挖掘边界客户，实现精准授信。 贷中风控 数据指标变化快，需要实现实时 化的再审核与放款。 贷后管理 贷后管理难度大，需要多种新技 术发现隐性风险，提高管控度。 操作风险 随着银行线上化能力的增强，操 作风险识别从预防人员不合规操 作转为线上流程漏洞和异常行为 识别等。 流动性风险 从线下的，面向审批的逐步转 向实时的智能决策。 银行数字化风控新挑战 授信 据 850 万条； 运营商数据 工商数据 法院数据 设备 / 客户 账户 / 交易 机构 / 柜员 指标数据 业务场景：授信 信用卡申请 额度测算 贷中预警 房产估值 贷后管理 小额授信 风险分级 逾期催收 人工核实 发卡 授信发放 行为评分 (B 卡 ) 催收评分 (C 卡 ) 申请评分 (A 卡 ) 实时信贷指 标 离线信贷 数据 贷中 贷后 外部数据 贷前 机器学习平台 离线特征工程 贷中 / 贷后指标 （ HBase ） 机器学习模型 调用 技术架构：授信 数据湖 (Hudi 、 Iceberg) 贷前：实时指标 业务 系统 外部数据平台 内外指标计算 规则引擎 贷前授信 离线指标 离线数仓 (GaussDB) 模型引擎 模型编排 (DAG) 数据 线 交易线 数据服务平台

资金周转率得以提升， 推动光伏产业智能化、规模化发展。 - 8 - （2）智能供应链金融：革新传统模式，激活产业活力 数字人民币可追踪信息流、物流和资金流，便捷为供应链核心企业上下游提供动态授信， 当物流系统确认收货后自动释放货款给供应商，从而减少人工介入和信用风险。例如，农业 银行将数字人民币钱包开立、兑换、转钱、支付、代发薪等功能输出至联易融平台，核心企 业可一站式使用数字人民币 佳投 入产出。拥有实时、全量的销售品类从生产、运输、入库、终端商家、消费者开品扫码数据。 上述数据原本为了防止窜货，通过赋予二维码扫码溯源的方式实现货物管控。这些数据能为 终端用户的贸易背景和授信规模背书，并且数据留存的贸易关系，也是金融机构与核心企业 构建资金监管的核心抓手。三是定向支付，实现资金闭环管理。智能合约可预设资金用途、 交易对象及支付条件，在供应链融资还款场景下，可限定买方回款用于归还上游供应商保理

智能引擎可以提高单客户的效率，在风控模型调用前使用，它由响应模型、 预授信模型、额度预估模型、价格预估模型、用信预估模型和利润预估模 型组成。 以主动触达方式为例，对授信成本进行预估，将响应模型和预授信模 型拟合在一起，从而得到客户授信成本的排序，在选择客户时，优 先选择预授信成本低的客户进行广告投放； 以被动触达方式为例，在授信、用信、额度、广告竞价环节中，均使 用模型过滤掉质量低用户，这种方式会尽量最大化单客户效率。 从数据来讲，主要的数据来源是用户数据，第二个是广告数据、第三 个是用户的生态数据； ② 在系统层，主要为智能引擎、创意引擎、广告投放平台、内容辅写平 台、实验平台这五个部分： 智能引擎主要配置响应模型、授信预估等，使用常规的机器学习模型 一般为 xgboost ，deepFM ，stacking 等； 创意引擎，指的是获客的千人千面的创意，实现方式有文本创意和图 片创意，文本创意以 GAN 深度学习模型为主，图片创意现在做到 不仅仅是这些模型的评估指标。更加需要关注的是模型整体的排序性和稳定性。在不同的业 务场景下，对模型的要求也不一样。例如，在欺诈检测的场景下，会希望模型在低分段有更 好的区分度。反之，如果要做授信额度策略，则会期望模型在高分段有更好的区分度。 自动化模型评估在实现全面、细致、快速地评估模型效果方面，主要涵盖了以下三个方面： ① 跨维度：变量维度、模型分维度； ② 跨样本：Train、Test、OOT、

平台，实现多场景赋能 业务领域 落地场景 落地概况 信贷领域 智能审批与风险管控 公司计划在 2025 年全面实现 DeepSeek 与信贷业务的深度融合。通过构建智能审批决策 体系，提升授信效率，强化风险管控。同时，借助智能化风险预警模型及实时监控系统， 有效保障业务安全。公司还将利用 DeepSeek 的分析能力，实现财报分析与预测功能的智 能化，进一步提升信贷决策准确性。此外，由 DeepSeek

