<mark id="oztn4"></mark>
0
大模型應用發展如火如荼，但前沿技術的春風，至今未能在B端場景吹遍，落到實處、立下標桿案例者，更是罕見。
這一點不難理解：相較于B端，C端場景自然更容易被用戶感知，對大模型“幻覺”的容忍度也更高。在智能助手、智能營銷等相對“遠離”核心業務之處，對那些不直接與用戶互動，生成內容的大模型應用加以探索，也是眼下不少企業的慣常做法。
然而，一個行業里默認的共識是，找到B端場景，到產業里去，才可能打開大模型的商業想象空間。
很難，但有人已經出發。
4月10日，雷峰網(公眾號：雷峰網)從2024年數字產業鏈金融峰會獲悉，網商銀行已經將大模型應用在了小微金融領域。
目前，銀行大模型多處在探索階段，其應用場景集中在銀行內部的智能辦公、流程自動化等，對外則更傾向于零售金融和財富管理相關。有關對公金融，乃至小微金融領域的應用，已是少之又少。
而小微金融，本就是金融行業極其難啃的一塊硬骨頭。
原因不外乎兩點：看不見、摸不著。
國家市場監督管理總局數據顯示，截至2023年5月底，全國登記在冊民營企業數量達到5092.76萬戶，99%為中小微企業。如果算上個體工商戶，這個數量能達到億級。金融機構的服務網絡和覆蓋范圍與之相比，只能算是杯水車薪。
小微企業需要融資時，又未必能提供規范準確的財務信息，很難向金融機構“自證”還款能力，機構也不便從其他途徑獲取關于企業的更多信息。
更多時候，小微企業高度依賴企業主的個人信用，房子車子抵押成為常見的辦法，機構自然也就不愿放出更高額度的貸款。
看不見他們的需求，摸不著他們的還款能力，小微金融成燙手山芋，自是意料之中。小微企業之于金融機構，如巨輪駛入小河道，信息的缺乏正如河道狹窄水淺，機構越想再前行一步，就多一分風險。
我們不妨看一個典型的小微企業在銀行眼中的情況。
浙江丞達，一家生產特種尼龍材料的企業。每接一單新生意，他們都需要大量現金買原料、投入生產，但客戶回款周期通常在3個月左右。浙江丞達在資金周轉期，可以向銀行申請信貸服務，不過仍然需要抵押房產，并經歷一周的等待。
丞達所產的高溫尼龍形似大米粒，能長期耐住150-200℃的高溫考驗，但丞達自身卻未必能耐住現金流隨時斷裂的可能。
浙江丞達創始人潘弈丞
這種無奈的等待，源自于銀行難以了解他。網商銀行行長馮亮介紹，在大模型應用以前，丞達在銀行的風控系統中是這樣的——一家普通小微，工商信息顯示干機械制造行業，年銷售額大概在1000萬左右。具體做什么不知道，產品用在哪里不知道，行業好不好，對手如何和經營情況不知道。
丞達自己都不知道，生產的產品通過層層流轉，最終用到哪里。與產業鏈上的大品牌離得實在太遠了，沒有大企業擔保，又沒有可信的經營數據，擔保貸款和純信用貸款這兩條路子，都很難走得通。
大模型的應用，正在努力地讓錢流向更多丞達們。
那么有了大模型的應用之后，丞達在銀行的眼中，又發生了哪些變化呢？
不妨想象一個人的視力從4.0到了5.2會發生什么。馮亮展示了有了大模型的“顯微鏡”后，被重新看見的丞達：
它生產的尼龍的材料，經過了層層加工、裝配后，最終去了比亞迪汽車、華為手機的絕緣層。
它位于浙江嘉興平湖，浙江四大新材料基地之一，擁有完善的產業鏈生態與原材料優勢。
丞達在這個領域是“潛力股”——手握12張專利證，被評為浙江省高新技術企業，其生產的尼龍產品的品質好，價格優。
“在這樣的視角下看，丞達理所當然是一家優質的小微企業。”當丞達的老板潘弈丞從支付寶里點開網商銀行，申請貸款時。風控系統給了他200萬的額度，無需抵押，隨借隨還。他坦言，網商銀行的放款一天就到賬，正好解決買原料的燃眉之急。任何產業鏈上都有數不清的老潘。
老潘的難題，也是所有“無名英雄”的難題。
一年前的春天，一個問題擺在網商銀行的技術團隊面前：
一輛比亞迪汽車擺在面前，人們第一眼認出的、更愿意討論的，總是那個拉風的車標，但車標以外的每顆螺絲、每片塑料值得被看見嗎？
答案是肯定的。他們開始嘗試用大模型來提升產業鏈上小微金融的獲得感，將原有的供應鏈金融“大雁”系統升級，往縱深處繼續探索。
