最近一段時間，AI領域被談及最多的關鍵詞是“推理大模型”。

今年9月，OpenAI發布了o1大模型，這種具有“慢思考”能力的大模型最大特點是能夠推理復雜的任務，可以解決科學、編程、數學等領域更為復雜的問題。它的出現，讓推理大模型成為AI發展進程中的全新可能性，業界普遍好奇它能夠帶來怎樣的價值，最適合在怎樣的場景落地。

10月28日，2024年香港金融科技周在香港亞洲國際博覽館開幕。從討論內容上看，“大模型在金融行業的應用”毫無疑問是本屆科技周最受關注的話題，將推理大模型帶到金融行業則是熱點中的熱點。

（度小滿CEO朱光在2024香港金融科技周主論壇上發言）

度小滿CEO朱光2024香港金融科技周主論壇上表示，“以o1推理大模型為代表的新一波生成式AI技術在金融領域的應用，將從外圍場景深入到核心業務，直接影響金融行業的核心決策質量，在為客戶的產品和服務體驗上帶來巨大突破的同時，將會重塑金融科技行業”。

我們可以從度小滿的思考和實踐出發，去看看“慢思考”如何觸發金融智能化的新一輪變革。

事實上，OpenAI的“草莓”模型在業界風傳已久。此前很多人認為它將是GPT家族的最新一員，而在9月13日正式發布后大家發現，OpenAI 將o1列為一個全新的模型系列。

之所以如此重視，是因為o1所代表的推理大模型，打開了一種與以往大模型不同的全新運作機理，同時也取得了截然不同的效果。

o1大模型的思考模式，對應的是心理學家丹尼爾·卡尼曼（Daniel Kahneman）提出的邏輯系統。與占據95%的直覺系統不同，邏輯系統這種思考方式只占據人類思考系統的5%，特點是啟動緩慢，耗時較長，但能夠解決非常復雜的問題。日常生活里，我們往往只會在解數學題、科學思考、下棋、案件推理等環節中啟動邏輯系統。

回到AI領域，如果說以往的AIGC能力大體屬于直覺系統，特點是快速調用已有信息和數據，能夠給出即時反饋與生成結果，但缺點是訛誤多、幻覺強，且不能應對復雜的問題。那么o1大模型則有著更長的內部思維鏈，在生成結果前會進行復雜的邏輯推理，從而在物理、化學、數學等領域刷新了AI的上限。在一系列測試中，o1大模型都表現出了能媲美相關領域博士的專業思考水平。這些結果，讓“推理大模型”成為AI進化的全新可能。

如果我們把“慢思考”看作一個全新的科技變量，哪些應用領域能充分發揮它蘊藏的價值呢？

需要詳細理解數據，縝密分析，層層思考的金融行業，毫無疑問就是答案。

金融行業有著海量數據，以及包羅萬象的數據應用場景，但如果從AI應用這些數據的層級來看，會發現較為明顯的淺層與深層之分。

所謂的淺層AI應用，是指用大模型來補充和代替一些基礎的金融服務，比如用智能客服來提升用戶溝通效率，用AI文檔助手來提升金融機構辦公效率等。這些AI應用涉及的場景較為單一，也無需對數據進行深入分析和推理。朱光認為，這些應用可以替代一部分的人力，提升服務效率，降低金融機構的服務成本，但創造的核心價值并不顯著。

而在金融行業的核心業務中，比如風控、信貸決策、投資決策等場景中，有著數據類型復雜，分析要素多樣，推理需求嚴苛的特點，讓AI大模型來驅動這些場景的智能化，是名副其實的深層AI應用。類似場景更加具有挑戰，同時也會給金融智能化帶來更加具有變革力的價值提升。

朱光認為，生成式AI技術要對一個行業帶來巨大變革有兩個前提，“一是必須讓核心的客戶體驗發生巨大改變；二是必須對業務的核心決策產生影響。比如信貸業務，只有當大模型能夠對客戶的金融服務體驗帶來影響、對風險決策、經營決策這樣的核心業務決策產生重大影響的時候，才真正釋放出大模型的潛力”。

而具有慢思考能力的推理大模型，就很可能讓這種設想變為現實。基于推理大模型，未來我們可以看到AI像專業審核員一樣讀征信報告、看賬單流水，甚至能解讀網絡大數據，思考和捕捉數據之間的關聯，并生成風險判斷的依據和結論。這將讓AI真正抵達金融的核心業務，甚至比人類交易員、分析師做得更好，突破金融行業的價值上限。

沿著推理大模型與金融行業結合的可能性，我們會發現一系列關鍵金融場景都可能迎來新的AI變革，比如說：

在風控領域，具備了風控知識與思考能力的推理大模型，可能會提升風控決策質量。

在投資領域，推理大模型可以挖掘高價值的因子，并優化投資算法。

在保險領域，推理大模型可以根據用戶需求進行個性化的產品設計，并做出是否承保的決策。

歸納這些可能性，會發現推理大模型的核心意義在于，它可能將AI在金融行業的應用范疇，從客服、文檔助手等基礎、單一場景，升級到風控、投資決策等復雜、高價值場景。

而讓推理大模型的變量，成為金融智能化的新動力，還需要先驅企業的積極實踐，以及整個行業的不斷突破。

雖然“慢思考，強邏輯”的推理大模型，目前還處在非常具有前瞻性的新興階段，但依靠AI大模型幾年以來的極速發展，以及中國金融智能化的長足進步，將推理大模型的新能力積極引入到金融行業，已經成為很多知名廠商正在進行研發和布局的戰略高地。相信不久的將來，我們會看到“慢思考”給金融行業帶來巨大的價值提升。

比如說，本次大會上朱光就分享了度小滿用推理大模型在風控場景上所進行的一系列創新性探索。

其中，在信貸領域推理大模型可以通過分析客戶的征信報告、銀行流水，推理出客戶的還款能力，最后給出是否審核通過的風控決策建議。這種探索正在不斷驗證推理大模型在金融核心業務中的價值可能性與可靠性，為金融智能化打開新的發展空間。

基于推理大模型，將金融行業的智能化升級從外圍場景深入到核心業務。

風起時已經來臨，重塑金融科技的機會，或許就在AI的下一次思考中。