中國農業銀行研發中心副總經理姚琥

當前，在全球經濟放緩和國內經濟增速換擋的大背景下，商業銀行賴以生存的環境正發生著深刻變化，過去單純依靠信貸資產規模擴張的“外延式”高速發展和高盈利時代已基本結束，商業銀行信貸業務面臨緊迫的轉型壓力。與此同時，人工智能、大數據、云計算等金融科技快速發展，推動數字化轉型日益成為商業銀行發展的重要驅動力。農業銀行緊緊把握金融科技發展的重要契機，制定“金融科技+”戰略，在業內率先構建了知識圖譜，并持續推進“AI+知識圖譜”技術在信貸管理領域的應用，為全行信貸產品創新和信用風險管控提供了強有力的科技支撐。

商業銀行信貸領域轉型已成必然之勢

受國內供給側結構性改革、利率市場化、中美貿易摩擦、互聯網金融沖擊和金融脫媒現象加劇等多重因素的疊加影響，商業銀行利潤增速放緩，信貸資產質量承壓，信貸產品供需矛盾凸顯。同時，伴隨企業跨地域、跨行業、集團化經營業態的發展，使得客戶信用風險表現形式更加多元化，風險傳導機制日益復雜化，商業銀行信用風險管理難度持續加大，信貸業務轉型求變迫在眉睫、勢在必行。

“AI+知識圖譜”金融科技基礎支撐體系建設

農業銀行高度重視金融科技創新發展，制定“金融科技+”戰略，以建設金融大腦為切入點，在同業率先構建了知識圖譜，實現了知識圖譜全生命周期管理，為全行數字化經營和智能化轉型提供了基礎性、核心性的科技支撐。

1. 打造金融大腦。金融大腦是農業銀行的人工智能核心系統，在業內首次提出企業級AI金融平臺解決方案，實現了全行的“智能集中”。金融大腦打造了感知和思維兩大服務引擎，建設了統一的智能服務，大范圍集成了人工智能核心技術，為全行眾多業務領域實現AI賦能。

金融大腦實現多項創新，搭建了基于GPU/CPU的高性能AI計算架構，應用虛擬化技術跨平臺對資源進行云化管理，提供高精度智能感知服務能力。建設了全生命周期的一體化機器學習與模型管理平臺，實現了全流程自動化建模和模型自學習演進。全渠道實時智能決策引擎為業務發展提供更為智能的實時決策服務。拖拽式交互中心、高效知識共享與沙盤演練等大大降低了AI創新門檻，提升了AI創新效率。

2. 構建知識圖譜。在金融大腦建設過程中，農業銀行基于DIKW（數據Data,信息Informa-tion，知識Knowledge，智慧Wisdom)體系，經過知識識別、融合、存儲等環節，從海量數據中提煉信息，發現知識，形成知識圖譜，并通過知識服務，將知識升華為智慧，讓金融大腦變得更加聰慧。知識圖譜采用四層架構模式構建，自底向上分別是知識識別、知識融合、知識存儲與計算以及知識服務（如圖1）。

圖1農業銀行知識圖譜構建全過程

（1）知識識別。綜合運用ETL、全文檢索、模式識別等技術手段，從行內結構化數據、行外已購工商、海關、輿情、司法等非結構化和半結構化數據中，獲取實體、關系、屬性和事件等信息，實現從數據到信息的萃取。

（2）知識融合。按照本體建模指引，對知識識別后的實體、關系等信息建立關聯，并進行實體對齊，形成相對完整的知識圖譜，完成從信息到知識的提煉。

（3）知識存儲與計算。搭建了分布式的知識圖譜存儲平臺，按照知識圖譜內容不同，分門別類存儲在圖數據庫、列數據庫、索引庫、關系數據庫和RDF庫中，支持根據應用場景選取相適宜的存儲與計算，大幅提升查詢和分析效率。

（4）知識服務。已建成四類知識服務，分別為語義分析、語義搜索、圖挖掘和模型工廠，實現了知識發現，奠定了智慧基礎。

相對于一般行業知識圖譜，農業銀行知識圖譜實現了諸多突破與創新。

一是實現知識圖譜全生命周期管理，涵蓋從獲取了融合到應用全過程，鍛造出從結構化、半結構化和非結構化數據中提取知識的能力。

二是采用自頂向下和自底向上相結合的模式進行本體建模，形成本體概念、屬性和關系等，易于業務人員理解、使用和管理。

三是采用混合架構，具備分布式存儲與并行計算能力，支持大規模知識圖譜構建與計算，具有高可用、高性能、可擴展等特點。

四是基于知識圖譜的計算引擎，打造了語義分析、語義搜索、圖挖掘和模型工廠四種智能服務，實現服務場景全覆蓋，杜絕在知識應用中出現“孤島”現象。

目前，農業銀行知識圖譜原始數據量在千億級別，節點數在千萬級別，各類關系（邊）2億條左右，支持各應用通過聯機或批量方式接入。聯機進行風險客戶識別的平均響應時間約200ms，批量完成客群劃分需要3小時左右。

