来源：鑫智奖 · 2026 第七届金融机构数智化转型优秀案例评选

获奖单位：蚂蚁消金

荣获奖项：专家好评 TOP10 优秀案例奖

一、项目背景及目标

近年来，金融服务的普及逐渐向新市民群体倾斜，成为普惠金融的重要焦点。尽管消费金融市场正在迅速发展，但传统的金融供给与消费者需求之间存在明显错配，尤其是在年轻人群体中。数据显示，30 岁以下的职场新人群体规模已超过 1 亿，但因收入能力和工作稳定性相对不足，与 30 岁以上的群体相比，他们获得普惠型的消费金融服务要困难得多。许多年轻人并非缺乏工作能力，而是因为工作方式更加多样化，传统的风控手段难以全面评估他们的潜力。其中，外卖骑手作为新市民的典型代表，因缺乏收入证明和银行流水，使得传统信用评估困难重重。因此，如何利用新技术识别和信任年轻人的能力，成为了普惠金融亟待解决的新命题。

为此，蚂蚁消金利用大模型技术对互联网碎片信息进行整合和推理，成功构建了新一代智能实时交互式风控系统 " 小红花 "，实现精细化的风险决策。本项目聚焦于信贷风控领域，面对市场上数据挖掘从规模化向碎片化转变的趋势，利用多模态知识库和大模型技术，提升人维度的风险识别管理能力。最终形成一个全自动化、智能化的基于多模态大模型技术和用户交互信息的智能实时交互式风控系统，不仅能为外卖骑手等新市民群体提供更好的金融服务，也为普惠金融的可持续发展奠定基础。

互联网信贷市场的复杂性对客户维度的信息实时处理提出了更高要求，当前数据处理技术发展趋势已从规模化转向碎片化，从静态化转向实时化，从封闭式转向交互式，传统金融风控体系对这种更高的技术要求难以及时消化。具体表现为：

（一）碎片化信息利用困难，大量非标准化、弱金属属性的数据（如职业技能证书）难以被有效识别和利用，其来源多、模态多、覆盖小，挖掘成本高；

（二）数据实时处理能力弱，风险决策流程复杂，传统的数据处理及模型构建方式难以在有限的算力下消化多源异构数据并做到实时部署与反馈，无法及时满足用户需求；

（三）金融机构获取信息方式单一，主要局限于通过纯技术手段整理客户信息，而缺乏开放高效的渠道便于客户和服务方实现有效的双向沟通；

（四）普惠金融供给错配，传统金融机构依赖社保、公积金等强金融属性数据授信，导致初入社会的年轻人、蓝领及灵活就业群体难以获得适配的普惠金融服务。

针对以上痛点，蚂蚁消金致力于研发一种能够实时整合多源信息并进行深度推理的新型风控系统，在源头上整合用户交互产生的高频信息，赋能风控模型处理非结构化数据的能力，形成模型专家系统，既可以防范负向风险，又可以正向识别优质客群，实现自动化、智能化审批与授信。

新一代智能实时交互式风控系统 " 小红花 " 开创了自主交互的风控新模式。该系统具备 1000 余种开放式算法能力，能够针对新市民等多元化用户群体的职业属性，精准匹配多样化的自证材料，并实时迭代风险评估水平，广泛服务于各行各业。不同于传统依赖机构单方面审核的模式，" 小红花 " 推动风控从被动采集向主动交互转型，构建了 " 用户自证—系统验证—额度反馈 " 的正向循环机制。这一机制不仅增强了用户参与感，更有助于建立透明、公平的信用评估体系。

同时系统将用户提交的多元、碎片化信息高效转化为可感知、可选择、可管理的信用证明，实现了 97% 的材料识别准确率与 92% 的验真准确率。通过显著提升信贷风险决策的精准性与有效性，" 小红花 " 有力推动了金融健康理念的落地，为构建更加智能、包容的数字金融生态提供了坚实支撑。

（一）信贷大模型底座建设解决方案

图 4-1 信贷大模型底座建设解决方案

基于碎片化信息利用困难、来源和模态多样导致金融机构挖掘成本高，非结构化数据处理能力弱，审核过度依赖人工经验等痛点，新一代智能实时交互式风控系统 " 小红花 " 在信贷信息碎片化挖掘中，通过 SFT、模型压缩和 RAG 等技术，实现全自动智能化的专家级知识获取，并构建风险 PD 大模型专家，如图 4-1 所示，整合各类数据，转化为对认知主体的清晰描述，提升大模型对用户画像和风险特性的理解，结合全量人维度决策，学习信贷领域知识及人工审批经验，形成个性化的人维度结论，极大的提升系统审批效率。