增加财务收入 • 对加入商圈的个人客户和法人客户，均在一个系统完成，无需切换银行授信管理条线 降低融资门槛 节约融资成本 提高融资效率 • 依托核心客户信用，无抵押无担保获取银行授信 • 依托核心客户商圈信用，降低融资成本 • 线上办理业务，提高融资效率 银行依托核心客户商圈 ，线上批量获取上下游客户，提高授信审批效率 • 依托区块链技术，实现合同流 、现金流、 发票流、 物资流四流合一，确保交易背景真实性，严控操作风

识别工控协议的工业审计平台 3 4 5 通过网闸进行生产环境不管理环 境的物理隑离 通过沙箱对生产和管理之间传输 的文件进行未知威胁识别，防止 类似“震网” 在操作站上面安装主机白名单， 形成授信环境 6 在标准 IT 环境中防火墙边界防护 7 在企业办公或资源终端部署 DLP ， 防止图纸泄露 地址黑名单 …… 移动互联网络等保解决方案 LEAF LEAF LEAF 接入 接入

合规性保障：在模型推理层嵌入监管规则校验模块，确保所有输 出符合《商业银行法》和巴塞尔协议 III 要求 某股份制银行的实践表明，接入大模型后其信用卡审批流程从 72 小时缩短至 8 分钟，同时通过动态调整授信额度模型，坏账率下 降 18%。这些案例印证了智能化转型不仅是技术升级，更是银行业 重塑竞争力的战略选择。 1.2 DeepSeek 大模型在金融领域的应用潜力 随着金融行业数字化转型的加速，DeepSeek 非传统数据挖掘：解析企业财报文本、社交媒体舆情、供应链关 “ 系等，补充信用画像。例如，模型可从新闻中提取 某企业高管频 ” 繁变动 作为潜在风险信号。 - 动态额度调整：根据用户实时还款行为、行业景气度预测，自动 “ 调整授信额度。模型可设定触发条件，如 连续三个月现金流下降 超 10%”触发复审。 实施中需注意数据合规性，例如用户授权和匿名化处理。模型 迭代周期建议与业务部门协同设定，初期以周为单位更新参数，后 算法数字证书，确保接入方身份真实 性； 3. 数据加密传输：使用 SM4-CBC 模式对敏感字段进行端到端 加密； 4. 流量控制：设置动态阈值限流策略，单日查询量不超过预 授信额度的 120%。 典型征信数据字段处理逻辑如下： 数据类别 字段示例 处理方式 存储周期 信贷记录 未结清贷款笔数 脱敏后全量存储 5 年 查询记录 最近 1 月机构查询次数 实时计算指标

金融创新奖”，成为亚太地区唯 一获奖的保险公司。 ②“信任赔”：根据客户驾驶习惯、交通违章、车辆出险次数、车辆维修记录、消 费信用等内外部数据，进行建模智能画像评分，授予一定的车险理赔信任额度。 授信理赔信任额度范围内的单方小额事故，客户可直接通过手机 APP 或微信小程 序进行定损，拍一两张出险照片，进行人脸识别验证，等待两三分钟理赔款就能 到账。数据显示，“信任赔”单方无人伤案件传统时效

读、业务案例匹 配推送、合规问 答实时响应 内容审核 营销文案合规扫 描、研报数据 真 实性校验、 舆情 信息风险 评级 智能运营 信披报告审核 营销物料审核 授信策略 AI 模 拟 金融 AI Agent 应用深化策略聚焦三层：业务决策、信息处理和工具辅助。业务决策层直接参与金融决策，优化投资组合，提升收益与效率；信 息 处理层深度分析市场数据 ，

第一个是“智图”平台，针对一线员工营销场景的应用，已经开发上线 41 个各类型的报表，比如 交叉营销、微信绑卡、消费贷明细等等。 第二个平台是精细化管理的“知否”平台，全面整合了信用卡业务各个环节的数据，从营销办卡到 授信透支，再到交易分析和账单分析，形成了一套完整的服务体系。 对于一线员工而言，这一平台提供了业绩和风控查询、客户营销跟踪、报表统计等完整的功能，极大 地提升员工的工作效率和营销的精准度。管理人员则