尊敬的各位嘉宾，女士们，先生们，大家上午好！

很高兴收到主办方的邀请，今年再次来到高交会，前面很多嘉宾都分享了AIGC的内容，萨摩耶云科技集团作为一家独立云服务科技解决方案供应商，我们长期关注在金融科技以及跨境电商行业的创新应用，我们对AIGC也做了不少探索，所以今天想给大家带来的分享是《AIGC赋能：金融场景应用的探索》，利用AIGC如何重塑金融的业务业态。

数字经济这几年的蓬勃发展大家都有目共睹。通过左侧中国信通院的研究数据可以看出，我们国家数字经济规模连续多年位居世界第二位，重要支柱地位更加凸显，2022年末总量达到50.2万亿元。这当中，互联网、大数据、人工智能等数字技术赋能作用也更加突出，与实体经济融合走深向实。2022 年末，数字产业化占GDP比重创五年来最大增幅，产业数字化规模达41万亿元。数字经济持续发挥“稳定器”“加速器”作用，数字化转型成为重要的大趋势。

在推动数字化转型过程里，AI始终与时代共起舞，为千行百业注入新的动能。艾瑞咨询《中国人工智能产业研究报告》表明，2022年中国人工智能产业规模达到1958亿元，人工智能的产品形态和应用边界不断拓宽。那么抓住人工智能“牛鼻子”加快形成新质生产力，可以说既是各行业抢抓数字经济时代机遇，也是企业打造营收护城河的重要方向。

有人说伽利略发明的望远镜，是人类望向宇宙深空的眼睛。而我觉得在算法、算力、数据大爆发推动下的生成式人工智能是新时代的‘望远镜’。AIGC大模型展现出很强的生成创造能力，是我们追逐数字经济星辰大海，实现高质量发展的新引擎、新工具。一个由量变到质变的新人工智能时代已经开启。我国在这个大趋势下也推出了人工智能的监管文件，可以看出来这里更多的是支持人工智能的发展，是一种包容和审慎的态度，引导AIGC更加健康和可靠地发展。

金融业一直都是创新技术的试验田和前沿阵地，这次AIGC新技术冲击下也不例外，过去金融业的数字化进程已经非常完善，基本上大的银行99.9%的业务都是通过数字化来完成的，这次在智能化技术冲击下，我相信会有更大改变，特别是对商业模式的改变，对人机交互的改变，对金融业务流程的改变，对内部最核心底层风险逻辑的改变等，所以我们在智能化转型的背景下，金融行业一定会抓住这个关键机遇来寻求新的发力点和创新点，来做降本增效。

金融科技是萨摩耶云科技集团的主业，我们在这方面积累了丰富的金融客户服务实践经验和能力。长期以来，我们专注AI决策智能技术研发和应用，打造一系列SaaS产品组合，为各行各业提供端到端云原生科技解决方案，包括金融云、产业云、海外云三大解决方案。我们给持牌金融机构提供的是一站式、全链路的解决方案，赋能金融机构智能化转型驱动创新增长。

我们在AIGC上的探索并不是要建一个金融大模型，刚才很多嘉宾都提到了，基本上我发现这也慢慢达成一个共识，就是大模型的探索不仅仅是做基础模型，不仅仅是做基础设施，而是怎么运用大模型在各行各业上来改变传统的业务流程，来降本增效，也就是说把AIGC应用到各行各业。

怎么应用？我们并不是说拿一个完整的产品来帮助我们做客服，做运营，做知识库的管理等。而是我们拆解AIGC底层算法，发现它基本提供以下几类，包括Edits，这是内容润色、文本简化等，Audio是语音的翻译生成，Fine-tuning是怎么做迁移知识的学习，还有Embedding表征提取，Completion用户的交互，代码编写等等，Chat对话系统、语言理解、智能生成。

这些都是AIGC底层的API，都是开放的。我们怎么利用这些API帮助我们做金融业务的重塑呢？萨摩耶云科技集团聚焦在四大业务领域，包括风控建模、风控反欺诈、客户运营、建模效果。我们把Embedding、Completion、Fine-tuning这三个技术和我们以往的技术，包括逻辑回归、决策树、随机森林等结合起来，进一步帮助金融机构智能化转型。

