“模型应用，产业先行”正在成为产、学、研界的共识。
(资料图)
7月28日，腾讯云与中国信通院在南京共同启动行业大模型标准联合推进计划，双方宣布联合牵头中国首个金融行业大模型标准的编制工作，其中对金融行业大模型的评估方法覆盖了投研、投顾、风控、营销、客服、银行、保险、证券等应用场景，并对大模型在数据合规性、可追溯性、私有化部署、风险控制等方面提出要求。
在此前6月19日举办的腾讯云行业大模型峰会上，腾讯云就曾宣布联合信通院共同构建行业大模型的标准体系及能力架构，包括ILMOps方法论、数十项能力建设指标。该标准体系覆盖多个行业，涵盖模型行业能力、模型工程化性能、模型算力网络、模型安全可靠等方面。这不仅是推进国产大模型的坚实一步，也是大模型落地，实现产品化的必然之举。
大模型数量增至116个，商用场景是关键
从年初ChatGPT引爆AIGC(生成式人工智能)概念，到腾讯、阿里、百度、华为、京东发布大模型，“百模大战”似乎正在经历割裂的舆论场—— 一面在公众的认知里才刚拉开序幕，一面在业内人士看来已从盲热回归理性。
尽管在概念上未有统一口径，但不少业内人士倾向认为大模型是指具有大量参数和复杂结构的机器学习模型，也有“通用化”和“垂直化”之分。总之，无论是否披着“大模型”，机器学习都是科技企业开展了数年的工作，这也就解释了为什么业内人士认为大模型之争已经回归理性，而公众则以为这个业态刚刚兴起。
《中国人工智能大模型地图研究报告》显示，截至5月末，全国参数在10亿规模以上的大模型已发布79个,数量仅次于美国排名全球第二。而两个月后，据腾讯研究院副秘书长杨望调研分析，目前国内的大模型数量已增加至116个，其中金融行业大模型约18个。
业界关注的是呈加速落地之势的“大模型”理念和技术，如何真正在商用场景中解决实际业务问题。作为头部参与主体，腾讯云正在通过标准编制、场景挖掘等举措，推动大模型应用走进行业发展的要塞环节。
聚焦在具体场景上，腾讯云基于对市场需求和自身技术优势的充分研判，锚定金融这一垂直行业，试图在对信息精度和数据合规有着严苛要求的风控场景取得商用突破。
券商中国记者采访了腾讯研究院副秘书长杨望、腾讯云天御首席科学家李超，他们都表示金融风控正从主要依托历史数据和专家经验的“规则对抗”时代，进入由机器学习、人工智能主导的“模型对抗”时代。
腾讯云力推的金融风控大模型，就是行业大模型与腾讯安全20多年对抗金融欺诈黑灰产经验沉淀融合的载体。腾讯云试图以此在新旧时代的转换里占据一席之地。
锚定刚需场景：推动风控建模效率和性能提升
“智能投顾、智能客服、营销渠道、保险理赔、研报撰写……”, 杨望认为，大模型在金融行业有着诸多落地场景，但都要能经得住稳定性、准确性、可操作性的检验。
现在，腾讯云试图在金融业务安全领域，锚定机构交易、信贷、营销等场景的风控需求做文章：基于MaaS(Model as a Service,模型即服务)的模式，助力金融机构提升风控建模的效率，规避黑灰产欺诈损失。
为什么选定风控环节，尤其是贷前风控环节？因为该场景存在着最急迫的需求。“通过数据的买卖以及各种形式的黑产或者灰产的行为，给金融行业在信贷和交易领域带来了极大的资金损失风险。比如说像在信贷领域，因黑产造成的欺诈已经占到了整个逾期规模的40%-70%。”李超告诉券商中国记者。
据李超介绍，风控模型就是把专家经验抽象成一系列风控策略集，包括欺诈检测模型、准入模型、风险定价模型、额度管理等，贯穿金融信贷业务的全生命周期。金融风控体系大部分来自于历史金融数据，依赖于用过去行为预测未来行为，近年来不少金融机构现有风控体系遭遇频繁假人假机、假人真机、真人假机的欺诈行为，传统风控策略已然失效。李超甚至预测，不排除黑灰产深度利用AI模拟真人行为，发起金融欺诈，这带给金融风控巨大的冲击。
正是因为金融欺诈黑灰产猖獗，金融机构对风控模型的迭代频率需求增多，从过往的以年为单位演进到以月为单位。“风险动态治理”成了很多金融机构对风控模型的诉求。
据券商中国记者从腾讯云了解，某金融机构的渠道和客群变化较快，基于传统的专家联合建模方式效率较低、成本较高，无法满足风控系统快速迭代要求。接入腾讯云行业大模型后，模型迭代周期从17天缩短到3天，建模效率提升60%。
某银行对欺诈样本积累不足，在风控建模阶段面临训练难题，新建的模型无法满足性能要求。而接入腾讯云的金融风控大模型后，该银行客户基于少量提示样本就可以迁移得到适配自身业务场景的定制模型，相比于传统的建模方式性能提升20.5%，在跨场景的泛化性测试上性能提升53%。
以上两个案例，都是金融机构亟待提升动态风控建模能力，而腾讯云金融风控大模型恰好解决这一痛点的缩影。截至目前，腾讯云已与头部金融机构联合共建了近百个定制化风控模型。
契合定制化需求：基于机构客户样本侧场景进行建模
金融机构正在进入存量精细化运营时代，获客方式、风控策略逐渐差异化加剧，对反欺诈的诉求也从通用型服务转化为针对自身场景调优的定制服务为主。根据腾讯云天御的客户实践显示，2022年的定制化服务需求数量相比2020年增加了5倍。
“不同的金融机构有着不同的产品形态和金融产品定位，不同的产品形态面临的欺诈风险因素是有差异的。当黑灰产逐渐应用机器学习方法去迭代欺诈手法的时候，也需要相应持续做出风险的迭代。这也就意味着我们没办法在训练好一个风控模型之后，一成不变地应用它。”李超介绍，这也是很多金融机构开始希望腾讯云提供定制化能力的根本所在——根据客户自身的样本侧业务场景建模。
此外李超还提及，不仅仅是反欺诈环节，客户分层、定额、定价等贯穿客户贷款周期的风险审批诸多环节，都可以采用定制建模的方式。整体来看，目前更多需求场景集中在贷前风控，贷中环节也逐渐多了起来。
“定制化建模相比于传统的通用风控模型，一般会有20%左右的反欺诈效果提升。”李超透露。
在腾讯云的调研里，金融机构风控建模存在着共性的痛点：建模流程耗时耗力、业务场景面临小样本或零样本难题、缺乏对模型的多维度泛化性评估。腾讯云金融风控大模型试图针对这三个痛点对症下药。
据李超介绍，金融机构基于腾讯云金融风控大模型，在建模阶段只需使用少量提示样本，就能自动构建适配自身业务独有特点的风控模型，并且实现全流程自动化的部署上线，并支持持续发布快速集成到自身的风控系统上。来自腾讯云的数据显示，该方案帮助客户风控策略部署效率提升10倍。
其次是依托20多年沉淀的海量欺诈样本和多场景下的丰富风控模型能力，帮助样本积累有限以及新业务上线“零样本”的企业，高效解决“小样本”训练难题。来自腾讯云的数据显示，模型区分度比传统模式提升20%。
最后是为金融机构提供超越自身样本的模型评估体系，包含所有的风控模型评估指标，覆盖全量金融风控的细分场景，让机构能360度全面评估到模型的稳定性和泛化性。
