當前，人工智能與大數(shù)據(jù)技術正在重塑金融業(yè)的核心運營模式。自ChatGPT掀起全球人工智能浪潮以來，中國金融科技領域已形成獨特的發(fā)展路徑。百度文心一言、阿里通義千問等大模型相繼落地，深度求索（DeepSeek）則通過開源推動國產(chǎn)人工智能基礎設施的自主可控。

然而，比技術研發(fā)更關鍵的是如何將人工智能深度融入實體經(jīng)濟業(yè)務系統(tǒng)。目前，在金融領域，工商銀行、招商銀行等機構在應用層面率先探索，而騰訊云與螞蟻集團則在技術輸出領域占據(jù)領先地位。

騰訊云開發(fā)的人工智能實時風控引擎已支撐微眾銀行、微保等平臺，并向外輸出聯(lián)邦學習與智能檢測中臺能力；螞蟻集團基于支付寶、網(wǎng)商銀行及自研數(shù)據(jù)庫，構建了全球領先的圖計算與人工智能風控系統(tǒng)，可支持億級用戶的實時交易與合規(guī)監(jiān)管。金融機構與技術廠商的協(xié)同，標志著人工智能正從單點工具升級為系統(tǒng)性生產(chǎn)力。

重構銀行信用評價體系

6月26日，中國工商銀行信貸與投資管理部高級經(jīng)理張燦在2025金融街青年派活動上表示，銀行信貸系統(tǒng)經(jīng)歷了信息化、數(shù)字化到智慧化的演進，其核心推動力是數(shù)據(jù)與技術的深度融合。數(shù)據(jù)改變了信用風險評價體系，技術則打破了銀行服務邊界。

傳統(tǒng)信用風險評價體系主要依賴于客戶主動提供的信息，以及行內(nèi)系統(tǒng)內(nèi)部數(shù)據(jù)的整合分析。在這一模式下，外部數(shù)據(jù)的運用相對有限，難以獲取到那些具有高度相關性和高質量的關鍵外部數(shù)據(jù)。然而，隨著數(shù)字生態(tài)與數(shù)字金融的蓬勃發(fā)展，金融機構現(xiàn)在能夠接入并獲取更為廣泛和深入的外部關鍵信息，例如產(chǎn)業(yè)鏈、供應鏈等維度的數(shù)據(jù)。通過將這些外部信息與內(nèi)部數(shù)據(jù)進行有效整合，并運用人工智能及其他相關技術手段，金融機構得以進行更為全面、立體的數(shù)據(jù)化分析。這一系列變化，正在深刻地改變并重塑著原有的傳統(tǒng)信用風險評價體系。

技術進步推動了銀行服務模式的革新，其服務邊界已不再局限于傳統(tǒng)的物理網(wǎng)點。銀行正通過線上渠道與線下網(wǎng)點的深度融合，以及金融服務與產(chǎn)業(yè)場景的緊密結合，實現(xiàn)了能夠隨時隨地為客戶提供個性化服務的能力。同時，這些技術的應用也顯著提升了銀行的運營效能。例如，借助智能流程自動化（IPA）、人工智能等技術，銀行能夠有效替代部分重復性高、流程化的校驗工作，使得業(yè)務處理時效從以往的天級水平大幅壓縮至分鐘級。

張燦強調(diào)，為適應日益多元化的市場需求，銀行需借助數(shù)據(jù)技術深入挖掘客戶的潛在需求。在這一過程中，銀行的創(chuàng)新重點已從單純的產(chǎn)品層面拓展至生態(tài)層面，即通過融合業(yè)務、數(shù)據(jù)與技術三者，進行更為全面的業(yè)務模式創(chuàng)新。數(shù)據(jù)的應用正在重塑金融服務的基本邏輯，技術的能力得以打破傳統(tǒng)服務的邊界限制，而業(yè)務創(chuàng)新則致力于更好地滿足多元市場需求。這三者的協(xié)同作用，正推動金融生態(tài)體系向更加智慧化、開放化及普惠化的方向進行重構。

破解普惠金融風控難題

同日，騰訊云天御金融風控總經(jīng)理陳波在2025中國未來金融峰會上表示，在金融風控領域，特別是在普惠金融的細分場景中，如面向小微企業(yè)、個體工商戶及農(nóng)戶等群體，金融服務供給仍面臨挑戰(zhàn)，這些群體獲取金融服務的難度相對較大。主要原因在于：一方面，針對這些客群的金融服務成本較高，導致其獲取成本也相應提升；另一方面，從金融機構的角度來看，這些客群普遍具有更高的風險特征。此外，在這些場景中，信息不對稱問題較為突出，進一步增加了風險識別與控制的難度。

陳波認為，在數(shù)字化變革進程中，數(shù)據(jù)要素已確立為關鍵的基礎性生產(chǎn)要素。其特性與其他傳統(tǒng)生產(chǎn)要素存在顯著差異，尤為突出的是其邊際效應呈現(xiàn)遞增規(guī)律，而非勞動力等要素常見的邊際遞減現(xiàn)象。這是因為數(shù)據(jù)要素具有可重復使用性，并且不同數(shù)據(jù)要素的疊加能夠產(chǎn)生更為豐富的價值。

