“一鍵建?！保簶阒瞧脚_如何重塑金融風控“游戲規則”？
摘要： 科技與金融契合，共解金融機構風控多重痛點
在金融科技的浪潮中，風控始終是金融行業的基石。
當前數字化加速、人工智能爆發，金融行業的發展與變革對風險控制提出了前所未有的挑戰。
隨著金融業務的線上化、智能化趨勢加速，欺詐手段日益復雜多變，客戶需求也愈發個性化，金融機構在風控領域面臨著多重痛點。
在此背景下，2025騰訊全球數字生態大會上正式亮相的樸智平臺可謂生逢其時。
作為由騰訊云天御與樸道征信聯合研發的一站式智能風控建模與數據生態協作平臺，樸智平臺專注于金融風控領域，旨在通過技術創新解決行業痛點，推動金融風控向更加智能化、高效化、合規化的方向發展。
我們深以為，這不僅僅是一個新平臺的誕生，更是金融風控領域持續擁抱大模型的一次重大變革。
故事要從騰訊云天御與樸道征信的一次深度對話說起。騰訊云天御，作為騰訊在金融科技領域的佼佼者，擁有20余年黑產攻防的豐富經驗，以及強大的云計算和AI大模型技術。
而樸道征信，作為全國第二家持牌的個人征信機構，自2021年展業以來，便致力于打造行業級的信用信息基礎設施，積累了豐富的數據資源和合規經驗。
兩家機構的相遇，仿佛是科技與金融的契合。因為他們發現，盡管各自在金融風控領域有著獨特的優勢，但面對當前金融復雜多變的整體態勢，單一的力量已難以應對。
一是數據整合效率低，不同機構、不同系統間的數據標準不統一，整合調用的門檻高；
二是模型精準度不足，傳統風控模型依賴單一數據源或固定規則，面對信用卡欺詐、團伙欺詐、中介欺詐、隱蔽性強且長尾客戶風險特征模糊等問題時，往往力不從心，無論是在對抗性、持續性、準確性和適應性上，都越來越難以應對復雜多變的風險環境。
金融機構想要獲取所需的數據，往往需要投入大量的人力物力進行數據清洗和預處理。這些問題導致金融機構在風控過程中難以有效平衡風險控制與用戶體驗。
于是，一個大膽的想法應運而生——為何不聯合打造一個智能模型一站式開發平臺，為金融機構提供更高效、更精準、更安全的風控解決方案呢？
就這樣，樸智平臺在雙方的共同努力下應運而生。它不僅僅是一個平臺的誕生，更是騰訊云天御與樸道征信深度合作、共同探索金融風控新未來的努力。
樸道征信副總經理曹強在發布會上說：“我們深知金融風控的痛點需要懂數據、懂技術、懂金融業務的人共同攜手解決。因此，我們與騰訊云天御強強聯手，共同打造了這款專為金融行業設計的智能風控建模與數據生態協作平臺。”
數據是風控的基石。然而，正如上文提到的痛點一，當前的金融環境中，數據孤島現象嚴重。不同機構、不同系統間的數據標準不統一，整合調用的門檻高。金融機構想要獲取全面、準確的數據，往往需要跨越重重障礙。
“數據是風控的燃料，只有干凈、多元、可關聯的數據才能真正驅動模型進化。”曹強如此形容數據的重要性。
樸智平臺通過其強大的數據融合能力，整合行業內最權威、最多元的數據源，成功打破了這一僵局。
它整合了樸道征信多年沉淀的特征數據、騰訊云天御的特征數據以及多家合規第三方數據源的畫像標簽，構建了一個龐大的“特征超市”，實現數據的統一標準化處理。
在這個超市里，金融機構可以按需選擇多源數據進行融合建模，無需再為數據獲取而煩惱。
曹強介紹道：“我們不僅整合了數據，同各個數據源共同制訂了對接標準，對市面主流的數據和加密格式都可以支持，我們都做了大量的工作，確保不同數據源的數據能對齊說話。”
除了數據整合和標準化處理外，樸智平臺還支持一鍵回溯功能。金融機構可以通過平臺查看歷史數據表現，了解客戶在不同時間點的風險狀況。
同時，平臺還提供靈活的本地數據上傳接口，滿足金融機構的個性化需求。
有了數據，解決了痛點一，接下來就是痛點二：建模。然而，傳統的建模過程往往繁瑣而低效。
