图片来源@视觉中国

文 | 商隐社，作者 | 阿空‍‍‍‍，编辑 | 齐马

大到大宗商品贸易，小到个人二手交易，商业世界达成合作的核心是什么？

是信任。

信任是交易的基石，包括对企业的信任、对交易人的信任，以及对交易平台的信任。

在典型的信任关系中，信任者在信任他人时需要承担风险。如今，欠债不还、贷款暴雷、付款后对方跑路等现象比比皆是，严重损害了商业生态的健康发展。

由此催生了风控这一行当，并逐渐发展成为金融行业的命脉。过去风控行业处于莽荒状态，纯靠人力催收、监测风险、与灰黑产作战，即便全年无休也难掩效率低下、信息滞后、管理粗放的窘境。

这些问题，在链接了众多上下游实体产业，极易受到外部市场环境干扰，对风控需求极高的大宗商品交易领域尤为突出。

其实，信任关系中的风险本质上是由于信息不对称造成的。

如何利用数字化提升风险把控和应对能力，国有上市企业物产中大等龙头企业率先迈出一步，与蚂蚁蚁盾合作共建，打造出了一套传统企业赋能行业经验和知识，科技企业提供技术能力，更为便捷、高效的产业风控解决方案。

01 大宗商品交易的软肋

大宗商品贸易算得上是人类最古老的经济活动之一。能源、粮食、金属矿产品等大宗商品作为人类经济生活的最基础资源，关系国计民生。

时至今日，大宗商品行业已是百万亿级蓝海。有数据显示，从产业规模上看，全球每年大宗商品的产出值大约在10—20万亿美元，占据世界GDP的20%，而中国的大宗商品产业基本占据全球的50%以上。

大宗商品贸易主打薄利多销，交易量巨大，利润主要来自规模化效应。21世纪的头十年，大宗商品交易一片繁荣，嘉能可、维多和嘉吉三家大宗商品交易巨头的利润总和超过了苹果、可口可乐等全球知名商业巨头的利润总和。

这也是“中国制造”崛起的十年，迅速发展的制造业需要各种原材料，中国由此成为全球最大的大宗商品消费国。

大宗商品贸易处于把产品从厂商送到终端的中间环节，通过金融、物流等手段起到承接的作用。

因此，大宗商品贸易极其复杂，其涉及穿越陆地洋海的漫长贸易链条、动辄数月以至更长的交易周期，交易本身暴露在地缘政治动荡、法律环境差异、自然气候变化、市场波动、盗贼和信用欺诈等风险中，这些风险成为贸易活动展开的巨大阻碍。

而且，在薄利多销的业务模式下，如果某一笔体量特别大的业务出现风险，一般会达到几十亿元的规模，有可能会使企业濒临破产。

为克服这些阻碍，人类创造了一系列商业工具、法律制度，这些工具和制度彼此叠加，以控制和缓和交易风险。

但即便如此，大宗商品交易中仍然存在诸多风险，对预期结果造成不确定性影响，对风控的需求较高。很多大宗商品企业都会配备专门的风险管理团队去做这件事情。

这些风险一般包括市场风险、操作风险以及信用风险。

市场风险比如此前受到战争及疫情影响，大宗商品价格波动比较大，进而会影响相关企业的日常运营及生存。

操作风险是指很多传统企业利用线下纸质合同的方式进行交割，会受到很多人为因素的影响。

而最核心的是信用风险。大宗商品贸易商在跟上游客户采购时需要预付款，跟下游客户结算前需要先垫付款项，只有对上下游客户足够信任和熟悉，才能进行更大规模的合作。

这有点像银行的金融信贷业务。银行给企业放款，也是要对企业足够了解和信任，才敢放更大的额度。

此外，下游客户买货时还涉及到账期问题，一般叫做赊销。如果客户没有在约定的账期内及时回款，这是最大的风险。因为货物涉及的规模和金额特别巨大，目前有企业的应收款高达70亿元。