首先我们来看Embedding技术，它可以让我们对自然语言理解更深，把自然语言转换成向量的表示，让机器能够理解，能够标签化，也就是过去的入模变量一定是结构化的数据，未来入模变量把一些非结构化的数据，通过Embedding变成结构化的向量数据之后作为入模参数，之前是一个K，现在是一个万，甚至十万的变量，变量产生之后，它产出的模型准确度就会更高。

举个例子，我们在风险评估过程中，用户的画像过去是看他的学历、收入、资产情况，这些都是标准化、结构化的数据，未来我可以根据他的一些交互行为，例如他跟客服之间的对话，他都讲了哪些话，又例如他的一些文字化的描述，把它转化成一些向量之后，我们再转入到入模平台里面进行建模，丰富我们的变量，从而提升建模效果。这是直接使用到Embedding的最底层技术来扩充建模的宽度，让模型变得更加精准，而不是用一个机器人，一个机器功能协助建模，这是一个很大的突破。

在反欺诈上怎么用？因为大家都知道，金融的损失有两类，一类是信用上的损失，就是他没有能力来还钱。第二类是欺诈上的损失，他有没有意愿来还。我们在很多环节里面有特别多的反欺诈模型来侦测这个用户是不是一个欺诈用户，过去我们只能看一些行为，例如他做人脸比对的时候，不是他自己的人脸。现在我们有更多的维度来识别他是否有欺诈行为，这里要用到Embedding技术，也是一样把一些通话信息标准化变成向量化进行入模。例如客服在和用户沟通过程中，发现他的性格或者是行为发生了一些变化，“像是变了个人”，过去这些是不可能作为入模变量的，现在有了Embedding之后，我们也可以把它转化成一个结构化的数据来嵌入到萨摩耶云科技集团的的猎户座反欺诈模型，Hunter反欺诈系统等，提升反欺诈的精准度。

在客户运营方面，我们运用到了Completion的API，可以补充完善用户和你交互的上下文，在用户服务过程中，经常遇到一个问题是用户跟你交互的同时，他可能跟很多人聊天，因而忽视了和我们客服的交互。Completion就是可以捕捉到他的意图，补充他真实的意图。举个例子，例如有个客户说我们在APP上借了一笔款，我家里有点事。他真实的意图是你这次能不能给我免息，能不能做个延期，或者分期等等。这些意图的判断，我们可以通过Completions这一功能来把它补充完善，把它的上下文补全，这样可以提升客户运营的满意度。

最后一个是Fine-Tuning，GPT有时候“胡说八道”的现象也是存在的，在Completion预测不准的情况下，我们需要用一些行业私有化的数据进行精调，因为有些私有化的数据是不能够公开的，特别是跟金融相关的隐私数据，我们只能在自己内部的训练集进行训练，我们就用到Fine-Tuning这些功能，把最隐私的数据输入进去进行训练，训练出来的结果，只允许内部使用，这些都是可以通过精调的工具来实现，从而得到一个更好的，更加精准的一个效果。

以上这几个方面是我们在AIGC怎么应用在金融业上的一些探索和实践，这些都只是刚刚开始。但是我们在过程中其实也发现了新的技术还是会带来一些问题和风险的，例如数据的隐私，算法的歧视，模型的不可解释性等，这些问题都是存在的。我们怎么办呢？我们也会引入产业上的一些优秀的做法，例如一些隐私计算，例如一些对抗网络等来拥抱新技术，所以我们并不担心这些问题会阻碍这些创新技术在金融科技领域的发展。

最后我想用一句话来结束我这次的分享，“万物皆有裂痕，那是光照进来的地方”，新的科技一定有两面性，它会给我们带来风险，但是我们更加应该拥抱风险，就像卡尔·波普尔所说，“一切伟大的科学理论都意味着对未知的新征服”，我们希望能够运用最新的AIGC的技术，合理的使用这些技术，让它来造福人类。

以上是我的分享，谢谢大家。