大模型应用发展如火如荼，但前沿技术的春风，至今未能在B端场景吹遍，落到实处、立下标杆案例者，更是罕见。
这一点不难理解：相较于B端，C端场景自然更容易被用户感知，对大模型“幻觉”的容忍度也更高。在智能助手、智能营销等相对“远离”核心业务之处，对那些不直接与用户互动，生成内容的大模型应用加以探索，也是眼下不少企业的惯常做法。
然而，一个行业里默认的共识是，找到B端场景，到产业里去，才可能打开大模型的商业想象空间。
很难，但有人已经出发。
4月10日，雷峰网(公众号：雷峰网)从2024年数字产业链金融峰会获悉，网商银行已经将大模型应用在了小微金融领域。
目前，银行大模型多处在探索阶段，其应用场景集中在银行内部的智能办公、流程自动化等，对外则更倾向于零售金融和财富管理相关。有关对公金融，乃至小微金融领域的应用，已是少之又少。
而小微金融，本就是金融行业极其难啃的一块硬骨头。
原因不外乎两点：看不见、摸不着。
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。金融机构的服务网络和覆盖范围与之相比，只能算是杯水车薪。
小微企业需要融资时，又未必能提供规范准确的财务信息，很难向金融机构“自证”还款能力，机构也不便从其他途径获取关于企业的更多信息。
更多时候，小微企业高度依赖企业主的个人信用，房子车子抵押成为常见的办法，机构自然也就不愿放出更高额度的贷款。
看不见他们的需求，摸不着他们的还款能力，小微金融成烫手山芋，自是意料之中。小微企业之于金融机构，如巨轮驶入小河道，信息的缺乏正如河道狭窄水浅，机构越想再前行一步，就多一分风险。
我们不妨看一个典型的小微企业在银行眼中的情况。
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。
浙江丞达创始人潘弈丞
这种无奈的等待，源自于银行难以了解他。网商银行行长冯亮介绍，在大模型应用以前，丞达在银行的风控系统中是这样的——一家普通小微，工商信息显示干机械制造行业，年销售额大概在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。
丞达自己都不知道，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。
大模型的应用，正在努力地让钱流向更多丞达们。
那么有了大模型的应用之后，丞达在银行的眼中，又发生了哪些变化呢？
不妨想象一个人的视力从4.0到了5.2会发生什么。冯亮展示了有了大模型的“显微镜”后，被重新看见的丞达：
它生产的尼龙的材料，经过了层层加工、装配后，最终去了比亚迪汽车、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。
“在这样的视角下看，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点开网商银行，申请贷款时。风控系统给了他200万的额度，无需抵押，随借随还。他坦言，网商银行的放款一天就到账，正好解决买原料的燃眉之急。任何产业链上都有数不清的老潘。
老潘的难题，也是所有“无名英雄”的难题。
一年前的春天，一个问题摆在网商银行的技术团队面前：
一辆比亚迪汽车摆在面前，人们第一眼认出的、更愿意讨论的，总是那个拉风的车标，但车标以外的每颗螺丝、每片塑料值得被看见吗？
答案是肯定的。他们开始尝试用大模型来提升产业链上小微金融的获得感，将原有的供应链金融“大雁”系统升级，往纵深处继续探索。
小微企业要被“看得见、摸得着”，最好是让他们拥有自己的坐标。维度越全面，定位越精准，就越能准确刻画小微企业的还款能力。
此前，金融机构的供应链金融通常是这样“定位”的：先锁定供应链中的核心大企业，再向下梳理一级、二级供应商，判断该企业处于该供应链中的哪一环。
然而，受信息所限，这种方式难以触达三、四、五级、N级的供应商的需求。
这正是大模型的用武之地——对海量数据的分析处理、解析与判断。
大模型在网商银行产业链金融领域的应用总共分两步：
第一步，是编织一张广阔的产业链图谱。通过从海量信息中抽取数据，以产品为主要节点，形成初始产业链。再通过多模态数据融合，协同推理等技术识别小微企业的主营业务，挂载至对应的产业链。
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店等等环节，再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。
第二步，在完成坐标定位后，大模型将扮演“智能产研专家”，评估小微的风险和画像。大模型通过自动够读取大量研报，分析小微的标签，生成最适合描述小微用户的经营画像和评分，让小微用户的“人设”丰满具体。一定程度上，这些代表着代表着他的还款能力。
如果说，传统的供应链金融，是从大江大河开始刻画河流的上下游，那么大模型加持下的产业链金融，即是绘制巨幅河网地图。大模型如勘探员跋山涉水，吃透了每一处地形和气候，才能精准标注出溪流的走向与沿岸的村庄。地图上的点越精确，资金越能准确“空投”至小微经营者的跟前。
网商银行透露，以汽车产业链为例，如今他们已经识别了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%。
当毛细血管小微企业能够规模化地获得便捷灵活的资金支持，产业链的资金融通和运转效率也将大幅提升。
网商银行高级工程师方珂告诉雷峰网，“我们找到了一个方向，但还不能说现在就挖到了丰厚的宝藏。大模型的产业应用仍有很远的路要探索。”
大模型应用仍然有很多问题需要验证，推理过程中仍有可能出现“幻觉”，造成“一本正经的胡说八道”。因此升级后的大雁系统，并不是将大模型直接应用于风控系统，直接服务客户，而是由大模型向风控系统提供客户识别，提供经营评分和画像，经风控系统多维度交叉验证后，最终决定小微经营者获得的贷款额度。
另一个问题是，吃螃蟹的为什么是网商银行？
这家自开业之初就生长在云上的银行，在业内率先实现了100%的去IOE和自主可控，并较早地开始依靠授权数据作为生产资料，通过数据与AI技术，让用户可以在无抵押、无担保、不提交纸质材料的情况也能证明“我有信用”。
这套风控系统历经磨练，截至2022年底，已累计服务超过5000万小微经营者。在小微金融的这片土壤里，技术已经来来回回丈量了5000万次。
“超大规模的客户量，数据与风控能力沉淀，对小微经营者认知的积累，共同构成了我们用大模型探索产业链金融应用的基础。”方珂表示。
雷峰网也了解到，网商银行不是第一次让新技术走出实验室。此前他们就曾通过卫星遥感信贷技术“大山雀”系统，解决小散农户贷款难的问题，进一步提高县域及农村的小微贷款可得率。
再看这只“大雁”，它迈出的这一步，依旧难能可贵。它的背后有着双重难题：大模型在B端场景应用之少；小微金融服务可提升的空间之大。
2013年，发展普惠金融首次被提出，在政策推动下，中国金融服务已向许多小微经营者，尽可能将大门再敞开一尺，中国普惠小微贷款余额连续5年增长超过20%。但，这一问题仍有值得追问的问题：
现在的金融产品是否真的已经最有效地做到普惠和支撑实体经济？缺少融资渠道的人和企业，通过贷款改善了福利？那么怎么把钱借给真正有需要的人和企业？
以往因为人力成本、信息不对称等原因难以做到的风控模式、难以覆盖的应用场景，在有了数据要素流通、AI大模型的今天，或许有了新的可能。
正在生成分享图...
nebula