題記：2025年6月9-10日，“2025羅漢堂-北大國(guó)發(fā)院數(shù)字經(jīng)濟(jì)年會(huì)”在北京大學(xué)國(guó)家發(fā)展研究院召開。本文為螞蟻集團(tuán)資深副總裁、財(cái)富與保險(xiǎn)事業(yè)群總裁黃浩在本次年會(huì)上的主題演講。

以下是黃浩演講的全文：

大家好，我是黃浩。這是我第三次來(lái)參加羅漢堂年會(huì)的活動(dòng)?，F(xiàn)在大家一說起 AI 都默認(rèn)是大語(yǔ)言模型，而大語(yǔ)言模型和金融的結(jié)合，我覺得如果用一句話來(lái)說，就是“理想有多么的豐滿，現(xiàn)實(shí)就有多么的骨感”。目前在金融領(lǐng)域，大語(yǔ)言模型的實(shí)際落地應(yīng)用接近為零。大家可以回想一下，最近一次使用大語(yǔ)言模型的金融服務(wù)是在哪里，是用了什么？實(shí)際情況是很少很少的?；谶@個(gè)接近為零的應(yīng)用狀況，我就簡(jiǎn)單地分享一下行業(yè)的現(xiàn)狀，以此拋磚引玉。

01

金融科技發(fā)展的三個(gè)階段

如果用幾分鐘簡(jiǎn)單地回顧金融科技的發(fā)展歷程，我們發(fā)現(xiàn)其實(shí)中國(guó)的金融科技就是世界的金融科技。在過去 20 年里，金融科技的發(fā)展可以分為三個(gè)階段。

第一個(gè)階段是前 AI 時(shí)代，代表作是支付寶。支付寶開創(chuàng)了中國(guó)乃至全世界數(shù)字化支付的新時(shí)代。這是在 2014 年之前，幾乎沒有 AI?；ヂ?lián)網(wǎng)支付大家都很熟悉了，我們使用得最多的技術(shù)，包括大數(shù)據(jù)、云計(jì)算、分布式架構(gòu)，都是為了解決海量交易高并發(fā)的普惠性服務(wù)。這方面中國(guó)解決得最好，除了金融科技企業(yè)之外，銀聯(lián)、網(wǎng)聯(lián)也都建立了高并發(fā)的系統(tǒng)，后來(lái)全世界都開始向中國(guó)學(xué)習(xí)。當(dāng)時(shí)的技術(shù)解決的核心問題就是線上化、實(shí)時(shí)化和規(guī)?；瑢?shí)現(xiàn)了綠色、便捷和普惠。

第二個(gè)時(shí)代是小模型時(shí)代，或者叫數(shù)字金融時(shí)代。一個(gè)代表作是余額寶（余額寶誕生于 2013 年，快速發(fā)展于 2014 年之后，可以說是介于第一個(gè)和第二個(gè)時(shí)代之間）。更有代表性的是數(shù)字化信貸，比如網(wǎng)商銀行首創(chuàng)的 “310” 模式，即 “三分鐘申請(qǐng)、一秒鐘貸款、零人工干預(yù)”。我曾經(jīng)擔(dān)任過網(wǎng)商銀行的行長(zhǎng)。十多年前剛推出這個(gè)服務(wù)的時(shí)候，人們都在問：沒有客戶經(jīng)理，沒有網(wǎng)點(diǎn)，沒有抵押的貸款能夠有效的運(yùn)轉(zhuǎn)嗎？十年之后走到今天，我們看到的數(shù)據(jù)是，中國(guó)的消費(fèi)信貸實(shí)際上 60% 以上是純數(shù)字化的，小微企業(yè)的信貸 —— 特別是 100-200 萬(wàn)以下的 —— 絕大部分是數(shù)字化的。也就是說，數(shù)字化信貸從螞蟻出發(fā)，已經(jīng)成為包括螞蟻的合作伙伴、競(jìng)爭(zhēng)對(duì)手，以及所有銀行和金融機(jī)構(gòu)都在使用的標(biāo)配，就像互聯(lián)網(wǎng)支付一樣。它所代表的數(shù)字金融其實(shí)是真正的 AI 應(yīng)用?？稍?ChatGPT 和 DeepSeek 興起之后，我們都不太好意思提這事了，好像小模型就不是 AI，但實(shí)際上這已經(jīng)是 AI 技術(shù)，并且在金融領(lǐng)域得到了廣泛應(yīng)用。