通過構建知識圖譜，農業銀行打造了從“字符串”到“實體”的知識表征能力、基于“實體”關系網絡圖譜的知識關聯能力、基于語義的精準檢索能力，以及基于本體的知識推理能力，為金融產品創新和風險防控提供了強大的科技支撐。

“AI+知識圖譜”成為賦能信貸變革的核心引擎

農業銀行立足“AI+知識圖譜”的創新體系，依托智慧信貸工程，實現“AI+知識圖譜”在信貸管理領域的落地與應用，以科技創新助力信貸產品創新和信用風險防控的深入變革，全面提升了信貸智慧化經營管理水平。

1. 加速信貸產品和服務模式創新，服務實體經濟發展。綜合運用大數據、“AI+知識圖譜”等技術，進行客戶360度刻畫，準確識別和受理客戶金融需求，構建科學的授信和風控模型，分層覆蓋長尾客戶，服務三大戰略，大幅提升信貸產品有效供給能力和實體經濟服務能力。

（1）服務鄉村振興戰略。圍繞農村金字塔形“上、中、下”層客戶群，基于“AI+知識圖譜”等技術，重點分析客戶群所在產業鏈中的位置，精準識別客戶群融資需求，分別推出快農貸、便捷貸、惠農電商貸、農民安家貸等產品線，建設服務“三農”的金融生態圈。

（2）服務普惠金融戰略。運用“AI+知識圖譜”等技術，對客戶進行多維度精準畫像，把控潛在風險，并逐步建立起以“e貸系列”小額線上融資產品、“云貸系列”供應鏈融資產品為核心的全線上小微企業信貸產品體系。以“e貸系列”微捷貸產品為例，上線3個月左右，已累計服務客戶1.5萬。

（3）服務消費升級戰略?；凇癆I+知識圖譜”等技術，精準洞察客戶需求變化，實現產品快速創新和智能推介，先后推出網捷貸、質押貸和車聯貸等系列產品，為客戶提供線上化、場景化、定制化和智能化的產品服務，持續提升獲客、留客和活客能力。

2. 創新信用風險管理模式，防范金融風險。應用“AI+知識圖譜”等技術，通過構建智能化風控模型，實現大規?？蛻魯祿年P聯分析和實時精準的智能化風控服務，完成信用風險防控從單體到群體、從人工到人機交互、從事后到事前的三項轉變，大幅提升客戶群體性風險防范能力，牢牢守住不發生系統性風險底線。

（1）建立關系視圖。通過深度整合行內外數據，建立信貸客戶標識特征庫，全面識別客戶間的關聯關系，構建客戶關系全網視圖。目前，該視圖已引入行內信貸、客戶、交易三大主題和行外海關、司法、輿情、工商等六大主題數據，識別出擔保、投資、控股等11大類33小類500多萬條關聯關系。

（2）劃分風險客群?；诳蛻絷P系視圖，運用知識圖譜和社區發現理論，通過單一關聯關系風險傳導系數計量、客戶間風險傳導系數擬合、客群關系子網劃分三個步驟，完成信用風險傳導知識圖譜構建和風險客群自動劃分。相較以往專家經驗模式，不僅可以高效處理大規?？腿汉投喾N復雜關系，且自動識別出的客群更為精準和可信。

（3）洞察客群風險。依托信用風險關系知識圖譜，打造客群風險洞察引擎，主要包括核心企業識別、風險傳導測算、客群風險測評、客群關系探索四大類應用。作為支撐信用風險管理模式創新及防控金融風險的智慧基礎，有效提升客戶群體性風險防控的意愿、能力、時效和成效。

圖2農業銀行“金融大腦”的五大突破

“AI+知識圖譜”的未來展望

“AI+知識圖譜”能夠打破不同場景下的數據和知識隔離，避免知識孤島，是商業銀行發揮數據價值的良好手段，助力商業銀行用智慧構建強大的護城河。當前，“AI+知識圖譜”的理論和構建技術仍有待長足發展，在金融領域的應用還處于起步階段，預計未來能夠在智能風控、智能反欺詐、智能營銷、智能搜索可視化等領域得到更為廣泛和深入的應用，助力智慧銀行建設。

“向之所欣、俯仰之間，已為陳跡”。世界在變革、時代在進步，深處金融業科技創新的最前沿，讓我們共同迎接屬于我們時代！

責任編輯：Rachel