金融機構需要投入大量的人力物力進行數據清洗、特征工程、模型選擇等工作。
而且，由于模型更新迭代周期長，面對快速變化的風險環境時，傳統模型往往力不從心。
樸智平臺通過其智能建模能力，成功解決了這一問題。它集成了自動機器學習算法，實現了建模準備的POC測試、模型建設及上線的自動化，降低人工調參門檻。
樸智平臺還致力于打通數據到模型的最后一公里。通過整合騰訊云天御和樸道征信的優勢資源，樸智平臺為金融機構提供從數據集成到模型訓練、效果優化到模型落地的全鏈路支撐，實現全流程管理。
同時，平臺還支持多租戶架構，實現資源隔離與高效調度，促進金融機構、數據服務商、征信機構之間的深度合作。
騰訊云天御總經理、首席科學家李超說：“我們的平臺不僅降低了建模門檻，還提高了模型效果。通過應用金融風控大模型技術，我們解決了樣本量不足時難構建穩定實體場景模型的痛點。這個大模型基于Transformer架構，包含億級參數、億級無標簽知識、千萬級全場景樣本，采用‘無標簽預訓練（自監督+半監督）+有標簽微調+Prompt Learning’三階訓練模式。”
據了解，樸智平臺采取的這種架構，使得模型在少量樣本下也能快速適配客戶需求，提高模型的精準度和泛化能力。金融機構再也不用擔心因為樣本量不足而無法構建有效模型的問題，只需聚焦業務目標，快速適配得到解決方案。
在發布會上，中信消金總監、兼任風險合規部及智能風控部總經理彭南博分享了他們使用樸智平臺的真實體驗。
“我們消費金融業務基于無抵押信貸，對用戶放款、額度、利率的判定高度依賴數據與算法。”彭南博說，“在使用樸智平臺之前，我們的建模周期往往需要1-2個月甚至更長時間。而且，由于數據整合和清洗工作繁瑣低效，風控團隊往往面臨不小壓力。"
然而，在使用樸智平臺后，痛點在逐一改變。
“現在，我們的建模周期大大縮短了。通過樸智平臺的一鍵回溯和一鍵建模功能，我們可以在一周內完成多元數據的調用和模型訓練。于平臺集成了大模型能力，我們的模型效果也有了顯著提升。”彭南博表示。
除了效率提升外，樸智平臺還為中信消金帶來了業務收益的增長。
彭南博透露：“在風險閾值不變的情況下，我們的線上通過率從27%提升到了30%。這意味著我們每年可以新增千萬級的年化收益，并撈回高價值客戶20000+。”
簡而言之，樸智平臺的應用場景覆蓋貸前、貸中、貸后全流程。
在貸前申請階段，樸智平臺可以通過多源數據融合和智能建模技術，對申請人的信用狀況進行全面評估。
平臺可以整合申請人的基本信息、征信記錄、社交行為數據等多個維度的數據，構建精準的風險評估模型。
這些模型可以幫助金融機構快速識別高風險申請人，降低欺詐風險。
彭南博的上述分享，透露出了一個不易察覺的點，即為什么能實現從“月級”到“天級”的建模效率變革？畢竟傳統風控建模通常需要1-2個月。
對此，曹強在媒體交流會上做了詳細拆解：
首先，金融機構需要將樣本發送給各個數據源進行回溯，每個數據源可能需要一周甚至更長時間返回數據。
曹強說：“整個回溯時間取決于最后一家機構能夠給到樣本的時間。”
而且，數據返回后還可能存在錯誤，需要重新回溯，時間成本不可控。
其次，數據清洗和預處理占用了建模70%的工作量。不同數據源的標準不統一，需要大量人工干預進行對齊。
最后，模型構建、驗證、部署等環節也需要大量時間和人力。
一是平臺與數據源的深度打通。雙方設立了標準化的回溯接口，客戶樣本數據可以一鍵調用所有數據源的回溯數據，大幅縮短回溯時間。
二是前期的數據標準化工作。平臺在與數據源對接時，已經拉齊了數據接口標準、字段定義等，使回溯數據相對標準。同時，平臺具備數據清洗和預加工功能，可以一鍵完成相關工作。