第二個(gè)階段另一個(gè)創(chuàng)新實(shí)踐項(xiàng)目是 “大山雀”，這也是基于 AI 技術(shù)。我們利用衛(wèi)星對(duì)農(nóng)作物 —— 不管是糧食作物還是經(jīng)濟(jì)作物 —— 進(jìn)行拍照，然后利用 AI 技術(shù)去識(shí)別農(nóng)民種的是什么、種的怎么樣，再基于算法來(lái)判斷他們是否需要貸款、貸款是否安全。這也是網(wǎng)商銀行首先推出的一項(xiàng)服務(wù)，目前有超過 120 萬(wàn)的種植戶通過這項(xiàng)服務(wù)獲得了貸款。實(shí)際上現(xiàn)在有很多金融機(jī)構(gòu)也已經(jīng)開始使用這種純正的 AI 技術(shù)，但這還不是大語(yǔ)言模型。

這個(gè)時(shí)代的再一個(gè)創(chuàng)新例子是在保險(xiǎn)領(lǐng)域的數(shù)字理賠。理賠以前是采用非常重人工的模式，可能一個(gè)機(jī)構(gòu)對(duì)醫(yī)療險(xiǎn)或重疾險(xiǎn)的理賠需要 30 到 60 天或者更長(zhǎng)的時(shí)間。而現(xiàn)在螞蟻的絕大多數(shù)保險(xiǎn)理賠是在 10 秒內(nèi)完結(jié)的，用戶只需要把所有的醫(yī)院理賠材料勾選上傳，不用做任何的分類，立刻就能出理賠結(jié)果。我們每年這樣辦理的案例超過 300 萬(wàn)起。這也是純正的 AI 技術(shù)，但仍然不是大語(yǔ)言模型（最近我們開始部分地應(yīng)用大語(yǔ)言模型技術(shù)）。

由此，在金融科技的第二個(gè)時(shí)代，我們基于海量的數(shù)據(jù)，通過算法的優(yōu)化，深刻地結(jié)合場(chǎng)景，進(jìn)行了各種金融業(yè)務(wù)的創(chuàng)新。我覺得毫不夸張地講，經(jīng)過第一個(gè)和第二個(gè)階段的發(fā)展，中國(guó)已經(jīng)引領(lǐng)了數(shù)字化支付和數(shù)字化信貸的全世界浪潮。在第一個(gè)和第二個(gè)時(shí)代，中國(guó)是領(lǐng)先全球的，甚至說遙遙領(lǐng)先也不為過。

第三個(gè)時(shí)代就是大模型時(shí)代，也就是現(xiàn)在大家談到更多的智能金融。這個(gè)時(shí)代才剛剛開始，誰(shuí)也沒有領(lǐng)先。大家在同一條起跑線上競(jìng)爭(zhēng)，螞蟻也一樣 —— 螞蟻很幸運(yùn)，在這三個(gè)階段都是其中主要的參與者之一。大語(yǔ)言模型必將會(huì)為金融領(lǐng)域的 AI 應(yīng)用打開新空間，因?yàn)槟Ｐ妥銐虼蟆?shù)據(jù)足夠多，而語(yǔ)言又是人類區(qū)別于動(dòng)物智能的最主要的特征。如果在這個(gè)點(diǎn)上取得突破的話，會(huì)給很多金融產(chǎn)品的制造和交付的過程都帶來(lái)巨大的想象空間。這個(gè)想象空間在哪兒呢？我們認(rèn)為在三件事上：知識(shí)力（解決專業(yè)知識(shí)密集的問題）、專業(yè)力（解決決策復(fù)雜度高的問題）和語(yǔ)言力（解決服務(wù)溝通難度大的問題 —— 通過多輪次的溝通，深入了解用戶需求，并為其提供服務(wù)）。

