支付反欺诈技术正在经历自规则引擎诞生以来最深刻的一次范式变革。传统风控依赖人工专家经验编写规则，各风险领域（反洗钱、套现检测、信用违约）使用独立的"烟囱式"模型，导致信息割裂和信息孤岛。2026年，以AI大模型为核心的新一代风控体系正在打破这一格局，风控正从"辅助识别"走向"自主决策"。
FRiskGPT：国内首个统一风控基础大模型
中国电信翼支付联合北京邮电大学、北京航空航天大学提出的FRiskGPT，被国际顶级学术会议WWW 2026（CCF-A类）收录。其核心突破在于将反洗钱、套现欺诈、用户违约等多类风险统一到一个Transformer框架中建模，并设计通用行为语言（GBL）将用户操作映射到统一语义空间。实际效果显示，AUC平均提升6.2%、KS平均提升19.3%，反洗钱场景增量识别精确率高达95.5%。盛付通则探索了"大模型+知识图谱+智能体"协同路线，风控分析员可用自然语言查询交易、穿透多跳账户控制链，全程可追溯、人工复核兜底。
全球趋势：从效率提升到完全自动化
在国际层面，Nasdaq旗下Verafin于2026年推出第二代Agentic AI Work force，引入反洗钱分析师和欺诈分析师两个AI智能体，可自动关闭误报，从"效率提升"升级为"完全自动化"，依托2800余家金融机构联盟数据覆盖超20年风控经验。Feedzai发布业界首个面向金融风控的表格基础模型RiskFM，跨1200亿事件训练，年评估9万亿美元交易。FIS联合Anthropic构建的金融犯罪调查智能体，将反洗钱调查从数天压缩至数分钟。
行业共识正在形成：支付反欺诈的未来不在于追求黑箱全自动化，而在于构建可解释、可追溯、有人工兜底的多智能体协同体系。随着美国金融机构每年在AML上投入350至400亿美元，风控技术本身已成为支付机构的核心竞争力。