10 月 28 日，2024 年香港金融科技周在香港亚洲国际博览馆开幕。度小满 CEO 朱光出席科技周主论坛并发表演讲。他认为 " 以 o1 推理大模型为代表的新一波生成式 AI 技术在金融领域的应用，将从外围场景深入到核心业务，直接影响金融行业的核心决策质量，在为客户的产品和服务体验上带来巨大突破的同时，将会重塑金融科技行业 "。

朱光认为，生成式 AI 技术要对一个行业带来巨大变革有两个前提，" 一是必须让核心的客户体验发生巨大改变；二是必须对业务的核心决策产生影响。比如信贷业务，只有当大模型能够对于客户的金融服务体验带来影响、对风险决策、经营决策这样的核心业务决策产生重大影响的时候，才真正释放出大模型的潜力。"

在本次大会上，朱光也分享了度小满用推理大模型在风控场景上做的一些创新性探索。在信贷领域，推理大模型可以通过分析客户的征信报告、银行流水，推理出来客户的还款能力，最后给出是否审核通过的风控决策建议。

以下是访谈全文：

主持人：您曾经说过金融是人工智能最好的运用场景，能否以度小满作为一个案例，简单跟我们分享一下，人工智能如何改变金融行业？

2015 年底，我带领团队成立了百度金融服务事业部，这也是度小满的开始。当时有两大背景因素：一方面，百度公司正在进行战略转型，从一家搜索引擎公司转变为一家人工智能公司；另一方面，2015 年左右是中国移动互联网市场迅猛发展的时期。这一时期，移动网民数量快速增长，智能手机的普及率大幅提升。由于智能手机的普及，通过移动设备就能提供金融服务，从而显著改善用户体验。这为金融服务行业带来了巨大的机遇。

移动互联网时代，由于人们广泛使用智能手机，每天都会产生大量的网络大数据。当时我们认为，将网络数据与金融数据相结合，并利用人工智能技术，可以为客户提供全新的金融服务体验。例如，在个人信贷和个人财富管理方面，这种结合能够显著提升服务的便捷性和效率。因此，我们基于人工智能技术，开展了一系列互联网金融业务。

至今，经过七八年的发展，我们观察到人工智能在金融领域的应用日益广泛。以下是一个具体例子：我们将人工智能技术应用于客户获取。对于信贷业务而言，潜在客户并不稀缺，因为有资金需求的人会主动寻求服务。然而，关键在于找到最适合我们服务的优质客户，这就需要进行精准的客户画像。通过网络识别这些优质客户，需要用到大量的人工智能技术。

目前，度小满每天大约有 20 万客户申请贷款。在与我们合作的网络平台上，当潜在客户出现时，我们会首先评估我们是否能够为其提供优质服务，并进行预先判断。如果评估结果显示我们可以为该客户提供优质服务，我们将出较高的价格竞争广告位，以确保客户能看到我们的广告。反之，如果通过智能技术分析发现该客户不符合我们的目标群体，我们将不会向其展示广告。因此，我们与各大网络平台进行了深度合作。在获取客户的过程中，客户的全生命周期价值（Lifetime Value, LTV）必须大于获客成本。这是一个典型的应用案例。

通过运用人工智能，特别是深度学习和机器学习技术，我们能够实现高效的风险管理。当客户申请贷款时，我们能够在一分钟内决定是否为其提供服务。在极短的时间内，我们需要通过人工智能技术来确定客户的贷款额度和利率。

此外，度小满为每位客户提供专属的客户经理，并提供 24 小时不间断的服务。这些服务部分由人工提供，但大部分由智能机器人完成。客户可以随时在线提出问题，智能机器人将全天候为其提供金融服务，包括信贷服务和理财服务。这些服务均通过人工智能技术逐步实现。

为了提升客户体验，我们在上个月发布了一项新技术，这项技术旨在优化人工客服的服务质量。为了确保客户体验，我们开发了一个小型智能卡通机器人，该机器人会始终显示在客服人员的桌面上。当客服人员在服务过程中出现情绪波动，例如激动或生气时，机器人通过语音识别技术能够立即监测到这些情绪变化。此时，卡通机器人的表情会变红，并提示客服人员放慢语速、控制情绪。这一措施显著降低了客户投诉率，确保了每一通电话的服务质量。目前，这项技术已广泛应用于多个领域，有效提升了我们的客户服务体验。

主持人：刚刚您提到 AI 在度小满已经运用到获客、风险管理、风险定价以及提升客户体验上，那您觉得 GenAI 的未来会怎么样？可能会有哪些潜在的机遇和挑战？

当下，大模型成为讨论的热点。自 2022 年底 OpenAI 发布 GPT-3.5 以来，这一技术在过去一年多的时间里备受关注，各界都在积极跟踪其发展趋势。金融行业高度依赖科技，金融从业者也在密切关注这一趋势。然而，在过去的一年多时间里，金融领域主要应用大模型进行文字处理和内容生成。例如，大模型被用于改善客户服务体验，使机器人对话更加流畅；它还帮助理财师和金融机构工作人员整理文档、会议纪要，并提供理财助手服务。

