首個零售金融大模型落地，驅動金融業數字化進階_風聞

來源 | 鐳射財經（leishecaijing）

在通用大模型+產業大模型雙模型驅動下，產業數字化向高階智能邁進，為企業經營效率和生產力解放實現質的飛躍打開想象空間。作為數字科技深入滲透的金融業，也有望在大模型浪潮中尋到新的降本解法。

從當前金融業尤其是零售金融層面來看，合規底線之上的成本壓力顯著提升。高頻併發的個性化需求不斷抬升服務響應和體驗標準，客羣結構和經營策略調整需要更高效的風控模型，而精細化運營則重新定義了人效。

零售金融業所面臨的這些成本挑戰，非以往金融科技手段所能解決。在數字技術向金融領域滲透的這十年中，金融科技已經為金融業搭建起基礎的數據庫、算法庫和算力框架，完成了數字金融的初級階段。

當金融業務端對數字化的需求從問答轉向交互，從線上轉向智能，從複製轉向推理，金融科技便要在數字科技演進中迭代出更高階的技術形態。立足當前AI發展方向，大模型很可能是金融科技高階形態的代表之一。

就在互聯網行業百模大戰正酣的時候，金融業中的先發者也開始蓄勢，開闢金融細分場景下的產業大模型。8月28日，馬上消費在金融大模型發展論壇上發佈全國首個零售金融大模型——“天鏡”，打響大模型驅動金融業高質量發展第一槍。

儘管大模型在金融領域尚處摸索期，還存在諸多應用難題，但從先發者的落地效果看，大模型對數字金融變革的趨勢性意義凸顯。

金融大模型的想象力

置身於數字經濟發展浪潮中，數字技術對金融領域的滲透不斷深化，金融科技幾經迭代為金融業輸出智能客服、智能風控、數字中台等數字化解決方案，成為現代金融體系的關鍵底層支撐。

隨着數字技術繼續演進，金融科技逐漸步入高階智能形態，新興的大模型技術又能給金融業帶來多大想象力？或者説，金融大模型能為金融業帶來什麼樣的生產力變革？

從現階段金融機構對金融科技的迭代訴求來看，金融大模型的想象力主要在於降本增效。

根據中國互聯網金融協會與畢馬威聯合發佈的《2023中國金融科技企業首席洞察報告》，2023年國內金融科技行業未來發展信心指數為近三年最高，隨着行業競爭加劇，金融科技企業將在未來更加重視增強技術競爭力，通過技術降本增效成為行業共識。

在通過技術降本的路徑中，大模型及AIGC金融應用前景則成為行業關注點。九成以上受訪企業看好AIGC金融應用前景，兩成以上企業已有相關技術和產品佈局，七成以上企業認為AIGC可以優化業務創新、內容生產，並有望深度融入金融機構日常運營。

可見，AI大模型應用已成為金融科技企業的新機遇，依託大模型技術實現運營降本增效，贏得更大市場空間，構成金融大模型的終極想象力。

就眼下金融業運營現狀而言，成本壓力大幅增加，這些成本壓力正是金融大模型想象力的微觀基礎。首先，用户端面臨觸達、交互、轉化、服務、客訴等一整條用户體驗鏈條，零售金融場景下不同用户的需求多樣且複雜，為金融機構塑造極致服務體驗帶來挑戰。

其次，風控端欺詐風險、信用風險較高，綜合信用數據處理難度大，金融機構亟需更高效的智能風控模型組件，有效降低風控成本，提升風控效率，增加風險評估和風險預測的精度。

最後，運營端涉及部門多、業務量大、流程長、人力需求大，需要數字技術對運營流程再造，實現敏捷組織的轉型，最大化解放生產力，提升人效。

在對金融機構的實際調研中，金融機構對大模型的需求也主要體現在上述三個層面。其一為優化用户體驗，通過更自然、更流暢、更智慧的大模型應用，提升客户體驗和滿意度；其二協助風控，輔助金融機構分析數據、處理數據；其三信息檢索歸納總結自動生成報告，強化全員數字能力。

