数字技术正在深刻改变着我们的生活，特别是让金融服务变得触手可得。
“过去十年，随着数字中国的建设，我国金融行业的数字化基础设施不断完善，这为金融服务的可得性和覆盖性提供了有力支撑。”在近日召开的2023数字经济十月论坛上，马上消费金融股份有限公司（简称“马上消费”）副总经理兼CTO蒋宁表示，马上消费虽然是一家消费金融公司，但自成立以来就以科技驱动发展，有超1500项专利，超2000名技术研发人员，这些要素让马上消费更加深刻理解数字化技术对普惠金融的影响。
前不久，国务院印发《关于推进普惠金融高质量发展的实施意见》(下称“意见”)，意见中指出，要健全多层次普惠金融机构组织体系，突出消费金融公司专业化、特色化服务功能，提升普惠金融服务效能。
蒋宁以马上消费为样本解答了数字化技术给中国普惠金融事业带来的关键推动作用。
数字化技术推动金融的“普”与“得”
数字普惠金融有别于传统普惠金融的优势，其原因在于大量地运用数字技术，提升金融服务的覆盖性、可得性。
蒋宁指出，数字技术为普惠金融带来三方面的改变：首先，数字化技术解决金融服务的覆盖度问题。其次，数字化技术和人工智能有效提升金融服务的可得性。最后，数字化技术成为中国共同富裕、乡村振兴有力的推动助手。
回看过去十年，国家的数字化基础得到大幅度提升，智能手机广泛普及，手机银行等业务得到快速发展，让金融服务无处不在、随手可得。同时，随着数字化技术的应用不断拓展和深化，数字鸿沟得到有效弥补，个人拥有的数字资产差距正在逐步缩小。
蒋宁认为，正因为数字化技术结合数字化资产的快速发展才有效突破了时间和空间的限制，为中国的新市民、蓝领工人以及村镇用户提供了更好的服务方式，数字化解决了金融覆盖度的问题，让普惠金融的“普”得以实现。
实际上，普惠金融更难地挑战是风控成本较高，我国现有的信用报告范围覆盖不足，导致传统银行覆盖不到更下沉的人群，而传统的金融产品无法满足新市民碎片化、及时需要的金融需求。这正是消费金融公司设立的初衷，服务深挖传统金融机构意愿不强、覆盖不到、能力不够的普惠市场，深化产品和服务模式创新，提升普惠金融的可得性和便利性。
蒋宁介绍道，马上消费要用数字化决策技术，构建一个崭新的零售金融平台，这个系统可以覆盖二、三线新市民，对其进行有效的风险画像，从而形成数字决策能力，有效地解决风险成本高和可得性的问题。
数据显示，截至目前马上消费注册用户超1.8亿，为超900万信用“白户”建立征信，提供普惠金融服务。马上消费已将普惠金融业务下沉拓展至三四线城市和县城、农村地区，服务超过7200万村镇用户，笔均贷款3000元左右。
蒋宁表示，马上消费利用自研的1000余套核心系统为村镇用户建立起了风控模型，为这些客群提供金融服务提供可能性。“金融为犁，消费金融数字化技术特别是数字决策和人工智能有效降低成本，提升了可得性和覆盖率。这是消费金融行业运营数字化技术，为新市民以及低收入人群提供的重要关键服务的一次创新尝试。”
金融大模型或将改变金融业
可以看到，数字化技术改变了触达用户的成本和效率，大数据、人工智能、云计算的结合，也就是信息算法和算力的结合，深刻地改变着了解用户、甄别风险的成本和效率，为解决普惠金融的问题提供了新路径。
数字化技术的迅速迭代的当下，如何感知消费者个性化的需求，得出精准的业务决策?
这个问题，是每一个寻求数字化转型的金融机构关注的重点，也是变革金融科技绕不开的命题。特别是今年以来，金融业和大模型不断融合，大模型到底会给金融行业带来哪些机会，能否解决核心问题？
蒋宁直言，拥抱大模型，金融机构将在产品和服务个性化、价值链效率、决策科学性方面迎来更大的发展空间。
在蒋宁看来，让大模型执行金融任务，要满足3个条件：一是在线持续学习，让模型实现实时推理预测，能基于用户行为做出快速的、最佳的个性化判断;二是要构建组合式AI平台，让大模型和传统的数千个普通模型有效组合，达成合作；三是满足安全合规这个最根本的要求，用对抗学习来解决模型的鲁棒性问题，以保证金融100%的安全、合规。
这些技术细节和解决方案的提出，都建立在马上消费深厚的科研积累和长时间的数字化实践之上。
马上消费基于大模型的智能化架构，构建先进AI驱动的模型决策系统，也就是上述提到的新零售金融平台。
今年8月，马上消费发布全国首个零售金融大模型——“天镜”，并已在自动化营销、风控等实际业务场景应用近6个月。“今天，马上消费每天能基于用户1000万个行为做出个性化的营销和风险判断，每天做上亿次模型计算，每秒可以处理150万特征的计算。”蒋宁说，经由这些大规模数据处理能力，马上消费由传统的机器学习跃迁到大规模特征计算和大规模模型计算体系，并以此推动零售金融创新发展。
当前不少金融机构都已将大模型从战略层面重视起来。据不完全统计，工商银行、农业银行、中国银行、交通银行等，都已在最新半年报中明确提出正在探索大模型的应用。从近期动作看，他们也正在从战略层面和顶层设计层面有更清晰的思考和路径规划。
此外，一些大型互联网公司同样竞相比拼速度，虽然各家金融大模型不断涌现，但业内人士认为，由于金融行业本身对数据合规性、安全性、可信性等存在高要求，金融大模型落地进展和实际应用，实际略滞后于年初预期。
蒋宁表示，可以从三个维度评价大模型的能力：是否拥有效地反应生产活动能力、模型本身能否持续进行优化、是否拥有广泛的通用能力。他认为，今天的大模型最擅长的用通用能力来解决问题，但是缺乏相应的技术进行持续优化。
本文系企业供稿，仅供参考
