腾讯是一家既能站在前台，也能做好幕后的公司。
“前台”是大众熟悉的业务，比如微信、QQ等社交软件，再比如微信支付、元宝AI等工具平台或是游戏、视频软件。
“幕后”则是说腾讯以云为底座，向其他企业提供互联网、移动互联网、AI底层的技术、产品、能力以及解决方案等。比如，在过去10年里，腾讯系投资超过1000家企业，其中不乏知乎、哔哩哔哩、名创优品、蔚来等明星公司，仅上市公司就有百余家。
到了“AI+”的时代，腾讯用技术搭建大模型基础设施底座，带动业务发展。这既包括构建混元这样具备全球顶级竞争力的开源大模型，也包括助力千行百业拥有自己的大模型。
比如最近，腾讯云天御与朴道征信联合发布了「朴智平台」，这是腾讯支持金融机构的又一力作。
在金融行业中，风控是重中之重。传统金融风控主要基于业务专家与风控专家的经验总结，制定各类规则，进行人工审核，但这样的模式，已经不适用于当下。
一是这种静态防御往往滞后于欺诈手段的演变，随着金融领域欺诈手段频发，各种新手段、新问题层出不穷。金融机构一直在期待能从传统的“先出现问题——再推出策略”的「策略对抗」，转为“人工智能大模型自动实时识别”的「模型对抗」。
二是对于大多数金融机构，尤其是中小规模的金融机构来说，自主搭建风控系统成本高，困难多，很不划算。
腾讯关注到了这一行业困境，联合朴道征信，共同搭建了“朴智平台”，为金融机构服务。朴智平台的主要目标是帮助金融机构「一站式建模」，是首个面向行业提供大模型建模能力的服务平台，这对于那些希望尽快通过数字化工具提升风控能力的金融机构来说，无疑是最划算的选择。
文 | 涵元编辑 | 浩然
本文为商隐社原创文章，转载请联系后台
“行业首个持牌MaaS平台”，含金量有多高？
各行各业发展到今天，数据与资源几乎遍地可寻，不再是稀缺品。真正的稀缺品是什么？我们调研了上百家金融机构，总结出了四点。
一是使用方便，即最大程度降低使用门槛。朴智平台核心价值在于，将先进的大模型技术、数据能力与风控经验，打包成标准化、易用的服务，提供给银行、消金等金融机构，帮助它们提升风控效率和效果，并且在时间上缩短到T+2，减少成本。
二是专业能力过关。毕竟，在效率至上的年代，大家都希望快点将好的服务提供给消费者，合作伙伴的专业能力过硬，不拖后腿，就成了重要筛选标准。
三是安全且合规。《中华人民共和国网络安全法》、《中华人民共和国个人信息保护法》等法规明确规定个人数据使用权限。金融行业作为高度数据敏感行业，一方面需要大量数据做业务支撑，另一方面又不能违反法规，二者之间的平衡也是难题。
四是效率高。一家消金公司告诉我们，传统模式下搭建一个消费贷风控模型，需要先找3-5家数据供应商对接，耗时1-2周进行数据回溯，再通过算法团队耗时2周搭建模型，最后反复验证效果。这样一套流程下来估计要1-2个月。
在市场上，能同时做到以上四点的服务机构少之又少，但朴智平台可以。
首先，朴道征信是全国第二家同时持有「个人征信业务牌照」和「企业征信业务资质」的市场化征信机构，其正式性与合法性得到了官方认可。“行业首个持牌MaaS平台”，意味着自成立之初，朴智平台就把「合规」刻在了基因里。
而腾讯则是拥有微信、QQ、游戏等数以亿计用户的超级平台，这意味着它每天要承受来自全球的海量网络攻击，系统已经过无数次优化和迭代，其安全能力毋庸置疑。
此外，腾讯代表最前沿的AI能力，泛化应用后将降低金融机构，尤其是中小金融机构的使用成本，让大家都享受到顶尖的风控技术红利。
科技独角兽企业帕西尼CTO张恒第这样形容腾讯的科技能力：腾讯云是一个让我很「无感」的平台，这里的「无感」是褒义，因为只有平台做得特别好，用户才无需深入了解它，拿来用即可。
另一家独角兽企业告诉我们，在具备处理全模态数据的企业里，他们一家一家测试，结果发现腾讯做得最好，所以选择了与腾讯合作。
双方强强联合，朴智平台独有的专业性+安全性，让企业使用起来放心。
什么是效率提升的关键？
对于前期展业的金融机构来说，「目标越聚焦，操作越简单」，也就意味着「效率越快，成本越低」。
通过朴智平台，金融机构可以在一周内完成多源数据调用，比传统需要的1-2个月快了不少。
朴智平台是如何解决这一连串的效率“痛点”的？
要弄明白这个问题，首先我们要明白过往金融机构风控卡点在哪里。
一是数据孤岛问题。金融是高度数据依赖行业，数据的完整与否，直接决定了风控准确度。
● 多头借贷是典型例子：一个用户可能在A银行、B小贷公司、C互联网金融平台同时申请贷款。如果这些机构数据不共享，单个机构看到的都是“优质客户”，但实际上该用户已负债累累，风险极高。孤岛状态下，每个平台只能看到孤立的风险点，无法关联识别出背后的欺诈网络。● 身份冒用与洗钱：不法分子可以利用在A平台泄露的个人信息，到B平台进行身份冒用申请。如果B平台无法与权威数据源或行业黑名单库实时校验，不仅难以识别欺诈，还会带来多维度纠纷。