三是騰訊云的云計算和AI大模型能力。業務人員可以在平臺上構建各類模型，進行效果對照比較和樣本回溯，后續還將實現模型一鍵發布。
李超介紹道：“我們的平臺支持一鍵發布功能。金融機構在模型建設完成后，只需一鍵即可將模型發布到生產環境。而且，由于我們的平臺集成了云計算和AI大模型能力，金融機構還可以實時監控模型效果并根據反饋進行調整優化。”
也就是說，這種敏捷迭代能力，使得金融機構在面對快速變化的風險環境時能夠更加從容應對。不再需要等待漫長的模型更新周期，而是可以根據實際需求實時調整模型參數和策略規則，確保風控效果始終保持在最佳狀態。
曹強同樣信心滿滿：“我們從技術層面上已經驗證，平臺可以在短短一周內完成所有流程。”
李超更是將這一變革稱為“從無到有”的突破：“未來就變成了隨時想建模就可以建，隨時可以測，隨時可以發。”
金融風控不是零和游戲，需要整個行業共同沉淀經驗、共享智慧。
樸智平臺深知這一點，因此從誕生之初就致力于打造一個開放的生態體系。
曹強強調：“我們不僅僅是一個平臺提供商，更是一個生態共建者。
“通過樸智平臺，我們希望連接征信機構、數據服務商、金融機構等多方參與者，共同推動金融風控技術的發展和應用。”
通過平臺，各方可以共享數據資源、模型技術和風控經驗，共同推動金融風控技術的發展和應用。
為了實現這一目標，樸智平臺建立了正向循環機制。
金融機構在使用過程中會產生新的數據和經驗反饋到平臺生態中。這些反饋有助于優化算法和數據標簽，提高平臺的風控能力。
同時，數據源也會根據機構反饋更好地加工已有數據，并提供到平臺上，形成良性循環。
李超補充稱：“我們還積極參與金融風控領域標準的制定和輸出工作。今年我們剛發布了IEEE的金融風控大模型標準，后續的技術規范也在做。我們希望通過這些努力，推動金融風控技術的標準化和規范化發展。”
在金融科技的浪潮中，樸智平臺以其獨特的數據融合能力、智能建模能力和敏捷迭代能力，為金融機構提供了高效、精準、安全的風控解決方案。
它不僅解決了當前金融機構在風控領域面臨的痛點問題，還推動了金融風控向更加智能化、高效化、合規化的方向發展。
更有意義的地方在于，樸智平臺將風控從“靜態防御”轉向“動態對抗”，從“經驗驅動”轉向“數據智能”，從“封閉孤島”轉向“開放生態”。更重要的是，它讓風控建模從少數專家的“專利”，變成了業務人員也能參與的“普惠技術”。
正如曹強所說：“樸智平臺不僅是工具，更是連接行業伙伴的橋梁。”在這個橋梁上，數據、算法、場景、人才將自由流動，共同構建一個更安全、更智能的金融前景。
展望未來，樸智平臺將繼續秉承創新、開放、協作的理念，不斷提升技術能力和服務水平。
樸智平臺將進一步融合大數據和AI技術，提升數據處理和分析能力。通過引入更先進的數據挖掘和機器學習算法，平臺可以更精準地識別風險特征和模式。
樸智平臺還將探索區塊鏈技術在風控領域的應用。通過區塊鏈技術實現數據的不可篡改和可追溯性，增強數據的安全性和可信度。這將有助于進一步提升平臺的風控能力和合規性。
隨著隱私保護意識的增強，隱私計算技術將成為未來風控領域的重要發展方向。樸智平臺將積極探索隱私計算技術的應用，實現在保護用戶隱私的前提下進行數據共享和模型訓練。
同時，樸智平臺還將拓展應用場景，覆蓋更多金融業務領域。除了貸前、貸中、貸后等核心風控場景外，它還將探索在供應鏈金融、普惠金融、跨境金融等領域的應用可能。
這些拓展將有助于樸智平臺更好地滿足金融機構的多元化需求，推動金融風控技術的普及和應用。同時，樸智平臺也將積極參與行業標準的制定和輸出工作，推動金融風控技術的標準化和規范化發展。
曹強充滿信心地說：“我們相信，隨著技術的不斷進步和應用場景的不斷拓展，樸智平臺將成為金融風控領域的重要力量，它將引領金融風控走向更加美好的未來。”