这就类似于一个人今天去银行借钱，银行给了一年的信贷周期。这个人一年内要把钱还掉，但如果他突然失业了怎么办？

因此，大宗商品贸易商需要对上下游合作方的整个信用情况有更加充分的理解，这难度相当大。

02 破解产业风控之难，供应链龙头企业创新求变

国有上市企业物产中大作为大规模原材料交易和流转的枢纽，链接了上万家上下游合作企业，时刻面临各种信用风险的挑战。

行业里常规的方式就是派人去客户那里实地调查，通过线下沟通，以及手工查阅资料了解企业的业务情况。此后形成尽调报告，再通过线下层层审批才能完成合作方资质的审查。

这样做不仅人工成本高、效率低，而且线下审批过程也很难留痕，出现问题往往难以追究责任。尤其在面对上万家上下游企业的情况下，手工操作会严重影响业务开展效率。

再者，企业的经营状况是动态变化的。有的合作企业前期调研结果好，不代表持续表现好。合作过程中的风险也难以预警，有合作伙伴中途暴雷，给企业造成了严重损失。

而且，整个风控过程欠缺标准化的科学管理体系，风险控制过度依赖个人，信息获取往往不够全面。

这主要是因为人工的经验没法标准化，不可能要求10个人都有同样的素质和能力去做好风险管理。每个人的经验不同，对风险的判断就会存在差异，一旦出现人工误判，损失极大。久而久之，风险隐患的敞口就会越来越大，这是很现实的一个问题。

这些传统风控手段带来的效率低下、信息滞后、管理粗放等问题，使得大量风险成为漏网之鱼，成为制约大宗商品贸易健康发展的顽疾。

更为紧迫的是，随着公司的业务量增长，上下游合作的企业越来越多，人工管理基本上就捉襟见肘了。

这时，怎样通过一套数字化的方式去提升效率，同时提高风险识别的精准性，就变得很有必要，这是企业发展背后的内生动力。

作为大宗商品行业龙头企业，物产中大率先改变这一现状。其成员单位相关负责人提及，他们搭建了一套客户管理系统，将客户的线上、线下信息进行数字化管理，提升调查、评估、审批效率。

当时他们带着相关部门去杭州热联集团参观学习，看到蚂蚁跟热联共建的供应商风控模型也适用于自己公司，就主动跟蚂蚁讨论合作事宜，将蚂蚁蚁盾-风控产业平台与自身的客户管理系统做了一个有机结合。

03 产业协作风控需要行业与技术共创

物产中大表示，之所以选择蚂蚁蚁盾-风控产业平台，一方面是因为蚂蚁的背景、技术实力、风控经验各方面都比较突出，其次是市面上其他产品大部分都做的是一些通用性的客户分析，蚂蚁能提供一些个性化的解决方案，与他们的需求比较匹配。

他们首先跟蚂蚁针对电梯生产厂商这一垂直细分行业做了一个行业模型试点。

“在市面上一些通用型软件，它们会从更普适的维度去进行客户分析，但是在一些细分行业，通用的数据模型发挥的作用比较有限。只有将这些外部数据，与我们内部采集到的信息和评价两方面数据进行融合，才能形成更适合我们的客观评价逻辑。”相关负责人告诉商隐社。

在这个电梯行业模型中，不仅包括经营规模、涉诉事项等常规信息，还有企业跟这家公司历年合作规模的股份体系、应收款峰值和均值、是否属于活跃客户、以及通过客户拜访收集到的信息。

这样，不管是在手机端还是电脑端，只要输入合作企业的名字，就会呈现一个具体的分数以及一系列网状的可视化评价指标。

其实，产业协作风控最大的困局，正在于数字化风控技术和to B行业经验的交汇。

从C端风控到B端风控，问题变得更加复杂。一个人的风险是相对标准化的，可以从身份、资产、关系链等维度判断。

但不同的产业链以及不同的行业，风险评判的逻辑是不一样的。比如半导体产业链和钢铁产业链，建筑行业和汽车行业，完全不一样。

这就决定了企业的风险评判，除了常规的风险之外，最重要的是要结合行业经验进行风险识别。

目前，蚁盾-风控产业平台为了综合评判一个企业的风险，构建了两张图谱。

第一张图谱是产业图谱，按照中国的分类分级标准，蚁盾做了5000余个产业分类，它构成了一个产业的上下游全局图谱，呈现产业内部各种生产要素之间的连接关系，企业之间的供求关系、生产经营关系以及产业间的风险传导关系。

