些金融科技公司，也希望通過類似的創新去對外提供服務……大模型還沒有教科書級别的解法，每個公司只能依據自身優勢和客户去摸索。
而對網商銀行而言，大雁系統的大模型更新仍有很遠的路要走。接下來，他們還需要全方位理解更多的產業鏈所需要的信息，引入更多的信息維度和數據，持續打磨 " 大雁 " 這只鳥。
" 當然，更真實的是反饋是，產業鏈上小微的金融服務有沒有發生改變。"
© 本文為數智前線（szqx1991）原創内容
進群、轉載或商務合作聯系後台
文章精選