以金融風控為例，傳統(tǒng)風控模型主要依賴部分特征數(shù)據(jù)，如征信報告、多頭借貸信息等?；谶@些有限數(shù)據(jù)構建的模型，其評估結果往往僅能反映客戶或企業(yè)在風險控制的某些特定維度上的表現(xiàn)，類似于“盲人摸象”，難以全面把握整體風險狀況。因此，風險管控能力相對有限，仍可能出現(xiàn)較高的逾期率和不良率。若能合規(guī)、在用戶授權的前提下，獲取并整合更多維度的數(shù)據(jù)，例如互聯(lián)網(wǎng)用戶畫像、行為特征、設備信息乃至環(huán)境要素等，則能夠構建更為立體、全面的風險防控體系。這將顯著提升風險識別與管控的精準度，有效降低金融機構的損失。在此過程中，數(shù)據(jù)的價值隨著數(shù)據(jù)量的增加和應用門檻的降低而不斷放大，從而實現(xiàn)更高的社會價值與經(jīng)濟價值。

據(jù)此理解，無論是人工智能技術還是大型語言模型，其效能的發(fā)揮將高度依賴于數(shù)據(jù)在合規(guī)框架下的順暢流通與高效聚合。通過將分散的數(shù)據(jù)高效整合，能夠進一步釋放數(shù)據(jù)要素的潛能，使其價值得到更充分的體現(xiàn)。

然而，陳波表示，當前人工智能在金融風控領域的決策應用仍面臨諸多挑戰(zhàn)。特別是在數(shù)據(jù)合規(guī)獲取環(huán)節(jié)，如何有效獲取數(shù)據(jù)，并確保用戶充分知曉其個人信息被使用的情況，是至關重要的環(huán)節(jié)。

針對模型可能存在的歧視性或其他潛在問題，陳波認為，隨著大型模型應用的日益普及，金融機構已普遍認識到提升相關風控能力的必要性，并展現(xiàn)出強烈的改進意愿。加之第三方專業(yè)機構能夠提供相應的技術支持與輔助，預計整體模型的性能表現(xiàn)和運行穩(wěn)定性將持續(xù)得到優(yōu)化與提升。

從風險可視化到智能決策

在螞蟻集團的反洗錢系統(tǒng)中，人工智能與圖計算技術的結合，正以前所未有的方式提升著對復雜關系的識別能力。螞蟻集團反洗錢中心副總經(jīng)理趙亮表示，這兩種技術可以看作是相輔相成的兩個維度：圖計算負責構建基礎關系網(wǎng)絡，而人工智能則如同一個更聰明的大腦，在此基礎上進行動態(tài)學習和智能決策。

從圖計算的視角來看，螞蟻集團反洗錢中心主要從兩個維度構建反洗錢能力。首先，是進行異構多圖建模。這意味著將反洗錢工作中涉及的各種實體，如個人、企業(yè)、資金、交易媒介等，及其相互關系，以圖結構的形式進行刻畫?？紤]到螞蟻擁有數(shù)億用戶及其產(chǎn)生的海量交易，由此構建的圖網(wǎng)絡可能包含上百億個節(jié)點。通過這種動態(tài)的圖網(wǎng)絡，可以清晰地追蹤整個資金流向，識別出潛在洗錢團伙的行為模式。

其次，螞蟻集團還實施了多風險域的聯(lián)合建模。這超越了單一的反洗錢視角，將盜、賭、詐等各類顯性及隱性的風險信號進行整合與打通。從多個風險角度出發(fā)，進行全方位的風險感知、識別與分析。

趙亮將傳統(tǒng)的風控系統(tǒng)比作“局部的放大鏡”，容易遺漏信息。而圖計算則能描繪出整個大的關系網(wǎng)絡，從而更有效地刻畫出資金關系或團伙間的隱藏鏈接，彌補了傳統(tǒng)方法的不足。

在人工智能的視角下，其應用主要體現(xiàn)在兩個層面。一方面是風險識別層面。通過人工智能的深度學習能力，系統(tǒng)能夠對歷史可疑交易進行學習，并融入交易模式、時間序列和圖計算所揭示的關系網(wǎng)絡等信息。這使得系統(tǒng)能夠自動發(fā)現(xiàn)異常交易行為。同時，將外部情報源和非反洗錢類的風險信息也融入模型，有助于感知和應對新型風險的變化。

另一方面，人工智能在分析研判和報告生成方面也發(fā)揮著關鍵作用。它能夠進行深度分析、邏輯推理，并實現(xiàn)自動化生成報告等功能，大大提高了工作效率和決策的智能化水平。

趙亮總結道，圖計算目前更多是解決關系的可視化問題，將復雜的關系網(wǎng)絡清晰地呈現(xiàn)出來；而人工智能則更多是解決整個決策過程的智能化問題。兩者疊加產(chǎn)生的協(xié)同效應，使得原本隱性的關系變得更顯性，復雜的分析過程變得更簡單。最終效果是，讓人工分析師能夠將更多精力聚焦于關鍵決策環(huán)節(jié)，進而提升反洗錢工作的整體效能。