另一个是企业图谱，包括工商、司法、交易、债权等数据，企业的经营风险、违法违规风险、关联风险、舆情风险、信用风险等都能一目了然。目前，蚁盾已经融入10000+风险特征，可以对企业进行全方位的风险评估。

当这两个图谱放在一起的时候，很美妙的事情会发生：蚁盾-风控产业平台可以在一个更大范围内量化协作风险，并给出可解释的风险决策依据。

蚂蚁深刻意识到，产业端的风控，只靠蚂蚁自己力量有限，需要跟行业客户一起共创，把蚂蚁的风控技术与客户的业务经验融合到一起。

蚂蚁数科蚁盾解决方案高级总监冯成林向商隐社表示：“虽然做了这么多年，我自身的感受是风控技术本身不是一个非常底层的技术能力，而是一个场景化、业务化的技术能力。

只有风控的水闸做好了，企业间互信增强，业务的水流才可以放得更开，产量更大，整个产业链也就更繁荣。

04 一站式管理方案破解风控难题

风控串联起整个产业结构的业务系统、财务系统和交易系统，所以风控不是一个点的问题，而是一串问题。

为此，蚂蚁提供了一套整体的解决方案，包括精准拓客、准入筛查、客户评级、授信策略、风险监控、风险预警、排查等能力。

用过这套跟蚂蚁同创的系统后，企业明显感受到效率提升了。

原来业务员在跑业务时，需要先在OA系统提出申请，光走审批就得几个小时。客户关系管理部门承接了全公司所有业务员的客户调查需求，搜集信息再反馈给业务员，这个时间周期至少需要两天。

而现在，业务员不管去拜访哪个客户，都可以直接打开手机查询，就能对该企业是否满足准入条件做出实时判断。

什么原因不满足，哪些条件不具备，基本上可以做到分钟级，乃至秒级就能处理。

很多风险没办法提前预料到，纯靠系统解决所有问题是一个伪命题，

这些外部信息可以为业务员提供最初步的评价。

之后业务员通过现场走访、商务洽谈，可以了解到客商的生产量、库容、用电量、开工人数等更具体的信息，再将这些信息录入系统，丰富了业务员考察客户的维度，也提升了他们的风险底线意识。

相关负责人欣喜地发现：“这个平台相当于把我们的知识做了一个沉淀。以前业务员考量客户的经验只保留在自己的脑子里或者本子上，现在我们把精干业务员的经验都沉淀到这个系统，那么新的业务员可以快速学习利用，从而拉升公司整体的风险把控能力。”

此外，这个模型对于拓客也很有帮助。原先物产中大只跟熟悉的电梯厂合作，现在这个模型可以帮助找出这个区域范围内还有哪些优质的企业可以投资。

回到大宗贸易商最关心的赊销额度问题，原先赊销是1个亿还是1000万，背后的操作逻辑很简单，主要看两个企业的关系好不好，历史合作多不多。

这就带来两个问题，一是这个企业资质很好，你只给它一千万，其实可以做1个亿的生意，这对业务没有促进作用。

另一个是，虽然两家企业关系好，但如果这个企业在接下来两三个月出现经营异常风险，给它1亿的额度后，可能会损失5000万，这在之前是没法预判的。

对此，蚂蚁做了一个授信模型，把所有上下游客商分为四个等级，每个等级对应不同的合作策略。第一等级给到的授信额度和还款周期是最优的。第四等级是有风险的，直接不授信，或者现款现买。