這三種力發(fā)揮作用的領(lǐng)域，肯定不是在支付這類瞬間發(fā)生的、資金搬家的流程，也不是在基于 AI 評(píng)估能否貸款、貸多少款的流程，而是會(huì)觸及金融業(yè)務(wù)最復(fù)雜的環(huán)節(jié)。如果金融業(yè)務(wù)有一部分是融資性業(yè)務(wù)，那么還有一部分是融智性業(yè)務(wù)，那就是資產(chǎn)管理、財(cái)富管理、保險(xiǎn)等等。在大語(yǔ)言模型推出之前，這些業(yè)務(wù)在中國(guó)可能是通過數(shù)十萬(wàn)的銀行網(wǎng)點(diǎn)、數(shù)百萬(wàn)的銀行員工、數(shù)百萬(wàn)的保險(xiǎn)代理人員來(lái)提供服務(wù)。服務(wù)的質(zhì)量高嗎？夠嗎？大家心里都有判斷。你得到過像私人銀行或者財(cái)富管理那樣專業(yè)的、有品質(zhì)的、貼身的服務(wù)嗎？答案是都沒有。正是網(wǎng)點(diǎn)數(shù)量和員工數(shù)量的限制，使得十億人無(wú)法得到既有高水準(zhǔn)又有溫度的金融服務(wù)。所以這次突然給了所有人想象空間。

02

大模型時(shí)代的現(xiàn)實(shí)及

螞蟻的應(yīng)對(duì)

就我了解，圈內(nèi)幾乎沒有人質(zhì)疑大模型會(huì)帶來(lái)金融服務(wù)的高質(zhì)量發(fā)展以及進(jìn)一步普惠。如果今天有人對(duì)此表示懷疑 —— 就像二十年前懷疑數(shù)字支付會(huì)普及、十年前懷疑數(shù)字信貸會(huì)普及 —— 就會(huì)顯得很傻，好像自己既缺乏想象力，也沒有記憶力。但是現(xiàn)實(shí)的骨感就在于：ChatGPT 發(fā)布已經(jīng)有兩年半了，DeepSeek 也出來(lái)不短時(shí)間了，可截至目前實(shí)際上沒有任何一家正規(guī)金融機(jī)構(gòu)推出結(jié)合了生成式大模型 —— 特別是推理的生成式大模型 —— 的金融服務(wù)。無(wú)論在哪個(gè)銀行開戶、在哪個(gè)證券公司炒股、在哪個(gè)平臺(tái)買基金、在哪個(gè)地方買保險(xiǎn)，大家可以了解一下它們的網(wǎng)頁(yè)端或手機(jī)端有沒有提供這樣的服務(wù)？答案是沒有，不僅在國(guó)內(nèi)沒有，在全世界范圍內(nèi)也沒有。為什么？卡點(diǎn)在哪里？

我談一談螞蟻對(duì)這個(gè)事情怎么看。螞蟻嘗試在四個(gè)方向上進(jìn)行實(shí)踐和探索。請(qǐng)看這張大圖。最上面的是投資顧問和保險(xiǎn)顧問，提供 to C 的財(cái)富管理和保險(xiǎn)規(guī)劃服務(wù)。這項(xiàng)服務(wù)叫 “螞小財(cái)”，其實(shí)已經(jīng)有超過 8000 萬(wàn)的用戶每個(gè)月在支付寶端內(nèi)使用這個(gè)服務(wù)了。這里列出了他們咨詢的主要問題類型，我就不展開講了。這個(gè)服務(wù)是不是基于大模型？是的。有沒有用到推理大模型？還沒有，但 6 月底就會(huì)有，我們將上線新模型。這張圖的下方（“智能運(yùn)營(yíng)”）是我們幫助與螞蟻合作的金融機(jī)構(gòu)，用大模型來(lái)高效地生產(chǎn)推廣素材，比如在小紅書、抖音等平臺(tái)編寫內(nèi)容。

注意這張圖的左右都是 to B 的業(yè)務(wù)。右邊的 “支小助” 是為螞蟻?zhàn)约旱囊约昂献鹘鹑跈C(jī)構(gòu)的銷售和客服人員提供智能輔助服務(wù)，讓理財(cái)師、規(guī)劃師等能夠更高效。大家想一下，一位理財(cái)師或者規(guī)劃師能夠高質(zhì)量服務(wù) 5000 位客戶嗎？哪怕在中國(guó)做得最好的財(cái)富管理機(jī)構(gòu)和銀行，一位理財(cái)師能提供在線服務(wù)的有效范圍大概也很難超過 500 人。這就是為什么私人銀行和財(cái)富管理很難下沉到普惠的人群：成本太高，太貴。一個(gè)人服務(wù)的范圍有可能變大 10 倍嗎？這是我們希望解決的普惠的問題。實(shí)際上，今天在線上已經(jīng)基本可以實(shí)現(xiàn)絕大部分了。今天在支付寶的螞蟻財(cái)富端內(nèi)，超過 50% 提供給用戶的服務(wù)內(nèi)容是由 AI 產(chǎn)生并且被理財(cái)師拿來(lái)使用的。

