场景契合，过往服务小微企业形成的认知积累以及大数据风控的成熟应用，共同构成了网商银行探索大模型落地的基础。

文｜徐鑫

编｜任晓渔

2024年被视作大模型产业落地爆发元年。

数字化转型走在前列，也最有资金实力和意愿投资前沿技术的金融行业，如何落地大模型，在过去一年一直是大模型赛道及行业内的热点。

4月10日，在2024数字产业链金融行业峰会上，网商银行宣布旗下的供应链金融解决方案大雁系统升级，AI大模型首次应用于产业链金融场景，提升小微企业金融服务的覆盖率和便捷性。

相比代码助手和客服助手、智慧办公等金融行业主流场景，网商银行用大模型的方式有极大独特性。这个案例里，大模型并非直接与用户互动，生成内容，而是应用于小微企业信用刻画，靠近金融行业“神经中枢”。

当下，整个大模型赛道，找到场景仍是落地的关键。网商银行如何在供应链金融场景里使用大模型技术，它带来了什么改变？

在强监管、高安全、高可信的金融行业里，如何规避大模型的幻觉问题，保证可用性？

网商银行如何解决数据、算力、算法等诸多挑战？

金融行业能否大范围复制？

本文将一一解码，看网商银行如何在供应链金融场景落地大模型应用。

01

大模型应用于产业链金融后，效果如何？

在理解大模型发挥了什么价值前，需要先理解没有大模型之前，一个典型的产业链上的小微企业，在银行眼中是什么样子？

浙江丞达，一家生产特种尼龙材料的企业。每接一单新生意，他们都需要大量现金买原料、投入生产，但客户回款周期通常在3个月左右。浙江丞达在资金周转期，可以向银行申请信贷服务，不过仍然需要抵押房产，并经历一周的等待。

丞达所产的高温尼龙形似大米粒，能长期耐住150-200℃的高温考验，但丞达自身却未必能耐住现金流随时断裂的可能。

网商银行行长冯亮介绍，大模型应用以前，丞达在银行的风控系统中是这样的——一家普通小微，工商信息显示机械制造行业，年销售额1000万左右。具体做什么不知道，产品用在哪里不知道，行业好不好，对手如何和经营情况不知道。

丞达自己也不知道，生产的产品通过层层流转，最终用到哪里。与产业链上的大品牌离得实在太远了，没有大企业担保，又没有可信的经营数据，担保贷款和纯信用贷款这两条路子，都很难走得通。

有大模型后，发生了什么改变？

不妨想象一个人的视力从4.0到了5.2。冯亮展示了有大模型的“显微镜”后，被重新看见的丞达：

它生产的尼龙材料，经过了层层加工、装配后，最终用在了比亚迪汽车、华为手机的绝缘层。

它位于浙江嘉兴平湖，浙江四大新材料基地之一，拥有完善的产业链生态与原材料优势。

丞达在这个领域是“潜力股”——手握12张专利证，被评为浙江省高新技术企业，其生产的尼龙产品的品质好，价格优。

在这些标签下，丞达理所当然是一家优质的小微企业。当丞达的老板潘弈丞从支付宝里使用网商银行应用申请贷款时，他能拿到200万的额度，无需抵押，随借随还。

在汽车产业链上，网商银行用大模型已经识别了270万家小微企业，其中100万家获得了授信。

获得金融服务的用户中，64%为首次获得纯信用贷款，近3成为科创型企业，且获得了更高的额度。

因为秒贷秒批的金融服务，他们在经营上实现了“0账期”，可以多接订单，每月交付量平均提升17%。

目前，网商银行已通过大模型搭建了汽车、医疗、建筑等9条产业方向的产业链图谱，识别超2100万产业链上下游的小微企业。

02

大模型是如何发挥作用的？

大模型在网商银行产业链金融的应用分为两部分：

第一步，基于大模型的知识抽取能力，大雁系统构建一个全面的产业链图谱。在图谱里，产业链上不同环节的生产厂商、经销商和上游的零部件提供商、更上游的原材料供应商都能被一一识别，每个环节里分布着的企业也清晰明了。

以汽车产业链为例，大模型会以看到发动机厂商、轴承厂商、电机厂商、4S店等环节，看见每个环节分布着哪些企业，由点成线再成网。

整个过程好比探照灯不断的移动，将毛细血管的小微全部照亮，并清楚的看到它和哪些企业发生关联。

构建这张图谱要做大量的数据爬取、数据清洗、逻辑校验和产品关系更新等工作。有了大模型的知识抽取能力，一张张更完整的产业图谱才有绘制可能。

第二步，大模型有语义理解、生成能力，与大模型驱动的Agent实时反馈能力叠加，能够更好地刻画小微企业的经营状况和信用情况。

此前刻画小微信用时，需要提交非常具体完整的信息，例如“近十四天销售额波动”，由大数据系统评估和测算，判断能否用于帮助增加对企业经营状况的理解。

现在只需提交模糊信息，大模型理解了语义，会自动生成非常多潜在刻画维度。描摹小微用户经营状况的能力因此有指数级提升。企业与产业链网络间的多元立体关系也能更清晰呈现。

以丞达为例，有了大模型能知道它生产的高温尼龙被用到比亚迪汽车上，是新能源汽车产业链上的企业。接下来，Agent可以自动读研报等，提取与丞达所处新能源汽车产业以及它自身经营相关的有效信息。

比如了解“纯电车和混动车的销量变化趋势”，判断整体行业的前景。识别丞达位于嘉兴平湖，判断它的供应链优势明显。看见有12项专利，知道它在同行中的研发能力。供货稳定，业绩呈增长趋势……一个又一个标签下，丞达将得到一个综合的信用评分。