（二）用户交互系统建设解决方案

图 4-2 用户交互系统建设解决方案

传统交互系统面临难以准确识别基于 AIGC 造假材料，" 小红花 " 借用 AI 大模型技术针对用户信息进行篡改检测、图像溯源，集合视觉、行为、推理、攻防等一体的多维智能防御系统支持 25 种伪造欺诈手法识别，以 AI 对抗 AI，有效识别拦截虚假证书，验真准确率达 92%。同时解决服务内容及人群覆盖面有限，许多行业贷款申请和额度调整等环节尚未纳入交互式风控的范畴的难题，支持任意材料相似人群扩散（Look-alike）的冷启动算法，解决样本不足问题，融合用户新增自证信息，实时迭代定制化风险分。并利用大语言模型技术支持 C 端多轮交互对话式自证上传，深度理解并科学引导客户智能处置高并发自证请求，提升用户交互式体验，如图 4-2 所示。

（三）智能实时风控决策系统建设解决方案

图 4-3 智能实时风控决策系统解决方案

系统能够结合用户的长期信用行为与短期申请材料，进行多维度的资质分层推理，并在秒级时间内完成信贷决策，实现了在支付中的实时提额，即时满足健康的消费需求，实现每一笔交易的风险管理。较传统风控决策系统而言，能在支付时快速完成模型计算返回结果，突破实时模式下难以进行大规模的多模态信息处理资源瓶颈，并利用树模型、流式滑 / 固窗等技术，如图 4-3 所示，针对实时信息进行分层决策、预处理，实现计算优化。

（一）场景应用成效

截至 2025 年底，产品服务用户规模达到 3000 万 +，并成功识别出 2000 万优质用户，场景风险低于公司平均水平 50%，以下是具体案例应用情况：

应用一：项目一期针对职场新人群体进行投放测试，共有 92 万 + 职场新人参与了材料自证提交，其主要的自证材料主要为职业资格 / 技能、工作证明、学习技能、学历奖项四大类，预计提额成功率 80%，平均提额 1100 元，很好地支持了职场新人的职业证书考级、毕业租房的资金需求。同时根据数据表明，这部分 " 凭实力 " 提额的小红花用户，其支用不良率不到花呗整体用户的一半，这说明 " 小红花 " 额度互动能够有效促进用户和机构的金融健康。

应用二：过去，外卖骑手这一群体由于缺乏持续稳定的收入证明等，很难对其展开精准的信用风险评估，导致全国超千万的外卖骑手整体信用卡持卡比例不到 3 成。然而，通过采用新一代智能实时交互式风控系统 " 小红花 "，构建了智能化风控科技的大数据信用评估，针对外卖骑手正向消费场景进行精准实时提额，目前外卖骑手获得线上场景金融服务的比例已经超过 60%。

应用三：新一代智能实时交互式风控系统 " 小红花 "，能以实时化、场景化、智能化的运用特征精准识别消费者的正向购买行为，实现实时提额，解决消费者资金急用难题，进一步降低以旧换新消费门槛。

（二）社会及经济效益

2023 年 10 月，国务院发布了《国务院关于推进普惠金融高质量发展的实施意见》，明确了推进普惠金融发展的总体思路，同时强调要提升普惠金融服务实体经济能力，防范化解各类金融风险，促进全体人民共同富裕。同月召开的中央金融工作会议提出，" 坚定不移走中国特色金融发展之路，推动我国金融高质量发展，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章 "。

基于国家的政策引导下，蚂蚁消金推出新一代智能实时交互式风控系统 " 小红花 "，成功运用到花呗中，在推动金融‘五篇大文章’实现过程中发挥了积极作用。覆盖全国 4000 万商家线上收款渠道，惠及 4 亿人群，成功促进了金融服务的普及化，将消费金融服务的范围拓展到了以往难以触达的客群，使得金融服务的公平性得到提升，让弱势群体摆脱无法依据自身资质从银行获得贷款的困境，有效缓解了个人当前资金方面的燃眉之急，成功减轻社会经济压力。

未来，随着大模型技术的不断演进和应用场景的拓展， " 小红花 " 有望进一步深化其影响力，为构建更加包容、可持续的金融体系贡献力量，更多年轻人也将能够平等享受到金融服务的便利，从而推动整个消费金融市场向更加健康的方向发展。

更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台 - 金科创新社案例库、选型库查看。