这些服务确实提升了工作效率，但我认为它们仍处于金融业务的外围应用，并非核心业务的一部分。虽然这些服务在降低成本和提高效率方面起到了一定作用，但它们未能深入改变金融行业的核心领域。直到今年 9 月，以 o1 模型为代表的推理模型出现，大模型的推理能力和思维链技术得到了显著提升。这些模型不仅能够提供答案，还能进行举一反三的思考，通过学习解决许多普通人难以解决的问题。此时，大模型才真正展现出其在金融领域的重大价值。

我们认为，一项技术如果要对一个行业产生深远影响，必须满足两个必要条件：首先，该技术的应用必须能够真正融入客户服务的核心流程中，从而显著改善客户体验；其次，该技术必须能够对核心业务决策带来重大变革。举个例子，我们每天需要审批约 20 万客户的贷款申请。其中，95% 的申请可以通过现有的机器学习模型进行判定。然而，仍有 5% 的申请由于数据不足，难以通过现有模型做出准确判断。在这种情况下，就需要进行人工审核。信审员会要求客户提供更多资料，例如银行流水记录。最近，我们尝试使用了推理大模型来处理这些上传的银行交易记录。该模型能够迅速发现并评估客户的风险状况。例如，模型可以识别出客户在过去几个月内疑似向高风险账户转账，表明其消费行为存在风险。或者，模型可以发现客户将借来的资金转给其他贷款平台，显示其资金状况紧张，可能不符合贷款标准，因此建议拒绝其贷款申请。此外，对于大量数据，人工信审员在短时间内难以进行全面分析和判断。然而，推理大模型能够快速推理，结合客户的网络大数据和征信报告，准确判断客户的信用状况。例如，模型可以识别出那些表面上看似有风险但实际上信用良好的客户，并为其提供贷款额度。这样，我们能够更精准地服务每一位客户。

我认为，从推理大模型的诞生开始，我们必须高度关注这一技术趋势。因为这些大模型已经从金融应用的外围深入到了金融的核心领域，即风险管理。金融的核心在于风控，而大模型已经在这一领域展现出显著的应用潜力。另一个值得关注的场景是量化投资。在国内，许多量化投资公司已经开始利用大模型生成有价值的投资因子，例如舆情分析和财务报表解读。大模型能够组合多种投资因子，并提供新的投资组合建议，生成新的量化投资策略。已有许多公司开始尝试这一方法。我相信，与人工提炼投资因子相比，大模型具有明显的优势。大模型不仅在深度学习和机器学习的基础上取得了重大进步，还能够发现大数据中的因果关系。例如，它能够解释为什么某些行为会导致较低的风险，或者为什么特定的行为模式下需要进行某种投资组合调整。这种强大的推理能力大大提升了模型的可解释性和稳定性。因此，我认为大模型在金融领域的应用才刚刚起步，我们必须密切关注这一趋势的发展。

主持人：台下很多观众来自于金融科技公司。您作为金融科技行业的领军人物，对金融科技其他的公司面对 AI 浪潮有没有建议？最后我也想请教一下，您对香港政府发展金融科技行业有何建议？

我们需要关注推理大模型这一技术浪潮，因为其强大的推理能力对金融机构来说具有重要意义。

首先，金融机构应保持对推理大模型技术升级和新应用发布的持续关注。同时，可以选取几个典型场景，通过 API 接入这些大模型进行初步尝试。尽管当前的体验可能并不完善，且能解决的问题有限，但发展速度非常快。

对于具备科技实力的金融机构，无论是从事投资还是银行业务，我建议通过不断的尝试，确定几个未来可能首批应用的场景。在这些场景中整理现有数据，并针对推理大模型进行专项训练，使其真正能够进入实际生产环境。此外，还需要进行数据整理、专项训练，甚至与一些大模型厂商合作，将模型本地化，以确保客户数据的安全。这些准备工作都是必要的。

对于香港的建议，香港作为全球金融中心，已经积累了丰富的金融发展经验，并取得了显著成就。今天上午我参加了论坛，发现香港政府已经在研究如何拥抱 AI、区块链和数字货币等新的金融科技方面做了大量工作。比如：

1. 监管政策：制定更具吸引力的监管政策，吸引更多具备科技实力的公司到香港发展大模型的金融科技。2. 人才吸引：实施更积极的人才引进政策，从全球范围内吸引大模型领域的专业人才。3. 资源整合：结合香港本地的大学教育资源、科技创新实力以及优越的金融企业环境，形成协同效应。

我相信，通过这些措施，香港能够在新一轮技术浪潮中抓住机遇。在未来两到三年内，整个金融行业将会发生重大变革。香港在这波浪潮中可以发挥更大的作用，推动整个金融产业的发展，我对此充满信心。