10月30日，在2025金融街論壇年會金融科技大會上，由北京市西城區人民政府主辦、中關村科技園區西城園管委會承辦的“2025金融科技應用場景大賽”終評結果在北京正式公布。
騰訊云天御“金融反電詐治理方案”與騰訊云“基于TCS的AI異構算力管理平臺”憑借技術創新性與場景落地能力，從全國89家機構提交的280個項目中突圍，雙雙斬獲“十佳應用獎”。騰訊混元大模型信貸助手解決方案獲得了大賽頒發的“探索實踐獎”。騰訊云三大方案分別在金融風控、算力基建及大模型應用三個關鍵領域展現突出優勢，獲專家團高度認可。
“2025金融科技應用場景大賽”自2021年啟動以來，已經成為金融科技領域極具影響力的賽事平臺。本屆大賽以“深化科技成果轉化，助力五篇大文章落地”為主題，設置數據要素、人工智能（非AIGC方向）、人工智能（AIGC方向）、數字基礎設施、數字化轉型等7個賽道。“十佳應用獎”由商業銀行、科研院所等單位組成的專家團圍繞技術架構、創新價值等維度嚴苛評審，最終評選出10個標桿項目。
天御反電詐
AI大模型構筑平衡
“安全”與“便民”的反詐免疫力
據公安部介紹，電信網絡詐騙犯罪已成為數量上升最快的刑事案件類型。在這背后，除詐騙手法多變、技術對抗升級、作案窩點轉移境外等原因，更有龐大的信息網絡犯罪黑灰產支撐詐騙犯罪活動，通過出租出售電話卡和銀行賬戶、“跑分”洗錢等為詐騙提供幫助，嚴重危害網絡安全、社會穩定和人民安寧。隨著黑灰產業鏈不斷升級，對其打擊治理難度日益增大。同時，中國人民銀行高度重視“資金鏈”精準治理，指導商業銀行、支付機構統籌做好涉詐風險防控和優化服務工作，重點加強技防建設，切實保護好群眾資金安全與合法權益。
秉持“科技向善”的使命愿景，騰訊云與金融機構協同對抗詐騙。騰訊云天御應用AI大模型技術，構建行業首個從意圖與動機層面預測黑產涉詐風險的反詐風控引擎，形成“掃黑+護白”雙模反詐體系；可作用于“事前-開戶準入、事中-風險阻斷、事后-解控提額”金融賬戶全生命周期與業務環節，與風控平臺、事中規則模型、黑灰名單等機構已有反詐能力“雙劍合璧”。目前，這套反詐風控引擎已經經過超百家金融機構實際業務的可靠與有效性驗證。
在防范涉詐卡方面，該模型可于涉詐交易發生前0～3個月預測命中超80%的幫信涉詐賬戶；其中高風險預警在未來3個月內涉詐案發的概率高達10%～30%，超過大多數金融機構事中風險阻斷的精準度要求。
在保護受害人方面，該模型可感知超98%詐騙風險類型，預警命中超60%的被騙受害風險；結合渠道實時特征，金融機構可在交易、支付結算前對被騙受害用戶采取提醒、核驗、勸阻、止損等保護性措施。
上述能力與金融機構優勢互補，可全面提升反詐風險防控的科學性、精準性和有效性。在今年的金融科技應用場景大賽中，大模型技術應用也是焦點之一，AIGC方向項目數量占參賽項目總數的24%，表明生成式人工智能在金融場景中有廣闊的應用前景。將大模型技術應用于反詐騙風險防控，也是騰訊云天御反電詐達成上述效果，獲得“十佳”應用的創新亮點。
騰訊云天御創新應用AI大模型技術，將過去超15年黑灰產對抗所沉淀的海量風控特征與專家經驗，結合大模型在樣本之外所積累的世界知識與推理能力；從幫信載體、作案手法、動態趨勢等切入，穿透詐騙套路與“跑分”手法的層層迷霧，洞悉紛繁騙術背后的關鍵意圖、動機與本質邏輯；實現更精準預判金融賬戶潛伏幫信風險，更全面預警交易動賬涉詐風險狀態。
同時，騰訊云天御基于多模態大模型技術，實現7*24全天候解構海量鮮活的黑灰產威脅情報并歸納總結關鍵趨勢。該模型可以自然語言交互形式，響應業務與運營專家對情報態勢的個性化分析需求。自主思考推理核心意圖與關切命題，并針對性給出態勢型、策略型建議；或結合黑灰產態勢與業務現狀，提煉生成更全面的分析報告，輔助反詐運營決策。上述探索旨在應用AI大模型技術打破攻防信息差，為反詐科學運營提供多維參考，幫助風控專家持續迭代反詐風控策略。先人一步，跑贏詐騙。