此前有一个亿的合同企业和一千万的合同企业，评估出来的结果一个是71分，一个是72分，两个资质差不多，但是额度有这么大差异，背后就有问题。

基于这种量化建议，授信方及时做出调整，把一个亿的合同变成八千万，把一千万的合同变成七千万。授信额度更加依靠理性，而不是个人情谊，对整个业务增速更加有效。

05 蚂蚁蚁盾为什么能？

前面提到，大宗商品贸易风险最核心的是信用风险，这让蚂蚁看到了机会，因为基于信用维度建立的风控能力，是蚂蚁自身的一个基因。

冯成林告诉商隐社：“蚂蚁风控自2003年为了淘宝开始做支付宝的时候，就开始着力解决买家和卖家之间的信任问题。不过当时是商户和买家之间的问题。蚂蚁数科作为蚂蚁集团的科技商业化板块，从服务内部，过渡到服务产业，解决企业之间的数字信任问题。这是蚂蚁一直在做的事，只是面向的主体不一样而已。”

在这个方向上，蚂蚁数科的安全品牌蚁盾积累的一系列风控技术可以分成两个维度，一个是通用的，未来能够在更多场景发挥价值的基础技术，比如使用多源数据处理能力解决实体产业中数据分散、标准化程度低等问题，端云风控技术保障数据安全的前提下，对多方数据进行更好的融合利用。

以及用图计算能力来全局呈现数据之间的关系等。技术从实验室走向大规模商用，前提是技术本身可被信赖，因此这些技术都需要基于可信AI的技术理念来反复打磨。蚂蚁可信AI方向上积累的相关专利已经连续2年位于全球第一，且主要用于安全风控。

另一个维度是围绕具体业务场景展开的风控能力。比如大宗商贸风控整体的解决方案并非灵光一现，而是蚂蚁不断加深对行业的理解，持续迭代进化而来的。

一开始，蚂蚁提供一个工具，只能满足客户的客商信息多维度查询需求；后来，蚂蚁与客户的日常管理工作结合，构建了一站式风控管理能力，提供企业的风险筛查能力、分级自定义化能力，授信额度评估能力，持续的风险监控和事后的风险排查能力，把价值就做厚了一层。

再后来，利用AI的能力去做企业的风险识别，把人的经验和机器的经验结合起来成为一种趋势。

经过这些年的实践，蚂蚁愈发意识到风险研判需要注入丰富的行业知识，才能实现精准风控。每个公司的定位、业务模式、上下游客户群体、风险偏好都不同。不能拿钢厂的指标去衡量镀锌厂，也不能用制造业的指标去衡量贸易商。

三年来，蚂蚁深入大宗商品行业进行挖掘，在通用的风险模型基础之上，结合行业特有的风险因子，为客户量身定制了更加精细化的风险评估模型，如钢厂模型、水泥厂模型、建筑行业模型、金属制造类行业模型、贸易商模型、配件厂商模型等。

“在toB这块，对行业的理解非常关键。虽然我们做了三年大宗，但还不敢说自己做得特别好，只能说入门了。今年有一个很明显的变化是，主动找上门的客户越来越多、我们合作的几家龙头企业几乎都是老客户转介绍的。这说明我们弄懂了这个行业，大家能够在一个频道上去沟通交流，他们就会认识到蚂蚁做的这个事是有价值的。”冯成林向商隐社坦言。

目前，蚁盾在产业风控方向上，已经服务了有上百家客户。接下来蚂蚁要考虑的是，怎么快速构建行业能力，为不同行业的客户提供更加高效的服务；怎么把风控跟客户自身业务更加有机地结合起来，而不仅仅只是一个辅助工具。这更需要传统行业以更加开放的姿态与科技企业一同成长。

未来，蚂蚁希望实现从单个产业风控到产业的协作风控，通过蚂蚁服务的一个个核心企业，在整个产业端形成一张网。在这张网里，大家相互协作，风险更加透明，建立一个行业的风控联盟或者更加完整的风险服务体系，帮助更多企业、更多业务走得更好。