小微企業要被“看得見、摸得著”，最好是讓他們擁有自己的坐標。維度越全面，定位越精準，就越能準確刻畫小微企業的還款能力。
此前，金融機構的供應鏈金融通常是這樣“定位”的：先鎖定供應鏈中的核心大企業，再向下梳理一級、二級供應商，判斷該企業處于該供應鏈中的哪一環。
然而，受信息所限，這種方式難以觸達三、四、五級、N級的供應商的需求。
這正是大模型的用武之地——對海量數據的分析處理、解析與判斷。
大模型在網商銀行產業鏈金融領域的應用總共分兩步：
第一步，是編織一張廣闊的產業鏈圖譜。通過從海量信息中抽取數據，以產品為主要節點，形成初始產業鏈。再通過多模態數據融合，協同推理等技術識別小微企業的主營業務，掛載至對應的產業鏈。
以汽車產業鏈為例，大模型會以看到發動機廠商、軸承廠商、電機廠商、4S店等等環節，再看見每個環節分布著哪些企業，由點成線再成網。
整個過程好比探照燈不斷的移動，將毛細血管的小微全部照亮，并清楚的看到它和哪些企業發生關聯。
第二步，在完成坐標定位后，大模型將扮演“智能產研專家”，評估小微的風險和畫像。大模型通過自動夠讀取大量研報，分析小微的標簽，生成最適合描述小微用戶的經營畫像和評分，讓小微用戶的“人設”豐滿具體。一定程度上，這些代表著代表著他的還款能力。
如果說，傳統的供應鏈金融，是從大江大河開始刻畫河流的上下游，那么大模型加持下的產業鏈金融，即是繪制巨幅河網地圖。大模型如勘探員跋山涉水，吃透了每一處地形和氣候，才能精準標注出溪流的走向與沿岸的村莊。地圖上的點越精確，資金越能準確“空投”至小微經營者的跟前。
網商銀行透露，以汽車產業鏈為例，如今他們已經識別了270萬家小微企業，其中100萬家獲得了授信。獲得金融服務的用戶中，64%為首次獲得純信用貸款，近3成為科創型企業，且獲得了更高的額度。因為秒貸秒批的金融服務，他們在經營上實現了“0賬期”，可以多接訂單，每月交付量平均提升17%。
當毛細血管小微企業能夠規模化地獲得便捷靈活的資金支持，產業鏈的資金融通和運轉效率也將大幅提升。
網商銀行高級工程師方珂告訴雷峰網，“我們找到了一個方向，但還不能說現在就挖到了豐厚的寶藏。大模型的產業應用仍有很遠的路要探索。”
大模型應用仍然有很多問題需要驗證，推理過程中仍有可能出現“幻覺”，造成“一本正經的胡說八道”。因此升級后的大雁系統，并不是將大模型直接應用于風控系統，直接服務客戶，而是由大模型向風控系統提供客戶識別，提供經營評分和畫像，經風控系統多維度交叉驗證后，最終決定小微經營者獲得的貸款額度。
另一個問題是，吃螃蟹的為什么是網商銀行？
這家自開業之初就生長在云上的銀行，在業內率先實現了100%的去IOE和自主可控，并較早地開始依靠授權數據作為生產資料，通過數據與AI技術，讓用戶可以在無抵押、無擔保、不提交紙質材料的情況也能證明“我有信用”。
這套風控系統歷經磨練，截至2022年底，已累計服務超過5000萬小微經營者。在小微金融的這片土壤里，技術已經來來回回丈量了5000萬次。
“超大規模的客戶量，數據與風控能力沉淀，對小微經營者認知的積累，共同構成了我們用大模型探索產業鏈金融應用的基礎。”方珂表示。
雷峰網也了解到，網商銀行不是第一次讓新技術走出實驗室。此前他們就曾通過衛星遙感信貸技術“大山雀”系統，解決小散農戶貸款難的問題，進一步提高縣域及農村的小微貸款可得率。
再看這只“大雁”，它邁出的這一步，依舊難能可貴。它的背后有著雙重難題：大模型在B端場景應用之少；小微金融服務可提升的空間之大。
2013年，發展普惠金融首次被提出，在政策推動下，中國金融服務已向許多小微經營者，盡可能將大門再敞開一尺，中國普惠小微貸款余額連續5年增長超過20%。但，這一問題仍有值得追問的問題：
現在的金融產品是否真的已經最有效地做到普惠和支撐實體經濟？缺少融資渠道的人和企業，通過貸款改善了福利？那么怎么把錢借給真正有需要的人和企業？
以往因為人力成本、信息不對稱等原因難以做到的風控模式、難以覆蓋的應用場景，在有了數據要素流通、AI大模型的今天，或許有了新的可能。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