這張圖的左邊，是螞蟻結(jié)合合作的金融機(jī)構(gòu)、資管機(jī)構(gòu)和證券公司做 “智能投研” 的服務(wù)。如果你在資管機(jī)構(gòu)工作，應(yīng)該對(duì)這個(gè)印象最深刻。我們推出了 PC 端的 “螞小財(cái) PRO” 服務(wù)，它為金融分析師去分析資訊報(bào)表，快速地產(chǎn)生內(nèi)容。這一部分有沒有使用推理大模型？有。實(shí)際上這部分都使用了推理大模型。那為什么我們?cè)?to B 的場(chǎng)景就敢用推理大模型，而 to C 就不敢呢？問題在于監(jiān)管不允許嗎？并不是。監(jiān)管其實(shí)還是非常鼓勵(lì) AI 創(chuàng)新的，截至目前沒有對(duì)金融領(lǐng)域使用 AI 有禁令。

03

大模型在 to C 金融落地時(shí)的

三大關(guān)鍵問題

我們覺得，要解決大模型落地 to C 金融，有三個(gè)關(guān)鍵的問題是我們行業(yè)的從業(yè)者不得不面對(duì)的。

第一，嚴(yán)不嚴(yán)謹(jǐn)？怎樣控制實(shí)時(shí)性幻覺？

第二，怎樣確保服務(wù)模型的可解釋性。

第三，怎樣防止大眾策略的集中風(fēng)險(xiǎn)，比如推薦所有人都去買同一只股票或基金帶來(lái)的共振。

我們認(rèn)為，這三個(gè)問題中有任何一個(gè)問題不能得到有效地解決，作為一個(gè)負(fù)責(zé)任的金融服務(wù)者 —— 不管是線上還是線下，不管自稱是金融機(jī)構(gòu)還是金融科技機(jī)構(gòu) —— 都沒有資格推出這樣的 to C 服務(wù)。所以，當(dāng) DeepSeek 出來(lái)后，有一些機(jī)構(gòu)說自己滿血接入 DeepSeek 等等，也有人問我們?yōu)槭裁礇]有滿血接入。DeepSeek 的幻覺率大家都知道，滿血接入的后果就不用展開講了。

針對(duì)這三個(gè)問題，我簡(jiǎn)單介紹一下螞蟻的對(duì)策。第一，必須精準(zhǔn)地控制幻覺率，要把現(xiàn)在市場(chǎng)上普遍在百分之十幾以上 —— 甚至在金融領(lǐng)域高達(dá)百分之二三十以上 —— 的幻覺率降到個(gè)位數(shù)，降到不影響用戶基本的業(yè)務(wù)決策。以技術(shù)發(fā)展之名，忽視風(fēng)險(xiǎn)，簡(jiǎn)單地推出一些技術(shù)應(yīng)用，其實(shí)是非常危險(xiǎn)的。今天螞蟻的客戶群足夠大，責(zé)任也就足夠大，必須考慮這個(gè)問題 —— 我們今天已經(jīng)不是穿著開襠褲滿街跑的小孩了。

解決的基本方法，一是建立高質(zhì)量金融知識(shí)庫(kù)，嚴(yán)格控制數(shù)據(jù)源，杜絕被污染的、非權(quán)威的數(shù)據(jù)。二是強(qiáng)化模型訓(xùn)練。不同于直接全部接入，也不同于做一些簡(jiǎn)單的提示詞方面的工程強(qiáng)化，我們?cè)谖浵佔(zhàn)匝械牡鬃竽Ｐ秃桶⒗锏耐x大模型基礎(chǔ)上，會(huì)做非常嚴(yán)格的強(qiáng)化學(xué)習(xí)和加訓(xùn)，目前已經(jīng)成功地將幻覺率控制在一個(gè)比較低的水平。