騰訊云天御希望以此創新實踐，聯合金融機構突破規則風控瓶頸，共筑跨行業多主體聯動的自適應防御體系。在達成“防范賬戶涉詐”與“保護財產安全”雙重目標的同時提質增效，有效兼顧展業效率與服務質量，實現統籌“便民利民”與“風險防控”的電信網絡詐騙可持續治理。
2023年以來，騰訊云天御與包括國有大行、股份制商業銀行、城市商業銀行、農村商業銀行、非銀行類金融機構等在內的眾多金融機構并肩反詐。2024年全年，聯合超40家金融機構累計對超過6200萬被騙受害用戶實施勸阻、止損等保護，直接避免或挽回人民群眾損失超10億元，間接保護潛在被騙群眾財產超百億元。充分踐行并發揚金融工作的政治性、人民性。
騰訊專有云PaaS平臺TCS
提升異構算力管理效益
加速云原生AI構建
AI 技術迅猛發展的今天，算力作為核心生產要素，其管理與調度效率成為企業AI應用落地的關鍵瓶頸。同時在算力資源分散、供應不穩、需求激增的背景下，企業面臨著異構算力資源難以統一管理、資源配置和調度復雜、缺乏智能化監控運維及故障自愈能力、資源利用率低下等挑戰。這些問題導致企業運營成本上升，業務創新能力受限。
基于此，騰訊云推出騰訊專有云 PaaS 平臺TCS（Tencent Cloud-native Suite, 簡稱 Tencent TCS）異構算力管理平臺，通過提供一站式的異構算力資源整合、調度、運營服務，顯著提升資源使用的效率和靈活性，有效控制并優化成本。通過云原生AI技術提升異構算力管理效益，加速云原生AI的構建，助力行業企業在AI時代構建敏捷、高效、安全的算力底座。
TCS 異構算力管理平臺架構總覽
在實際應用中，TCS 異構算力管理平臺展現出以下四大關鍵特性：
異構算力統一管理
TCS 通過異構算力統一管理解決方案，實現了對多種類型加速芯片（如CPU、GPU、NPU等）的統一接入和集中管理。該方案借助多集群擴展能力，不僅能夠整合多個異構計算集群資源，提供集中式的資源視圖和操作入口，打破資源孤島，還能通過注冊集群功能無縫管理異地云外集群，構建真正一體化的算力資源池，從而顯著提升資源利用率、簡化調度流程并降低運維復雜度。
針對各家加速芯片廠商提供的部署方式各異的問題，騰訊專有云PaaS平臺TCS基于TAD（Tencent Application Definition）云原生應用聲明式部署規范，提供了標準化的接入接口與適配框架，并實現了快速集成與高效部署，顯著降低了適配成本，大幅縮短了部署周期。
異構算力靈活調度
TCS 的異構算力靈活調度方案能夠根據應用需求動態分配算力資源，顯著提升資源利用率和計算性能。該方案通過智能調度器、DevicePlugin 框架及擴展資源機制，高效管理 GPU、NPU 等第三方加速設備，并支持多樣化的調度策略，以滿足不同場景的算力需求。
同時，其拓撲感知調度能力可智能分析節點間網絡拓撲及節點內部資源互連架構，優化任務性能、加速訓練過程，并減少實例間的性能差異，從而確保計算任務的高效執行。
資源利用率提升與成本優化
TCS 通過多項創新技術實現 GPU 資源的高效利用與成本優化。在資源利用方面，采用內核態 GPU 共享技術（qGPU），支持多個容器共享同一張GPU卡，實現算力與顯存的精細隔離，其5%算力、1GB顯存的細粒度分配能力使資源利用率達到極致，同時確保業務無感知。
同時支持豐富的集群及單卡調度策略，提供Spread（平均分配保證負載穩定均衡）、Binpack（盡量填滿保證利用率）、Best Effort（保證最大的吞吐）、Fixed Share（算力最低配置保證）、Burst Share（算力最低保證，允許占用空閑）等多種智能調度模式，可靈活適配不同業務場景需求，既保障負載均衡，又能最大化資源利用率。
特別值得一提的是 TCS 創新的GPU在離線混部調度能力，通過任務的優先級實現搶占調度功能，支撐訓推一體業務部署：對高優任務（如在線推理）采用平均分配確保穩定性，對低優任務（如離線訓練）則采用填滿策略提高利用率，并支持100%在線搶占功能，在保障關鍵業務的同時最大程度降低資源閑置。
