馬上消費大模型：“天鏡”正式亮相了。

馬上消費發布首個零售金融大模型“天鏡”

8月28日上午，在重慶舉行的“數智融合·渝見未來”金融大模型發展論壇上，馬上消費大模型“天鏡”正式發布。

作為全國首個零售金融大模型，“天鏡大模型”基于馬上消費的技術沉淀與研發積累，以及過去8年對金融行業的認知和理解，進一步推動AI技術在金融行業的應用以及AI科技賦能數字金融創新。

馬上消費大模型在零售金融領域的落地，也意味著大模型在金融垂類落地應用的進一步深入，并由此推動行業數智化創新發展，賦能實體經濟降本增效進入新的高質量發展階段。

“天鏡”大模型

拉開金融高質量發展的“新幕布”

馬上消費發布的金融大模型“天鏡”是生長在產業端的大模型。

馬上消費首席信息官蔣寧在金融大模型論壇上演講

馬上消費CTO蔣寧認為，未來對大模型探索的主要思路應該是，將生成式模型的泛化能力、遷移學習能力與判別模型進行有效結合，才能解決金融機構的實際問題。

馬上消費人工智能研究院院長陸全

“馬上消費的天鏡大模型從一開始研發，我們就專注于真正要幫金融企業，以及零售金融企業去落地，產生實際的價值。這是我們所有研發天鏡大模型的一個基礎。”馬上消費人工智能研究院院長陸全表示。

天鏡大模型結合了持續學習、組合式AI等能力，真正能夠將大模型技術落地到金融產業端，解決實際問題的能力更強。

一方面，橫向上要有領先的應用能力，搭建起金融大模型穩定、持續進化的基礎。另一方面，要真正能夠落地產業，縱向深入到場景。

天鏡大模型的發布，提出了“三橫三豎”戰略：

三橫是指在橫向能力上，數據領域實現智能、針對非結構性數據形成判別式風控模型的綜合能力、形成實時的人機協作；

三豎是指大模型能力縱深上達成組合式AI、強化學習機制、做到魯棒性技術。

“三橫三豎”戰略首先是解決數據的智能的問題。

大模型可將非結構化數據轉化為方便使用的知識，形成知識庫，解決數據端“最初一公里”的效率問題。并且能夠降低結構化數據的使用成本。

天鏡大模型通過大數據語料庫、高精度訓練集，實現數據智能，從而把大量非結構化的數據轉化為方便使用的知識庫，通過跨領域知識理解、歸納、推理、自動抽取的能力。

例如，解決招股書、財報等專業文檔中快速檢索、歸納、關聯各類數據的使用效率問題。

此外，數據智能能夠實現SQL生成，非技術人員可以完成SQL編寫，將結構化數據轉化為工具，幫助新入職的分析師熟悉業務數據，快速開展工作，進一步降低結構化數據的使用成本。

其次是智能交互能力。

大模型的多模態技術讓數字人能夠理解人、有情感、有溫度，更好地服務于人。比如智能簡歷的生產投遞、再比如，能夠實現實時生成的智能對話，這意味著金融行業有望能夠利用人工智能，為用戶提供高度定制化、以及個性化的產品和服務。

智能交互的應用，能夠進一步幫助金融機構提升個性化的服務能力，降低個性化服務成本。

最后是智能決策能力。

天鏡大模型可將復雜的業務決策轉化為可執行的業務能力。有金融領域積累的32億通真實用戶對話，加上金融領域資料萬億級的token做支撐，能夠實現實時人機決策。

借助組合式 AI 系統技術，大模型能夠把“生成式模型”和 “判別式模型”有效結合，保證金融行業所要求的知識的覆蓋度、專業性、合規性和正確性。

總體來看，結合了持續學習、模型控制、組合式AI的能力，能夠讓模型越用越聰明，“三縱三橫”戰略下，馬上消費大模型，核心在于打造零售金融大模型的產業落地能力。

“金融行業作為人工智能應用要求高、場景豐富，是大模型技術和算法突破的沃土。”中國工程院院士倪光南在論壇上表示，十分期待大模型應用在金融領域的探索和實踐。

如今大模型行業，由通用到垂直的路徑已經清晰，下個階段比的就是真正的產業化落地能力，在這一點上，馬上消費的落地，目標很明確，進一步推動大模型技術在行業的落地。

這背后，隱現的不僅是技術實力積累，也是一種長期主義價值觀。

大模型的發布，是馬上消費對技術長期投入的結果，累計投入科研費用逾 30億元，自主研發出1000多套系統，組建2100余人研發團隊，并且建設16個聯合創新實驗室，巨大的投入是技術實力的基礎。

長期投入下，馬上消費建立起算力、算法與數據三大支柱，對行業而言，以“天鏡”大模型為起點，馬上消費拉開金融高質量發展的“新幕布”。

金融領域，數據是重要的資產，也是重要的生產資料。而大模型就是挖掘這些數據生產資料的“金鋤頭”。

數智時代，金融領域高質量發展，本質上是數據資產的高質量發掘生產。大模型是工具，數據是原料，究竟能產生多少價值，還是看對行業的理解能力。馬上消費發布“天鏡”大模型，是從業務上“長”出來的，是戰略的自然延展，對行業理解自然也夠深。

