度小满，让“推理大模型”走向金融核心业务-电子发烧友网

最近一段时间，AI领域被谈及最多的关键词是“推理大模型”。

今年9月，OpenAI发布了o1大模型，这种具有“慢思考”能力的大模型最大特点是能够推理复杂的任务，可以解决科学、编程、数学等领域更为复杂的问题。它的出现，让推理大模型成为AI发展进程中的全新可能性，业界普遍好奇它能够带来怎样的价值，最适合在怎样的场景落地。

10月28日，2024年香港金融科技周在香港亚洲国际博览馆开幕。从讨论内容上看，“大模型在金融行业的应用”毫无疑问是本届科技周最受关注的话题，将推理大模型带到金融行业则是热点中的热点。

（度小满CEO朱光在2024香港金融科技周主论坛上发言）

度小满CEO朱光2024香港金融科技周主论坛上表示，“以o1推理大模型为代表的新一波生成式AI技术在金融领域的应用，将从外围场景深入到核心业务，直接影响金融行业的核心决策质量，在为客户的产品和服务体验上带来巨大突破的同时，将会重塑金融科技行业”。

我们可以从度小满的思考和实践出发，去看看“慢思考”如何触发金融智能化的新一轮变革。

事实上，OpenAI的“草莓”模型在业界风传已久。此前很多人认为它将是GPT家族的最新一员，而在9月13日正式发布后大家发现，OpenAI 将o1列为一个全新的模型系列。

之所以如此重视，是因为o1所代表的推理大模型，打开了一种与以往大模型不同的全新运作机理，同时也取得了截然不同的效果。

o1大模型的思考模式，对应的是心理学家丹尼尔·卡尼曼（Daniel Kahneman）提出的逻辑系统。与占据95%的直觉系统不同，逻辑系统这种思考方式只占据人类思考系统的5%，特点是启动缓慢，耗时较长，但能够解决非常复杂的问题。日常生活里，我们往往只会在解数学题、科学思考、下棋、案件推理等环节中启动逻辑系统。

回到AI领域，如果说以往的AIGC能力大体属于直觉系统，特点是快速调用已有信息和数据，能够给出即时反馈与生成结果，但缺点是讹误多、幻觉强，且不能应对复杂的问题。那么o1大模型则有着更长的内部思维链，在生成结果前会进行复杂的逻辑推理，从而在物理、化学、数学等领域刷新了AI的上限。在一系列测试中，o1大模型都表现出了能媲美相关领域博士的专业思考水平。这些结果，让“推理大模型”成为AI进化的全新可能。

如果我们把“慢思考”看作一个全新的科技变量，哪些应用领域能充分发挥它蕴藏的价值呢？

需要详细理解数据，缜密分析，层层思考的金融行业，毫无疑问就是答案。

金融行业有着海量数据，以及包罗万象的数据应用场景，但如果从AI应用这些数据的层级来看，会发现较为明显的浅层与深层之分。

所谓的浅层AI应用，是指用大模型来补充和代替一些基础的金融服务，比如用智能客服来提升用户沟通效率，用AI文档助手来提升金融机构办公效率等。这些AI应用涉及的场景较为单一，也无需对数据进行深入分析和推理。朱光认为，这些应用可以替代一部分的人力，提升服务效率，降低金融机构的服务成本，但创造的核心价值并不显著。

而在金融行业的核心业务中，比如风控、信贷决策、投资决策等场景中，有着数据类型复杂，分析要素多样，推理需求严苛的特点，让AI大模型来驱动这些场景的智能化，是名副其实的深层AI应用。类似场景更加具有挑战，同时也会给金融智能化带来更加具有变革力的价值提升。

朱光认为，生成式AI技术要对一个行业带来巨大变革有两个前提，“一是必须让核心的客户体验发生巨大改变；二是必须对业务的核心决策产生影响。比如信贷业务，只有当大模型能够对客户的金融服务体验带来影响、对风险决策、经营决策这样的核心业务决策产生重大影响的时候，才真正释放出大模型的潜力”。

而具有慢思考能力的推理大模型，就很可能让这种设想变为现实。基于推理大模型，未来我们可以看到AI像专业审核员一样读征信报告、看账单流水，甚至能解读网络大数据，思考和捕捉数据之间的关联，并生成风险判断的依据和结论。这将让AI真正抵达金融的核心业务，甚至比人类交易员、分析师做得更好，突破金融行业的价值上限。

沿着推理大模型与金融行业结合的可能性，我们会发现一系列关键金融场景都可能迎来新的AI变革，比如说：

在风控领域，具备了风控知识与思考能力的推理大模型，可能会提升风控决策质量。

在投资领域，推理大模型可以挖掘高价值的因子，并优化投资算法。

在保险领域，推理大模型可以根据用户需求进行个性化的产品设计，并做出是否承保的决策。

归纳这些可能性，会发现推理大模型的核心意义在于，它可能将AI在金融行业的应用范畴，从客服、文档助手等基础、单一场景，升级到风控、投资决策等复杂、高价值场景。

而让推理大模型的变量，成为金融智能化的新动力，还需要先驱企业的积极实践，以及整个行业的不断突破。