金融大模型「奇点更近」

如果说2023年困扰从业者们的问题还是「国内市场能否孕育出顶尖的大模型」，那么在2024年，市场关注的重点已经来到「大模型如何为我所用」，甚至是更实际的商业化等问题。

——馨金融

洪偌馨、伊蕾/文

「人类迈向奇点的千年征程已经步入冲刺阶段。」这是奇点大学掌门人雷·库兹韦尔在其最新著作中提出的观点。

早在近20年前（2005年），库兹韦尔就在《奇点临近》（《The Singularity Is Near)》一书中大胆预测，AI将在2029年通过图灵测试、达到人类智能水平，并在2045年与人类融合，而后者就是库兹韦尔口中的「奇点」。

20年后，在这本名为《奇点更近》（注：英文名《The Singularity Is Nearer》）的书中，他不仅重申前了前述观点，而且再次预言：

未来10年里，人们将与看起来非常人性化的AI互动；到21世纪30年代，不断进步的AI和日渐成熟的纳米技术将以前所未的方式促进人机结合。

自ChatGPT横空出世以来，随着大模型和生成式AI成为科技领域的主流叙事方式，相比于20年前，越来越多的普通人也开始感受到「奇点」到来的可能性，甚至有了「AI一日，人间一年」的说法。

这样看来，库兹韦尔的预测都略显「保守」了。

典型如金融行业，过去两年里，包括互联网公司、传统金融机构、金融科技公司等都推出了自己的大模型，并且不断加速迭代。

如果说2023年困扰从业者们的问题还是「国内市场能否孕育出顶尖的大模型」，那么在2024年，市场关注的重点已经来到「大模型如何为我所用」，甚至是更实际的商业化等问题。

事实上，相比于2023年金融大模型的「千帆竞发」，在2024年，我们看到了更多金融智能体（AI Agent）在不同场景中加速落地，通过矩阵式的创新全面重塑业务流程和客户体验。

在最近举行的「2024年度人工智能大模型金融领域示范场景及创新应用案例成果特展主题日」活动上，奇富科技提到，在过去半年时间里，公司完成了100多个金融智能体尝试，其中26个达到了商用级别。

在具体场景上，这26个智能体覆盖了客户的全生命周期，包括贷前、贷中、贷后甚至睡眠客户的管理，在工作内容上则覆盖了客户识别、产品服务、产品研发和经营分析等核心环节。

1、大模型「进阶」：从拼参数到拼「落地」

过去一年里，包括微软、谷歌等在内的巨头不仅纷纷推出智能体应用，而且意在打造一个更加庞大的生态。

「未来的AI智能体可能比人类还多，人类将生活在一个有数亿、甚至数十亿AI智能体的世界中。」Meta CEO扎克伯格在今年7月的访谈节目中预测。

国内市场上，以百度、腾讯、阿里为首的互联网厂商也基于自家的大模型平台，为用户推出智能体开发平台。

具体到金融领域，以奇富科技的实践来看，其在2024年3月上线了具备金融科技特性的智能体平台「AI STUDIO」。

奇富科技一面通过企业级RAG（注：Retrieval-Augmented Generation，检索增强生成）逐步构建起企业级知识库，另一方面则利用AI FLOW（注：多功能工具，主要用于管理和优化机器学习工作流）调用企业级知识库和大模型，在二者的协同之下，前述覆盖不同业务和流程节点的智能体纷纷上线。

那么，到底什么是智能体？为什么它会成为AI领军者们看好和布局的对象？

2024年7月，Open AI定义了通往AGI（通用人工智能）的五个等级，其中Agent（智能体）就位于L3，相比于L1的对话能力、L2的推理能力，其最大特征在于能够采取行动、执行任务。

换言之，如果说之前的大模型之争，是在比拼谁能打造一个知识储备更丰富的「超级大脑」，那么智能体比拼的，是在这个大脑支配下的「数字员工」具体解决业务问题的能力。

比如，它能否感知周围环境的变化、更好地接受指令；能否进行独立思考和判断，并且有逻辑和计划地解决问题，甚至于调用工具去逐步完成一系列任务。

眼下，市场涌现出的大批智能体可能尚未达到Open AI定义的程度，但这并不妨碍我们看到市场的真实需求。

工信部披露的数据显示，截止到2024年10月，现有完成备案上线、能为公众提供服务的生成式人工智能服务大模型已接近200个，注册用户超过了6亿。

换言之，无论是在企业端还是客户端，大模型本身都已经不足为奇。

然而，过往市场评判大模型好坏的标准主要是测试评分，但过分强调「应试教育」也使得一些大模型陷入了「高分低能」的怪圈——虽然参数大、得分高、性能强，但在实践中却没有用武之地。

