下半年“大模型”的風持續(xù)吹來！在近期的外灘大會、騰訊全球數(shù)字生態(tài)大會上，“生成式AI、大模型”再次成為“頂流”話題。大模型今年在國內(nèi)遍地開花，包括螞蟻、度小滿、馬上消費等金融科技公司和金融機構都在積極布局和研發(fā)金融大模型。
　　馬上消費作為持牌消金機構，率先試水大模型，在前不久推出全國首個零售金融大模型“天鏡”。馬上消費人工智能研究院陸全關于通用大模型和垂直大模型的本質(zhì)區(qū)別表示，天鏡正是瞄準了產(chǎn)業(yè)應用，基于馬上消費在零售金融的實際業(yè)務場景產(chǎn)生的真實需求，而研發(fā)的相關應用。在被企業(yè)認可后，產(chǎn)生了大模型真正的應用價值。依此來說，天鏡植根于場景，落地于場景，更像是金融行業(yè)的場景大模型。
　　這一點正是業(yè)內(nèi)熱議探索的方向，通用大模型如何在金融領域落地和應用持續(xù)深入？
　　通用大模型和垂直大模型PK，多家消金機構探索“馬上經(jīng)驗”
　　大模型在經(jīng)歷了大半年的探索，學界、產(chǎn)業(yè)界的專家形成了共識，大模型會帶來顛覆性的變化，對整個金融體系的影響將是長期的。
　　但對專業(yè)能力和邏輯嚴謹、精準性要求嚴格的金融行業(yè)，業(yè)內(nèi)在討論擁抱大模型的同時幾乎都提到了落地金融行業(yè)面對的諸多挑戰(zhàn)。
　　當前大模型都是百萬、千萬、上億的訓練參數(shù)，難免會有一些雜質(zhì)數(shù)據(jù)摻進去。陸全表示，數(shù)據(jù)本身質(zhì)量參差不齊存在一定風險，大模型受限于這些數(shù)據(jù)，會因不能分辨真假，無法確定自身生產(chǎn)的內(nèi)容，會帶來事實性偏差“幻覺”。此外，金融大模型還無法解決一些關鍵數(shù)據(jù)的反向數(shù)據(jù)泄露防護問題，無法做到真正的開源，行業(yè)數(shù)據(jù)沒有形成真正意義上的競合，這也是一大挑戰(zhàn)。
　　當前的大模型很難做到每一份決策都穩(wěn)定、精確，再加上行業(yè)合規(guī)方面的挑戰(zhàn)，導致大模型的應用在金融行業(yè)知易行難。
　　目前，只有工商銀行基于昇騰AI的金融行業(yè)通用模型、馬上消費的“天鏡”等寥寥幾家機構涉獵，更多的金融機構則處于謹慎觀望狀態(tài)。
　　業(yè)內(nèi)人士表示，從行業(yè)應用路徑來看，科技巨頭提供通用大模型，或者技術能力強的金融科技公司提供金融行業(yè)大模型，具體的金融機構基于這個行業(yè)底層模型，用自己的業(yè)務數(shù)據(jù)去做私域訓練，然后做私有化的部署和應用。
　　但業(yè)界傾向認同：通用的大模型往往只能解決80%的問題，而在面向金融行業(yè)細分領域時，還需要結合信貸傳統(tǒng)模型在深度學習領域的積累。
　　通用大模型在金融行業(yè)寬廣有余，縱深不足。對此，陸全表示，相比通用類金融大模型，天鏡更具專業(yè)和場景優(yōu)勢，通用大模型想進一步滲透到風控等金融核心業(yè)務，還需要在垂直領域精調(diào)。
　　“天鏡的價值并不在于可以直接把模型照搬給其他金融機構，而是因馬上消費提供出一套基于機構自身業(yè)務研發(fā)大模型的經(jīng)驗和落地的內(nèi)生解決方案，可以幫助其他機構落地大模型并產(chǎn)生價值”。陸全還透露道，在天鏡大模型發(fā)布后，已有多家消費金融公司了解和學習天鏡的研發(fā)過程和相關落地應用產(chǎn)品，如智能客服助手、數(shù)據(jù)分析助手等。
　　天鏡大模型四大核心領域，9月底上線智能客服助手
　　正如百度創(chuàng)始人、董事長兼首席執(zhí)行官李彥宏近期所言，“卷大模型沒有意義，卷應用機會更大”。大模型最終要落地場景。
　　大模型和場景融合是一個不斷演進、探索的過程。螞蟻集團副總裁徐鵬認為，大模型的應用生態(tài)還不夠繁榮，應用場景也還沒有那么豐富。
　　目前天鏡大模型在匯集智慧、喚醒知識、眾創(chuàng)價值、數(shù)字分身四大核心領域已經(jīng)成功落地相應的場景產(chǎn)品，包括在營銷獲客、風險審批，客戶運營、客戶服務、安全合規(guī)、資產(chǎn)管理這六個零售金融最典型的場景，以模型和數(shù)據(jù)驅(qū)動業(yè)務，解決行業(yè)痛點問題。
　　匯集智慧，主要應用在人工客服場景。通過大模型提煉萃取一線優(yōu)秀人工坐席客服經(jīng)驗，匯聚成群體智慧，從而擁有一對多服務客戶的能力，也可作為人工坐席的輔助角色。據(jù)了解，經(jīng)過近3個月的運行，其意圖理解準確率達91%，高于傳統(tǒng)AI的68%；客戶參與率61%，高于傳統(tǒng)模型的43%，也高于人工坐席平均28%的水平。
　　喚醒知識，主要為解決提取、利用非結構化文檔中的數(shù)據(jù)資料的痛點。例如，將企業(yè)招股書、財報、經(jīng)濟預測數(shù)據(jù)等文件上傳后，天鏡大模型可深入解析金融領域?qū)I(yè)術語，同時查詢定位多個不同文檔，洞悉金融圖表隱含的信息并進行歸納和總結。
　　眾創(chuàng)價值，是為了降低使用數(shù)據(jù)的門檻。天鏡大模型SQL生成平臺不再需要代碼等專業(yè)指令，使用者可直接向AI說“大白話”，天鏡即可自動理解需求、展開檢索、生成答復，按照人的意思去完成數(shù)據(jù)挖掘的任務。
　　數(shù)字分身，旨在打造“數(shù)字外表+智慧大腦+情感內(nèi)心”三合一的數(shù)字人，擅理解、有溫度、懂心理的智能秘書，或不休不眠的智能“打工人”。通過上傳資料并定制一些參數(shù)，只需5分鐘的數(shù)據(jù)訓練，員工即可擁有自己的數(shù)字分身，代替員工完成大量工作。
　　陸全強調(diào)，天鏡大模型從一開始研發(fā)，就專注于真正幫金融企業(yè)去落地，去產(chǎn)生實際價值。
　　陸全還透露道，9月底還將正式上線基于天鏡大模型的人工客服智能助手，實時響應用戶的問題和需求，優(yōu)化客戶體驗。
　　作為首家自研大模型的消費金融機構，馬上消費讓大模型從理想照進現(xiàn)實，是大模型技術向金融領域深入滲透的標志性事件，代表了持牌金融機構在科技創(chuàng)新方面的新高度。