第二，確保專業(yè)領(lǐng)域的可解釋性。辦法很簡(jiǎn)單，就是不能把所有的問題都交給推理大模型。我們做了每個(gè)領(lǐng)域的大模型和小模型的對(duì)比（剛才講的第二個(gè)階段其實(shí)就是小模型，是可解釋的，基于專業(yè)經(jīng)驗(yàn)加上海量數(shù)據(jù)的 AI 應(yīng)用），發(fā)現(xiàn)有些地方是大模型勝出，有些地方是小模型勝出。越是嚴(yán)謹(jǐn)?shù)牟糠?—— 比如金融工程等 —— 我們會(huì)越多地使用小模型的應(yīng)用。所以我們今天給 to C 用戶推出的服務(wù)，就是大模型和小模型的結(jié)合。當(dāng)我們嚴(yán)肅地給用戶提供保險(xiǎn)和理財(cái)?shù)慕ㄗh時(shí)，一定要具備可解釋性。

第三，防止策略的集中度。這方面要做的既包括金融本身，也包括 AI 本身。從金融本身來(lái)說，我們要嚴(yán)格地控制給用戶推薦的資產(chǎn)總量。一只基金再好，也不會(huì)把所有的用戶都推到這只基金，因?yàn)樗赡艿搅藘扇賰|的規(guī)模之后，就超過了阿爾法能夠體現(xiàn)的上限了，所以首先我們會(huì)有金融層面的控量。另外在用戶層面，基于大數(shù)據(jù)的 AI 會(huì)真正為用戶提供千人千面的方案。每個(gè)人都不一樣，且每個(gè)人在不同時(shí)刻的心理訴求也不一樣 —— 有時(shí)候求穩(wěn)，有時(shí)候求賺 ——AI 不會(huì)讓用戶涌向單一的產(chǎn)品。

基于這三點(diǎn)，我覺得大模型大概率在今年會(huì)有一些 to C 業(yè)務(wù)的落地。

04

前瞻和判斷

最后分享一些目前還不成熟的思考。第一，不存在 “開箱即用”。無(wú)論是滿血接入，或者是用通用人工智能 (AGI) 的方式直接接入一個(gè)底座大模型，就能解決所有的金融問題、保險(xiǎn)問題，甚至醫(yī)療問題嗎？我們覺得，在事關(guān)消費(fèi)者生命財(cái)產(chǎn)安全的領(lǐng)域，不存在 “開箱即用” 的方案。我們要結(jié)合數(shù)據(jù)、知識(shí)、算力，還要結(jié)合業(yè)務(wù)流，去提供真正為用戶負(fù)責(zé)的、嚴(yán)謹(jǐn)專業(yè)和可靠的金融服務(wù)。

第二，我們相信時(shí)代的趨勢(shì)是不可阻擋的，但是用戶的理解和接受一定是有一個(gè)過程的。AI 發(fā)展了已有 70 年，ChatGPT 的出現(xiàn)是在幾乎 70 年之后。自動(dòng)駕駛也十幾年了，今天很快可能要從 L2 跨入到 L3。這都是一個(gè)從量變到質(zhì)變的過程。而大模型和金融的結(jié)合其實(shí)才剛剛開始，前年、去年、今年，都有人說是元年。不管哪年是元年，我認(rèn)為大模型在金融領(lǐng)域落地的 ChatGPT 時(shí)刻（或者說 DeepSeek 時(shí)刻，或者 L3 時(shí)刻）可能還沒有到來(lái)。它需要時(shí)間的積累，積累的既是技術(shù)，也有專業(yè)知識(shí)，也有監(jiān)管經(jīng)驗(yàn)，還包括消費(fèi)者對(duì)這件事的接受。就像十年前你不太敢把自己的命交給自動(dòng)駕駛一樣，今天你可能會(huì)有 10% 的情況會(huì)交給它，未來(lái)可能會(huì)有 20% 和 30%。我覺得金融也需要一樣長(zhǎng) —— 甚至更長(zhǎng) —— 的時(shí)間，因?yàn)樽詣?dòng)駕駛給人的反饋是非常及時(shí)的，它加速、減速、并道對(duì)不對(duì)，你立刻就能感覺到。但給你推薦一個(gè)金融產(chǎn)品，當(dāng)你意識(shí)到它是錯(cuò)的時(shí)候，可能需要好些年。所以我們要有足夠的耐心，隨著時(shí)間一點(diǎn)一點(diǎn)做好我們?cè)撟龅氖虑椤?

我就說這么多，謝謝大家。