接下來，隨著馬上消費大模型進一步落地，金融行業運營成本、運行效率，有望迎來一次新的迭代升級。

從入局到破局

硬實力+軟實力構建科技產業“護城河”

AI大模型不僅僅是意味著一次行業性的新升級，也意味著一次核心競爭力的重構。

過去的AI、智能化解決的是可不可用的問題，而人們希望看到的是大模型應用能夠解決好不好用的問題。

比如，當下AI客服在行業中的應用還有缺憾，用戶接到電話之后后容易就聽出來對方是AI還是真人，影響消費者的體驗，如果每個人接到電話就像真人打的，可以與客戶進行非常個性化的聊天，就可以大大提升傳統金融服務的效率。

“關于通用大模型，核心是生態，而不是參數，生態才讓這個模型越用越聰明，沒有生態，通用大模型是沒法在未來能夠越用越聰明。”馬上消費CTO蔣寧表示。：“ 未來階段，我們會給行業帶來的變化，第一個個性化的服務和極致用戶體驗、第二的，高效的價值傳遞效率、第三，安全合規的決策。”

要做到這些，并且讓大模型越用越聰明，就意味著不僅要“入局”，而且要做到“破局”。

如何破局？馬上消費的理解是：扎根產業，基于真實場景研發，能夠實打實的產生增量價值，最終完成“成本替代”。

落地行業增量價值有幾個維度，比如能不能增強金融業務決策的可信度，能不能深入的挖掘數據資產的價值，能不能真正的提高金融業務的決策效率。

這些增量價值如果能夠被挖掘出來，那么這樣的大模型很有可能會成為金融行業應用的殺手級產品。

要知道，除了ChatGPT之外，還沒有真正意義上的殺手級大模型應用的出現，甚至于ChatGPT本身放在垂直領域，也算不上“殺手級”的應用。要真正做的到這一點，并不容易。

金融行業最基礎的一環是可信，比如，怎樣做到大模型決策在任何情況下都足夠可信？馬上消費的思路是，用多模塊、算法組合，不斷研究對抗學習，從而保證突發、惡意的情況下，結果依然安全。

換句話來說，數據樣本要足夠多，算法能力要足夠強，才能夠深入現實業務場景，真正解決行業痛點。

據悉，在技術上，馬上消費大模型已經集合千億參數、上萬臺服務器，近千張GPU卡，50PB的文字、聲音、圖片、視頻等形式的數據，進一步實現算力、算法、數據以及場景的閉環，從而打造金融場景下自身的核心競爭力。

大模型在垂直領域落地的護城河越寬，說明背后的企業既有軟實力也有硬實力。

硬實力其實就是在數據、算法、以及算力這三大要素上的底層能力。

馬上金融已經構建起來的2000+個模型以及一整套完整的多模態的資產，正是大模型進一步落地金融垂類領域的有力支撐。此外，馬上消費在金融領域積累的32億通真實用戶對話，加上金融領域資料萬億級的token，在數據層面、技術層面，都有打造行業大模型的底座。

“基于這樣的近千億的數據量和組合模型（OutGPT技術），結合它的反饋機制進行強化學習，在不同場景下，把語音、聲紋，包括心理學這些模型融合在一起，這是我們的核心競爭能力。”蔣寧表示。

軟實力，則更多體現在對行業的理解力。

金融行業有自身的特殊性，比如隱私保護、安全可控，這都是需要更懂行的人來做金融大模型。這也是馬上消費的優勢。

智能決策的合規性和安全性方面，馬上消費大模型采用了組合式 AI 系統技術，把“生成式模型”和 “判別式模型”有效結合，這些底層能力上的創新，有力于進一步保障合規性和安全性。

專業的人做專業的事兒，在金融行業深耕多年之后，由馬上消費來落地這一行業大模型，其實更容易成功。

跳出金融行業來看，“天鏡”大模型，對于整個大模型賽道的應用落地都有促進意義。

事實上，馬上消費大模型發布影響可能更為深遠，不僅是金融領域，對于整個大模型的發展都有示范意義。

大模型的“賽點”是產業應用，但是產業應用究竟該如何去落地，各家有不同的解法，怎樣的解法才是“標準答案”其實并沒有定論。

馬上消費大模型，給大模型的產業應用打了樣，這對接下來的垂直領域的大模型落地，有更多的促進意義。

從這個角度來看，馬上消費大模型的發布，也意味著大模型正在深入邁向應用端。打響深度產業化的第一槍，接下來，大模型落地應用有了可以參考的范式，從而帶動各個領域的數智化高質量發展。

寫在最后：

大模型的風向正在發生新的變化。

ChatGPT的訪問量減少，但大模型在產業端的應用卻在加速。ChatGPT點燃了大模型的第一把火，而第二把火、第三把火則需要產業應用端來繼續接力。

經過了市場的風口之后，大模型終究還是要靠落地，換言之，垂直領域的機會一直都在。接下來金融領域會不會誕生首款“殺手級”的應用大模型，值得期待。