界面新聞記者 | 苗藝偉

界面新聞編輯 | 江怡曼

在大模型火爆的兩年內(nèi)，馬上消費金融正在實踐中不斷通過?“小步快跑”，以實現(xiàn)金融大模型的快速演進。

11月28日，在重慶舉辦的數(shù)字生態(tài)伙伴創(chuàng)新大會上，馬上消費金融CTO蔣寧在接受采訪時表示，經(jīng)過兩年多以來的探索實踐，對大模型的認識更加深刻，原本業(yè)界普遍認為大模型必須滿足巨大的參數(shù)，有著高昂訓練成本，然而實踐得出的結(jié)論卻并非如此。

他表示，金融大模型可以實現(xiàn)“輕量化應用”，在降低成本與提高效率之間尋求最優(yōu)解，也可以將金融大模型從單場景創(chuàng)新演進成為零售金融全價值鏈大模型，乃至應用于更廣泛社會生活的領(lǐng)域；最后，金融大模型正在演進成為“智能體”，推理能力而非數(shù)據(jù)訓練，將成為大模型具備的更重要的能力。

金融大模型“溢出效應”

蔣寧表示，1.0版本的天鏡大模型還只是一個局部的創(chuàng)新，是由場景驅(qū)動的，主要訓練了人機交互來解決金融客服、營銷等場景的應用。當時是基于2億用戶，訓練了約100P數(shù)據(jù)，實現(xiàn)了100億的交易額。

他稱，但在1.0以后，一直在思考在金融這個長價值鏈的產(chǎn)業(yè)中，大模型是否能在包括營銷、風控、消費者權(quán)益保護，甚至客戶體驗、合規(guī)等場景進行應用，因此做了深度探索。

蔣寧表示，例如，在反金融黑灰產(chǎn)領(lǐng)域，馬上消金應用了多項大模型技術(shù)來進行高效反黑。可以在貸款人允許下記錄聲紋，如果后續(xù)交互過程中，發(fā)現(xiàn)他的聲音發(fā)生變化的時候，就有理由懷疑，這可能不是他本人的意思表達從而識別黑灰產(chǎn)。此外，整合多模態(tài)大模型還可以識別借款人的周邊的環(huán)境、地址、網(wǎng)絡地址等，再結(jié)合復雜網(wǎng)絡技術(shù)，隱私計算技術(shù)，多種技術(shù)結(jié)合，就形成了打擊黑產(chǎn)的科技能力。

除了金融領(lǐng)域，馬上消費人工智能研究院院長陸全也表示，馬上消金也把在金融領(lǐng)域積累的能力又反哺到國家重大項目里，通過參與社會生態(tài)建設，讓人工智能團隊的知識、經(jīng)驗能在更廣泛的領(lǐng)域得到鍛煉提升機會。

馬上消費人工智能研究院鄧偉洪也表示，目前，公司在養(yǎng)老機器人上做了比較大的投入，可以滿足老年人在社交、康養(yǎng)方面的需求。他表示，養(yǎng)老機器人未來應用場景豐富，一是社交陪伴場景，可以做一個數(shù)字人跟老年人進行心理疏導。二是游戲娛樂場景，可以給老人開發(fā)認知小游戲，鍛煉他們的認知功能，也可以給他們放一些好看的電影。三是安全觀察場景，老年人摔倒是一個很大的風險，可以做一些監(jiān)護。四是未來當機器人可以做到自由運動，可以給老人做一些家務，給老人送藥。

從單體大模型到“智能體”

在采訪中，馬上消費金融人工智能研究院院長陸全表示，在過去兩年的金融大模型實踐過程中，第一個發(fā)現(xiàn)就是光靠單一、單體基礎大模型，或者說單體大模型不能適應產(chǎn)業(yè)界絕大多數(shù)應用，因此，馬上的天鏡從單體大模型，也逐漸變成了目前的“邏輯”與“記憶”分離的“智能體”。

陸全表示，所謂“智能體”，其背后包括了多個大模型和小模型，通過把這些模型組合在一起，多個模型之間互相協(xié)作，來完成一連串的復雜任務。

他表示，發(fā)現(xiàn)金融多個領(lǐng)域的應用都需要多智能體系統(tǒng)來處理，這是因為單體大模型能力相當有限，就像一個人不可能是文科狀元，還是理科狀元，還懂管理。而在智能體情況下，大模型就可以相互配合，把邏輯和數(shù)據(jù)分析分離，讓大模型做專業(yè)上最擅長的事情。

陸全稱，這意味著，智能體在某些價值鏈上天然就具備泛化能力，可以移植到類似場景，比如防偽，可能所有場景的要求是一致的。當智能體掌握了某個邏輯，且在業(yè)務形態(tài)比較接近的情況下，就會更具備泛化應用的能力。

從高成本到“輕量化”

蔣寧表示，在實踐中，對大模型的認知也在逐步深入。在天鏡大模型1.0時代，普遍認為需要建設一個高成本、參數(shù)巨大的大模型來訓練，才能讓模型能夠發(fā)揮效力。然而，當大模型應用從單場景向全價值鏈演進，就發(fā)現(xiàn)可能有些場景參數(shù)沒有那么大的時候，也可以保證在很短時間內(nèi)可以得出正確答案，而有些場景非常注重嚴密的邏輯，就可能需要更大的參數(shù)。因此，2.0版本的天鏡大模型正在向更輕量，更小型化發(fā)展，根據(jù)不同場景選擇能夠起效的最小參數(shù)，來實現(xiàn)對成本的有效地控制。

他還表示，此前，大模型創(chuàng)新成本比較貴，一張算力卡初始階段只能支持50個機器人和人的交互，而現(xiàn)在通過大模型各種調(diào)優(yōu)技術(shù)輕量化，一張同樣的卡可以支持10倍以上的交互。

陸全也表示，過去大家一直把更多的算力都關(guān)注在基礎大模型的訓練上，而現(xiàn)在，馬上消費金融的大模型絕大部分算力都消耗在推理上，其次才是消耗在持續(xù)訓練上。目前，一些基礎開源大模型發(fā)展得很快，金融垂類模型只需要在它的基礎上做微調(diào)就可以快速吃到紅利；另一方面，是發(fā)現(xiàn)在實際過程中，并沒有那么大的必要來做基礎模型的精益求精。

陸全表示，目前，公司的金融大模型天鏡在銷售上已經(jīng)為公司帶來了盈利，而且還在探索建立一套商業(yè)模式。目前，天鏡大模型正在通過“小步快跑”，不斷證明自身的盈利能力。