最近一段时间，AI 领域被谈及最多的关键词是 " 推理大模型 "。

今年 9 月，OpenAI 发布了 o1 大模型，这种具有 " 慢思考 " 能力的大模型最大特点是能够推理复杂的任务，可以解决科学、编程、数学等领域更为复杂的问题。它的出现，让推理大模型成为 AI 发展进程中的全新可能性，业界普遍好奇它能够带来怎样的价值，最适合在怎样的场景落地。

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。从讨论内容上看，" 大模型在金融行业的应用 " 毫无疑问是本届科技周最受关注的话题，将推理大模型带到金融行业则是热点中的热点。

（度小满 CEO 朱光在 2024 香港金融科技周主论坛上发言）

度小满 CEO 朱光 2024 香港金融科技周主论坛上表示，" 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 "。

我们可以从度小满的思考和实践出发，去看看 " 慢思考 " 如何触发金融智能化的新一轮变革。

事实上，OpenAI 的 " 草莓 " 模型在业界风传已久。此前很多人认为它将是 GPT 家族的最新一员，而在 9 月 13 日正式发布后大家发现，OpenAI 将 o1 列为一个全新的模型系列。

之所以如此重视，是因为 o1 所代表的推理大模型，打开了一种与以往大模型不同的全新运作机理，同时也取得了截然不同的效果。

o1 大模型的思考模式，对应的是心理学家丹尼尔 · 卡尼曼（Daniel Kahneman）提出的逻辑系统。与占据 95% 的直觉系统不同，逻辑系统这种思考方式只占据人类思考系统的 5%，特点是启动缓慢，耗时较长，但能够解决非常复杂的问题。日常生活里，我们往往只会在解数学题、科学思考、下棋、案件推理等环节中启动逻辑系统。

回到 AI 领域，如果说以往的 AIGC 能力大体属于直觉系统，特点是快速调用已有信息和数据，能够给出即时反馈与生成结果，但缺点是讹误多、幻觉强，且不能应对复杂的问题。那么 o1 大模型则有着更长的内部思维链，在生成结果前会进行复杂的逻辑推理，从而在物理、化学、数学等领域刷新了 AI 的上限。在一系列测试中，o1 大模型都表现出了能媲美相关领域博士的专业思考水平。这些结果，让 " 推理大模型 " 成为 AI 进化的全新可能。

如果我们把 " 慢思考 " 看作一个全新的科技变量，哪些应用领域能充分发挥它蕴藏的价值呢？

需要详细理解数据，缜密分析，层层思考的金融行业，毫无疑问就是答案。

金融行业有着海量数据，以及包罗万象的数据应用场景，但如果从 AI 应用这些数据的层级来看，会发现较为明显的浅层与深层之分。

所谓的浅层 AI 应用，是指用大模型来补充和代替一些基础的金融服务，比如用智能客服来提升用户沟通效率，用 AI 文档助手来提升金融机构办公效率等。这些 AI 应用涉及的场景较为单一，也无需对数据进行深入分析和推理。朱光认为，这些应用可以替代一部分的人力，提升服务效率，降低金融机构的服务成本，但创造的核心价值并不显著。

而在金融行业的核心业务中，比如风控、信贷决策、投资决策等场景中，有着数据类型复杂，分析要素多样，推理需求严苛的特点，让 AI 大模型来驱动这些场景的智能化，是名副其实的深层 AI 应用。类似场景更加具有挑战，同时也会给金融智能化带来更加具有变革力的价值提升。

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 "。

而具有慢思考能力的推理大模型，就很可能让这种设想变为现实。基于推理大模型，未来我们可以看到 AI 像专业审核员一样读征信报告、看账单流水，甚至能解读网络大数据，思考和捕捉数据之间的关联，并生成风险判断的依据和结论。这将让 AI 真正抵达金融的核心业务，甚至比人类交易员、分析师做得更好，突破金融行业的价值上限。

沿着推理大模型与金融行业结合的可能性，我们会发现一系列关键金融场景都可能迎来新的 AI 变革，比如说：

在风控领域，具备了风控知识与思考能力的推理大模型，可能会提升风控决策质量。

在投资领域，推理大模型可以挖掘高价值的因子，并优化投资算法。

在保险领域，推理大模型可以根据用户需求进行个性化的产品设计，并做出是否承保的决策。

归纳这些可能性，会发现推理大模型的核心意义在于，它可能将 AI 在金融行业的应用范畴，从客服、文档助手等基础、单一场景，升级到风控、投资决策等复杂、高价值场景。

而让推理大模型的变量，成为金融智能化的新动力，还需要先驱企业的积极实践，以及整个行业的不断突破。

虽然 " 慢思考，强逻辑 " 的推理大模型，目前还处在非常具有前瞻性的新兴阶段，但依靠 AI 大模型几年以来的极速发展，以及中国金融智能化的长足进步，将推理大模型的新能力积极引入到金融行业，已经成为很多知名厂商正在进行研发和布局的战略高地。相信不久的将来，我们会看到 " 慢思考 " 给金融行业带来巨大的价值提升。

比如说，本次大会上朱光就分享了度小满用推理大模型在风控场景上所进行的一系列创新性探索。

其中，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，推理出客户的还款能力，最后给出是否审核通过的风控决策建议。这种探索正在不断验证推理大模型在金融核心业务中的价值可能性与可靠性，为金融智能化打开新的发展空间。

基于推理大模型，将金融行业的智能化升级从外围场景深入到核心业务。

风起时已经来临，重塑金融科技的机会，或许就在 AI 的下一次思考中。