与之相对应的，以奇富科技为代表的市场参与者们，着力于把通用的金融数据与业务场景结合，打造「更懂金融+更懂场景」的大模型，反而取得了很好的反馈。

「2024年以前，大家都在拼模型的参数和能力，但是现在市场已经出现了明显的变化」，奇富科技CEO吴海生表示，「如果大家能够把现有的模型应用好，能够执行好一项任务，也会带来巨大的价值」。

事实上，在企业降本增效的强烈需求之下，越来越多的企业开始关注新技术如何作为「生产力工具」实现新的价值创造，这也是金融大模型混战进入智能体阶段的根本原因。

数据显示，通过有效的分发，奇富科技显著增加了推理服务器的效率，预计每年可以节约创新成本约600万元。

并且，智能体平台构建的所有能力都在安全环境下进行，为企业的规模化创新提供了强大的驱动力。

2、结构性机会：「所有业务都值得重做一遍」

有一种观点认为，大模型时代，所有的金融业务都值得重做一遍。

这种说法虽然看起来有些绝对，但却并不夸张。立足于当下的市场环境，每一点业务流程的优化和客户体验的提升都值得珍惜。

尤其在人工智能一日千里的进化速度之下，点滴的进步都可能带来成本结构甚至商业模式的重塑。

比如，在金融科技领域，坐席人员和研发人员是规模最庞大的两个群体，也是市场参与者们最大的「成本中心」。

也正因如此，通过AI赋能一线坐席和开发人员是各机构布局的重点。

以奇富科技的实践来看，基于此前发布的QiFuGPT大模型，公司打造了Copilot人机交互领航系统。

作为一线坐席的「副驾」，在新手坐席上岗时，它可以通过模拟真实场景为他们提供岗前培训；在服务客户的过程中，帮助坐席实时洞察客户需求并提供专家级金融话术支持；还可以在服务结束后为坐席进行服务「质检」，并提供优化建议。

这不仅能够直接提升客户端的服务体验，也可以大幅缩短公司培养一线坐席的时间成本、提升服务质量。

数据显示，自9月该系统上线至今，已试用坐席中80%以上会持续使用，对整体业务有接近200%的提效。

与此同时，在公认的大模型最佳应用场景——研发领域，奇富科技推出Jarvis和奇富Chat BI来实现开发效率的优化和BI工作方式的转变。

一方面，通过引入RAG技术，Jarvis生成代码的效率实现飞跃，30%的代码可以由AI自动生成，每天执行的案例已经突破1万个；

另一方面，奇富Chat BI则将公司的大数据平台进一步优化，业务人员可以像人机对话一样直接驾驭大数据，获得业务优化建议。

不只是员工和企业，用户同样可以直观感受到人工智能带来的体验提升。

典型如小微业务，QiFuGPT能构建知识图谱，如果客户名下有多家公司，它能够根据小微行业数据、研报以及一系列的图谱判断哪家公司的贷款资质更好，从而生成适配的额度和价格体系。

与此同时，QiFuGPT还可以基于对客户生产经营状况的了解，比如行业周期、回款情况等迭代识别用户真实需求和还款能力，进而帮助客户选择借款周期、贷款额度和产品。

而在为金融机构提供整体技术服务环节，为打破小微金融的「打破不可能」三角（注：即成本可控、风险可控、规模发展三个目标无法同时实现），奇富科技希望能使用数字化、智能化技术进行成本重构。

作为奇富科技技术输出的核心平台，奇富数科最新发布的数字普惠信贷解决方案FocusPRO2.0，通过把线上、线下采集到的数据和大模型进行融合，进而做出更加有效的授信。

数据显示，在利用新技术对风险定价、人工作业等几十项成本进行重构之后，奇富数科能帮金融机构把小微业务的整体成本优化1.5%-2%。

这是什么概念呢？

中国银行业的平均ROA水平为0.85%，中国银行业的平均净息差已经跌至1.5%以下。

1.5%的成本优化可以把过去商业的不可行问题变得可行，在提升金融机构商业可持续能力的同时，更好地为实体经济「输血」，为小微企业提供支持。

而这或许也是这场「技术盛宴」的真正价值所在。

正如库兹韦尔在书中所说，「我无法确定地说奇点之后的生活会是什么样子。但通过理解和预测带领人类走向奇点的过程，我们可以确保人类在最后接近奇点时的道路是安全和成功的。」