在这个过程中，大模型像一个24小时无休的智能产研专家，小微信用画像识别效率提升了10倍。产研专家成本高昂，只能服务少部分人，现在有了大模型普通小微也能获得同等水平的服务。

此外，由于它能够实时自动读取动态的信息，使得所有的判断都是“新鲜”的，对小微风险的预测更为精准。

03

为什么选择产业链金融场景切入？

这与大雁系统所服务的领域，用户的迫切需求及当下面临的痛点有关。

中国有数量庞大的处于供应链上游和末端的小微企业，其中很大一部分处于传统供应链金融服务的空白地带。

之前的供应链金融场景，各类机构多是给大型企业的一二级大经销商提供服务，一般要由大型企业担保。简单来说，品牌承担一定的风险，经销商的货物需要抵押。银行可能还会对经销商的ERP系统的进出货动作和仓库仓储情况有验仓等一系列复杂操作，这些供应链上的企业才能拿到流转资金。

但还有大量小微企业，处在供应链末端，很难被大企业的供应链管理体系覆盖到。比如，你很难想象，一个家电品牌会给遥远的上游里某个塑料零件小工厂提供担保。

即使是一些高新技术企业的专利证件在实际获取金融服务时，也不如法人的房本好用。

然而，供应链和产业链上的中小微又非常重要。国家市场监督管理总局数据显示，截至2023年5月底，全国登记在册民营企业数量达到5092.76万户，99%为中小微企业。如果算上个体工商户，这个数量能达到亿级。

以往因人力成本、信息不对称等原因难以被供应链金融覆盖的场景，在有了数据要素流通、AI大模型的今天，出现新的可能性。

04

如何确保大模型能落地、可用？

前提是安全。

金融行业的强监管，容错率极低，大模型目前最大的问题是“幻觉”，生成的信息不一定可用。

怎么破题？

第一步是对大模型生成的画像标签，进行测评。举个例子，企业是达人直播还是自播——大模型判定这是小微经营信用的潜在因子。工程师需要验证、测评它是不是真的可用。

具体做法是，把这个标签，拿到不同的客群里验证，通过算法测算对比，看这个标签影响下，已经完成过信用等级评定的用户群的风险是否有发生变化。从而判定它是不是可以作为风控时的参考标准。

验证的结果还要能规模化使用。比如在网商银行这个千万级小微用户的平台上，如果某个标签只能筛选出100个用户，它也不是一个能用来定义小微企业的信用维度。

过程并不容易，“开始的时候，1000个标签可能最后验证出来只有几个维度可用。”网商银行高级技术专家方珂说。

第二步，实际应用中，还有一道“风险守门员”。大模型不直接参与风控系统决策环节。大模型只是用来刻画客户信用，经过严格验证后得出经营画像。风控决策系统经过复杂的计算和交叉多维度验证，最终判定给小微企业更适合的授信额度。

05

应用过程挑战几何？

要把通用大模型搬到网商银行的场景，还要解决很多工程难题。

首先是模型部署，金融行业有数据安全要求，大模型落地应用必须本地化部署，通过本地训练出来，权限也要可管控。

网商银行的大模型应用，底层的通用模型来自蚂蚁集团自研大模型。

在应用过程中，他们先把蚂蚁集团的模型放到网商银行，基于网商银行的场景和数据做训练，之后再完成大雁系统的本地化升级。整个过程都在网商银行完成，“如果远程调用，除了安全层面，这么多数据和计算逻辑也实现不了。”方珂说。

场景的独特性是另一重考验。去年3月时，大模型刚刚火起来，市场上没有人有用大模型去行业场景落地的经验。

大雁系统升级，本质是利用大模型来构建图谱，提升大数据挖掘能力，这个用法不同于ChatGPT这类Chatbot通用场景，没有现成经验可参考。

方珂说，为了缓解压力，CTO拍板，承担场景选择的责任，技术团队则专心攻坚模型能力，打磨产品。经过日复一日攻坚，花费一年时间，他们最终实现了产业图谱构建和应用升级。

数据层面也有挑战。小微企业经营涉及到的行业多，数据维度复杂，不同行业线上化程度不一样，数据的厚薄也有差异。技术团队花费了极大的精力找数据，处理数据。

算力上，网商银行此前已有充分的算力储备，为大雁系统的大模型升级奠定了基础。

06

金融机构能否规模化复制？

网商银行能利用大模型构建完整的产业链图谱和完成小微信用刻画，既是需求驱动，也有先天性的积累。

“从服务客户的数量、对小微经营数据的积累以及对场景的认知，网商银行都具有独特性。”方珂说。

网商银行始终是以大数据风控的方式来服务小微企业和个体经营者，平台上沉淀和服务小微企业和农户的数量超过了5000万。

这些积累形成了对小微企业经营的认知，叠加上此前大数据风控的成熟应用，共同构成了网商银行利用大模型探索产业链金融应用的基础。这也使得其他企业简单照搬场景，要走通这条路很难。

方珂提到，产业链数字化以及产业链金融领域的玩家很多。比如，一些大型生产制造企业，也希望了解产业链的全貌。一些金融科技公司，也希望通过类似的创新去对外提供服务……大模型还没有教科书级别的解法，每个公司只能依据自身优势和客户去摸索。

而对网商银行而言，大雁系统的大模型升级仍有很远的路要走。接下来，他们还需要全方位理解更多的产业链所需要的信息，引入更多的信息维度和数据，持续打磨“大雁”这只鸟。

“当然，更真实的是反馈是，产业链上小微的金融服务有没有发生改变。”