我们常见的场景是：数据很多，但散落在不同的机构体系里，且标准定义都不统一，有时候看上去同一个名字背后可能是不同的定义，调用流程复杂，需投入大量人力物力进行数据清洗与预处理，效率极低。
二是传统模型依赖单一数据或固定规则，难以应对“团伙欺诈隐蔽性强”、“长尾客群风险特征模糊”等新型风险问题。
三是对于中小机构来说，样本量不够支撑业务发展。通常来说，样本越大、越全，训练模型效果越好。但对于中小机构来说，短时间内凑齐大量样本几乎是「不可能」的事。
“中小银行数周所积累的样本，未必足够训练一个风控模型，导致有些新产品上线只能采取冷启动策略，即在缺乏对足够多样本进行风控策略训练的情况下，就直接上线新产品。”一位银行风控人士说。
在数据层面，朴智平台的应对策略为：
● 整合行业内最多元且权威的数据，包括朴道征信的积累+腾讯云天御的特征数据+多家合规第三方数据源（运营商、支付电商SDK等）的画像标签，经过统一标准化处理，如对各种字段的定义、时间窗口拉齐、整个接口的封装等，确保不同数据源的数据能对齐说话。
● 支持一键回溯，通过朴智平台的回溯管理模块，可以一键查看源数据产品在历史上的表现。同时用户可上传本地数据与朴道平台的数据源数据进行融合对比。
● 开放本地数据接入，满足个性化需求。各家机构都有自有存量数据，比如存量客户的交易流水、客户的好坏表现。金融机构可以将自己的数据与平台数据源融合使用，这样做出来的模型更贴近自身业务。
在算法层面，朴智平台将全面从“策略对抗”转为“模型对抗”。
● 一是集成自动机器学习算法，优化建模流程，实现建模准备的POC测试、模型建设及上线的自动化，降低人工调参门槛，风控专家可以通过设计不同提示来引导模型关注不同的风险点，比手动调整规则和模型参数更高效。
● 二是应用持续学习框架。这样一来，用少量数据即可与模型进行适配，无需全部重新训练，进而解决了金融机构小样本难题，同时通过少量样本的提示学习，模型可以快速调整，实现模型与欺诈模式的对抗升级。
● 三是借助全流程自动化工具，业务人员无需掌握代码即可完成操作。
针对样本量不足的问题，朴智平台的应对策略为：在“数据不共享”的基础上，做到“模型可共建”，解决小样本建模难题，分三阶段，训练出一个金融大脑。
● 无标签预训练
● 有标签微调
● Prompt learning
采用这样的模式，仅几百条数据就能构建稳定模型，整个模型从建模到落地效率提升70%以上。同时保证KS值（Kolmogorov-Smirnov，评估模型效果的一种指标）相比传统小样本学习算法平均提升2个点。
打破技术固化：新时代的“共同富裕”
朴智平台的MaaS模式，本质上是一种“技术平权”，它将原本需要投入巨额资金和顶尖人才的大模型风控，变成了像水电一样可以按需取用、负担得起的公共服务，让中小金融机构能以极低的成本，获得行业顶尖风控技术。
在使用层面，朴智平台也尽可能降低接入门槛，比如无需安装软件，通过朴道远程登录即可使用，实现一键回溯、一键建模、一键发布；MaaS模式本身零使用费，仅对回溯过程收取少量费用。
可以说，在大家都忙于加固自己的技术壁垒时，腾讯走出了一条不一样的路——支持开发者以最小成本获得最大效益，实现行业共振共赢。就在今年的腾讯全球数字生态大会上，腾讯正式宣布AI能力全面开放。AI不再只是腾讯内部“秘密武器”，而是将底层大模型、开发平台、应用场景、算力基础设施，对各行各业全面释放。
从腾讯的角度看，落地>概念。只有开放的生态才能让数据模型越来越聪明，金融风控本身不是一个零和游戏，需要整个行业共同沉淀经验、共享智慧。
也只有这样，才能形成正向闭环，即金融机构使用平台-产生新数据-数据产生新经验反哺平台-平台优化算法-机构根据平台反馈加工新数据-反馈平台，从而形成正向循环。
事实上，腾讯一直致力于共赢并打造良好生态。2023年6月，腾讯云首次正式公布行业大模型研发进展，并发布面向B端客户的腾讯云 MaaS服务解决方案。在这些能力模型的基础上，客户只需要加入自己独有的场景数据，就可以快速生成自己的「专属模型」。
文旅、政务、教育、传媒等行业皆陆续受益于腾讯云MaaS。在金融领域，腾讯云已帮助超过100家金融机构实现数智化升级，让银行、保险、大资管、互金企业更高效、更智能。
朴智平台是腾讯云在金融场景下的又一次升华。它具体地展示了新技术的应用、资源整合、技术资源共享，让我们看到大模型、MaaS、数据融合等趋势是如何在一个垂直领域落地生根并创造价值的。
它同时也是一种金融普惠，让更多需要信贷业务但缺乏相关数据的优质用户，得到应有的金融服务，从这个层面来说，用户与机构“共同富裕”。
朴智平台真正实现了商业世界中最难得的“共赢”：金融机构与用户都得到了他们想要的服务，朴智平台训练出了绝好的大模型。
