當前，人工智能與大數據技術正在重塑金融業的核心運營模式。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人工智能基礎設施的自主可控。

然而，比技術研發更關鍵的是如何將人工智能深度融入實體經濟業務系統。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領先地位。

騰訊云開發的人工智能實時風控引擎已支撐微眾銀行、微保等平臺，并向外輸出聯邦學習與智能檢測中臺能力；螞蟻集團基于支付寶、網商銀行及自研數據庫，構建了全球領先的圖計算與人工智能風控系統，可支持億級用戶的實時交易與合規監管。金融機構與技術廠商的協同，標志著人工智能正從單點工具升級為系統性生產力。

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理張燦在2025金融街青年派活動上表示，銀行信貸系統經歷了信息化、數字化到智慧化的演進，其核心推動力是數據與技術的深度融合。數據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，以及行內系統內部數據的整合分析。在這一模式下，外部數據的運用相對有限，難以獲取到那些具有高度相關性和高質量的關鍵外部數據。然而，隨著數字生態與數字金融的蓬勃發展，金融機構現在能夠接入并獲取更為廣泛和深入的外部關鍵信息，例如產業鏈、供應鏈等維度的數據。通過將這些外部信息與內部數據進行有效整合，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、立體的數據化分析。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的物理網點。銀行正通過線上渠道與線下網點的深度融合，以及金融服務與產業場景的緊密結合，實現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，為適應日益多元化的市場需求，銀行需借助數據技術深入挖掘客戶的潛在需求。在這一過程中，銀行的創新重點已從單純的產品層面拓展至生態層面，即通過融合業務、數據與技術三者，進行更為全面的業務模式創新。數據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服務的邊界限制，而業務創新則致力于更好地滿足多元市場需求。這三者的協同作用，正推動金融生態體系向更加智慧化、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、個體工商戶及農戶等群體，金融服務供給仍面臨挑戰，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，在數字化變革進程中，數據要素已確立為關鍵的基礎性生產要素。其特性與其他傳統生產要素存在顯著差異，尤為突出的是其邊際效應呈現遞增規律，而非勞動力等要素常見的邊際遞減現象。這是因為數據要素具有可重復使用性，并且不同數據要素的疊加能夠產生更為豐富的價值。

以金融風控為例，傳統風控模型主要依賴部分特征數據，如征信報告、多頭借貸信息等。基于這些有限數據構建的模型，其評估結果往往僅能反映客戶或企業在風險控制的某些特定維度上的表現，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，仍可能出現較高的逾期率和不良率。若能合規、在用戶授權的前提下，獲取并整合更多維度的數據，例如互聯網用戶畫像、行為特征、設備信息乃至環境要素等，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，數據的價值隨著數據量的增加和應用門檻的降低而不斷放大，從而實現更高的社會價值與經濟價值。

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

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。特別是在數據合規獲取環節，如何有效獲取數據，并確保用戶充分知曉其個人信息被使用的情況，是至關重要的環節。

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，并展現出強烈的改進意愿。加之第三方專業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和運行穩定性將持續得到優化與提升。

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、資金、交易媒介等，及其相互關系，以圖結構的形式進行刻畫。考慮到螞蟻擁有數億用戶及其產生的海量交易，由此構建的圖網絡可能包含上百億個節點。通過這種動態的圖網絡，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，進行全方位的風險感知、識別與分析。

趙亮將傳統的風控系統比作“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，彌補了傳統方法的不足。

在人工智能的視角下，其應用主要體現在兩個層面。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絡等信息。這使得系統能夠自動發現異常交易行為。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揮著關鍵作用。它能夠進行深度分析、邏輯推理，并實現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，將復雜的關系網絡清晰地呈現出來；而人工智能則更多是解決整個決策過程的智能化問題。兩者疊加產生的協同效應，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節，進而提升反洗錢工作的整體效能。