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。度小满CEO朱光出席科技周主论坛并发表演讲。

当下，大模型成为讨论的热点。朱光认为，一项技术如果要对一个行业产生深远影响，必须满足两个必要条件：

首先，该技术的应用必须能够真正融入客户服务的核心流程中，从而显著改善客户体验；

其次，该技术必须能够对核心业务决策带来重大变革。举个例子，我们每天需要审批约20万客户的贷款申请。其中，95%的申请可以通过现有的机器学习模型进行判定。然而，仍有5%的申请由于数据不足，难以通过现有模型做出准确判断。在这种情况下，就需要进行人工审核。信审员会要求客户提供更多资料，例如银行流水记录。最近，我们尝试使用了推理大模型来处理这些上传的银行交易记录。该模型能够迅速发现并评估客户的风险状况。例如，模型可以识别出客户在过去几个月内疑似向高风险账户转账，表明其消费行为存在风险。或者，模型可以发现客户将借来的资金转给其他贷款平台，显示其资金状况紧张，可能不符合贷款标准，因此建议拒绝其贷款申请。此外，对于大量数据，人工信审员在短时间内难以进行全面分析和判断。然而，推理大模型能够快速推理，结合客户的网络大数据和征信报告，准确判断客户的信用状况。例如，模型可以识别出那些表面上看似有风险但实际上信用良好的客户，并为其提供贷款额度。这样，我们能够更精准地服务每一位客户。

朱光认为，从推理大模型的诞生开始，必须高度关注这一技术趋势。因为这些大模型已经从金融应用的外围深入到了金融的核心领域，即风险管理。金融的核心在于风控，而大模型已经在这一领域展现出显著的应用潜力。另一个值得关注的场景是量化投资。在国内，许多量化投资公司已经开始利用大模型生成有价值的投资因子，例如舆情分析和财务报表解读。大模型能够组合多种投资因子，并提供新的投资组合建议，生成新的量化投资策略。已有许多公司开始尝试这一方法。我相信，与人工提炼投资因子相比，大模型具有明显的优势。大模型不仅在深度学习和机器学习的基础上取得了重大进步，还能够发现大数据中的因果关系。例如，它能够解释为什么某些行为会导致较低的风险，或者为什么特定的行为模式下需要进行某种投资组合调整。这种强大的推理能力大大提升了模型的可解释性和稳定性。因此，大模型在金融领域的应用才刚刚起步，必须密切关注这一趋势的发展。