基于騰訊開源項目Crane構建的FinOps成本中心，提供資源可視化、分析及智能優化三大核心能力，旨在提升集群的資源利用率。Crane算法在騰訊內部自研業務中實現了大規模落地，成功部署至數百個容器集群，為企業帶來了顯著的降本增效效果。目前，TCS FinOps已在多家頭部金融及政企客戶中成功應用，極大提升了集群的資源使用率。
此外，通過TACO-LLM提供高吞吐、低時延、開放兼容的大模型推理加速引擎，極大提升了推理效率和系統穩定，吞吐最高提升2倍。
智能運維與故障自愈
TCS 的智能運維與故障自愈系統通過自動化管理手段顯著提升了異構算力集群的運維效率。該系統具備全面的集群監控能力，可對CPU、GPU、NPU等各類計算資源進行多維度實時監測，覆蓋從基礎設施到應用負載的各個場景，幫助運維人員快速發現并準確定位運行異常，確保數據中心整體運行的穩定性。在故障處理方面，系統特別針對GPU設備內置了智能檢測與自愈機制，能夠自動識別硬件故障并觸發告警，同時根據業務實際情況智能執行預設的修復方案，大幅降低人工干預需求。
平臺還提供統一的運維運營門戶，集成監控中心、日志平臺、巡檢、變更發布、運維工具、安全中心、容災管理、故障演練等功能模塊，有效簡化了日常運維流程。這套智能運維解決方案通過自動化擴縮容、智能故障診斷與自愈等創新功能，不僅顯著降低了運維人力成本，更確保了異構算力資源的高效穩定運行，為用戶提供了更加可靠的算力保障。同時支持多地多中心高可用部署架構，強大的運維及容災能力幫助上層業務達到金融級高可用能力。
此外，TCS提供基于AI智能體的排障運維助手，通過整合大模型推理能力與TCS領域知識庫，實現自動化問題診斷與排障決策。
TCS 創新采用“一云多芯”架構，支持多種CPU、GPU硬件，全面適配多種GPU/NPU。通過異構算力統一管理、多集群擴展、異構算力靈活調度、拓撲感知調度、qGPU內核態共享及離在線混部、FinOps成本中心、GPU故障檢測與自愈、智能運維等核心能力，提供一站式的異構算力資源整合、調度、運營服務，顯著提升資源使用的效率和靈活性，有效控制并優化成本，為企業業務創新發展提供持續動力。
憑借卓越的技術實力與靈活的管理能力，TCS 目前已在多家金融機構及政企客戶中成功落地，為客戶AI訓練推理業務提供高效支撐。憑借多項可信云權威認證及深度參與行業標準制定，其卓越性能、可靠性及穩定性已獲充分驗證，有力支持數字金融的創新發展。
混元大模型信貸助手
打通金融領域應用“最后一公里”
2023 年以來，受貸款利率走低、對公信貸市場下沉等影響，金融機構面臨項目規模小、數量多的挑戰，需要持續加速推進線上化、數字化、智能化轉型。騰訊云基于 30 多家金融機構調研，精準把握信貸全流程痛點，歷經兩年研發打造混元大模型信貸助手，通過場景化后訓練和工程開發構建多模型智能體，實現業務準確率、效率與成本的動態平衡。
該方案針對行業存在的非標數據解析難、流程低效、風控滯后、系統割裂、技術斷層等問題，構建“信貸智能體”，對多源異構材料進行分類、檢測、提取、分析及報告生成，覆蓋 95% 以上金融信貸業務場景。
在關鍵技術層面，方案以混元多模態模型及大語言模型為基礎，構建5萬+高質量金融信貸數據集，通過場景化后訓練讓模型掌握業務邏輯與規則；同時強化指令遵循能力，通過專項微調與框架約束推理，結合受限解碼、思維鏈引導等技術，抑制模型幻覺風險，確保輸出穩定可靠。
整體方案分為業務輸入層、執行層與輸出層，打造覆蓋貸前、貸中、貸后的通用能力組件，并靈活適配信貸進件、財務分析、報告生成等細分場景。經過持續打磨，方案具備高適配性與穩定性，人工采納率超93%，輸出波動控制在1%以內，可滿足不同機構的客制需求，目前正開展大規模POC測試與交付。
實際應用中，該方案成效顯著：某泛金融機構引入后，審單準確率達94% 以上，在人力成本不變的情況下大幅提升業務承載能力；某銀行對公項目盡調報告生成時間從10天縮短至1天，客戶經理工作效率提升10倍。該方案成功打通大模型在金融領域應用的“最后一公里”，為數字金融創新提供范例，將有效延展金融機構員工能力邊界，助推普惠金融高質量發展，展現出廣闊的業務應用前景。
