近日，由21世纪经济报道主办、腾讯安全联合主办的“金融风控大模型打造动态风险治理体系”闭门研讨会在北京召开，这也是“共建金融风控科技”系列闭门研讨会第四站。
　　会上，聚焦于大模型在金融风控场景的应用，光大信托数据中心总经理祝世虎做了主题分享。祝世虎认为大模型是生产力的提升，智能风控必须主动拥抱大模型。并从数据共享与大模型、传统模型与大模型、智能风控与大模型、大模型的治理与发展等四个方面进行了阐述。
　　一是数据共享与大模型。祝世虎指出从智能风控角度，数据包含：原始数据、标签、特征这三个层次，与之对应的就是数据共享的三个层次。第一层级是原始数据与标签的共享，例如企业信息的查询、信用信息查询等；第二层级是“数据+模型”的方式实现特征的共享，例如联邦学习、隐私计算等；第三层级就是将数据信息与模型能力嵌入到大模型中，实现能力的共享与迁移。这或许就是我们所说的降维打击。
　　二是传统模型与大模型。大模型相对传统模型具有一定的技术优势，以客户画像领域为例，传统模型是一系列的不同算法的小模型，例如以统计算法计算九资、以网络图谱计算客户关系、以树模型计算客户偏好，其数据结果均为固定化的评级评分等，但是大模型则是通用算法来感知描述上述画像，并且能够进一步感知风险浓度、欺诈态势等。大模型与传统模型的未来趋势将会由共存到超越。受制于计算复杂度高、可解释性差等问题，大模型会与传统模型会共存；其共存方式为大模型为中控驱动可解释性的传统模型；未来随着大模型复杂度降低、可解释性增强，大模型可能逐步替代传统模型。
　　三是智能风控与大模型。祝世虎感叹目前智能风控的发展也即将遭遇瓶颈，主要体现为：基于传统算法的模型对风控效能的提升越来越弱，这导致了智能风控对数据的过度依赖，进而极大增加了风控成本，所以智能风控需要主动求变，主动拥抱大模型。目前看，大模型在金融行业的应用主要是，依托大模型人机交互能力的客服领域的应用，依托大模型生成能力的办公与代码领域的应用，但这些并不是金融机构的核心领域。未来大模型在监管、合规、风控等领域的落地应用，才标着大模型在金融机构的应用形成了闭环。
　　四是大模型的治理与发展。大模型在金融领域应用的架构可以划分为三层金字塔结构：底层是通用的基础大模型底座、中间层是金融行业级大模型、顶层是各家金融机构的任务级大模型。其中，基础大模型底座的关注点是自主可控：包括硬件的自主可控、软件框架的自主可控、生成内容的“AI对齐”社会主义核心价值观。金融行业级的关注点是“能力对齐”使得中小金融机构可以迁移能力对齐大型金融机构，进而缩小中小金融机构与大型金融机构的数字能力的差距。中小金融机构的任务大模型起关注点是成本，通过数据整合、算力外包，以低成本来打造轻量级微调模型进行大模型能力的迁移。
　　最后，祝世虎提及了数据信托的问题。当数据资源成为了数据资产，进入了数据要素市场，数据信托可以从信托视角解决数据确权问题、数据资本化问题、数据生态整合问题、数据跨境流通问题。
（文章来源：21世纪经济报道）