金融大模型想象力釋放，加速大模型在金融領域落地，為新一輪數字金融變革開闢空間。

天鏡大模型的答案

沿着金融科技演進軌跡，立足大模型需求方向，商業銀行、消費金融公司、金融科技企業等參與方紛紛着手佈局金融大模型，以求構建金融產業新增長引擎。

其中，馬上消費推出的國內首個零售金融大模型“天鏡”先局落地，率先揭開大模型推動金融產業生產力變革的序幕。在馬上消費首席信息官蔣寧看來，大模型在金融領域有廣泛的應用前景，推動構建用户個性化服務體驗，將有效提升金融領域營銷、運營等價值鏈效率，進一步拓展數據決策在風控領域的創新應用效果，助力金融行業數字化轉型產生實質性的飛躍。

公開資料顯示，目前天鏡大模型已涵蓋彙集智慧、喚醒知識、眾創價值、數字分身四大核心能力。

彙集智慧方面，主要是應用在人工客服場景，通過大模型提煉萃取一線優秀人工坐席客服經驗，匯聚成羣體智慧，從而擁有一對多服務客户的能力，也可作為人工坐席的輔助角色，幫助推薦、優化回答；喚醒沉睡知識主要解決提取、利用非結構化文檔中的數據資料的痛點；眾創數據價值主要是為了降低使用數據的門檻；數字人方面旨在打造“數字外表+智慧大腦+情感內心”三合一數字人，擅理解，有温度，懂心理的智能秘書，或不休不眠的智能“打工人”。

與通用大模型不同，天鏡大模型定位於金融產業大模型，基於金融真實業務場景，從金融業務需求出發解決產業降本痛點。據瞭解，馬上消費此前已經將大模型技術在智能營銷、智能客服等方面進行部署，並在實際運營中取得了不錯的效果。

數據顯示，經過近3個月的運行，天鏡大模型意圖理解準確率達91%，高於傳統AI的68%；客户參與率61%，高於傳統模型的43%，也高於人工坐席平均28%的水平。

另外，天鏡大模型數字分身通過上傳資料並定製一些參數，只需5分鐘的數據訓練，員工即可擁有自己的數字分身，代替員工完成大量工作。

馬上消費人工智能研究院院長陸全表示，天鏡大模型從一開始研發，就專注於真正幫金融企業去落地，去產生實際價值。

有別於其他行業，金融行業對技術創新更加重視合規專業、容錯率極低，因此，金融大模型的底座必須具備較強的安全性和穩定性。為了確保天鏡大模型安全可控，馬上消費建立了“三縱三橫”大模型底層能力。

三縱，是指實時人機協作、多模態智能、數據決策智能，在數據領域實現智能化，實現結構性數據判別式模型的綜合能力。三橫即是指持續學習、模型合規、組合式AI形成安全、合規、可信的技術能力，確保模型越用越聰明，同時更穩定、更安全可控。

蔣寧稱，“我們希望在任何情況下，它給客户的回答都是合規的，並且在任何不可預期的情況下它的結果是穩定的。”

在安全合規的基礎上，如何做到讓大模型更懂金融，更能有效滿足金融場景下的數字化轉型需求？答案有兩個，一個對金融業務場景的深度理解，一個是金融場景下的數據積累和技術沉澱。

在天鏡大模型背後，馬上消費作為頭部持牌消費金融機構，八年展業歷程積累了1.79億的用户，擁有超2000個模型，10萬+變量，近50PB的多模態、高質量的數據。通過對這些數據進行精調對齊訓練，同時再用推理加速技術實現模型可控，馬上消費成為既懂金融又懂技術的大模型參與者。

目前，金融大模型還面臨關鍵性任務和動態適應性、個性化要求和隱私保護、羣體智能與安全可信、基礎設施等難題，但天鏡大模型的問世能讓金融業更早看到併合力解決這些難題，進而為行業高質量發展注入新的數字動能。