馬上消費蔣寧談金融大模型：不確定性和高成本是企業最大擔憂，實現商業化仍需較長時間

財聯社11月29日訊（記者 郭子碩）2022年ChatGPT 驚豔亮相，在全球範圍內引發了強烈的反響。此後不到兩年時間裡，大模型項目已在各界蓬勃興起。

對金融行業而言，大模型目前處於何種發展階段？存在哪些具體瓶頸？行業何時進入盈利階段？在 2024 數字產業生態夥伴大會舉辦期間，馬上消費常務副總經理蔣寧以及馬上消費 AI 研究院院長陸全接受了財聯社記者的採訪，並就上述疑問給出瞭解答。

不確定性和高成本令企業搭建大模型擔憂踏空

財聯社記者瞭解到，馬上消費金融股份有限公司（下稱馬上消費）在2023年8月推出全國首個零售金融領域的“天鏡大模型”，覆蓋營銷獲客、風險審批、客戶運營等8個零售金融典型的應用場景。11月28日，在數字產業生態夥伴大會上，馬上消費宣佈“天鏡”升級至2.0版本。

不過儘管在實踐上走在行業前列，從行業整體層面來看，金融大模型的發展仍處於探索與完善的進程之中。

陸全指出，當前國內大模型發展主要分爲兩種，像百度的文心一言這類基座模型，這類大模型難以直接應用在對準確性要求頗高的場景中。可以簡單理解爲，通用機器人無法直接用於生產線。而在金融領域，另一種是金融大模型，其將通用能力加上特定場景，尤其是金融場景對準確性的結合，打造出適合金融場景的機器人，解決應用適配難題。

蔣寧介紹，雖然每家公司都在發佈自己的大模型，但缺乏基於用戶體驗的統一且客觀的評價標準。企業要想獲得客觀的評價標準，需要獲得真實的用戶體驗。而準確的用戶體驗，需要龐大的參數以及大量的芯片支持，成本較高。不僅如此，由於搭建大模型存在諸多不確定性，企業在搭建金融大模型的過程中也有踏空的擔憂，擔心高昂成本“打水漂”。

在技術應用拓展方面，金融大模型往往由多個大小模型相互協作，完成複雜任務，也就是所謂的 “智能體” 模式。在此模式下，部分模型具備一定泛化的可能性，可在不同金融機構的業務形態相近的場景間實現移植應用。不過，更廣泛的泛化能力，要求金融大模型攻克關鍵技術點，比如“邏輯與記憶分離”。唯有實現技術突破，纔能有效降低金融機構的重複研發成本，進而推動金融大模型在整個行業內實現更爲廣泛的應用與推廣。

實現普遍盈利仍需較長時間

金融大模型究竟何時能夠步入可持續盈利的階段呢？目前，業內的看法是仍存在諸多不確定性。

蔣寧認爲，鑑於當前行業標準缺失、技術仍處於探索階段等複雜情況，金融大模型要達到一個較爲成熟的商業化階段，實現普遍盈利，還需要較長時間。不過，儘管目前行業處於不同探索階段，面臨諸多挑戰。但隨着大模型技術本身不斷髮展，屆時，有望出現一到兩款被大衆公認能力較強的金融大模型。當這些模型在能力標準、內在原理以及知識存儲等方面清晰明瞭，且被廣泛應用時，這些標準在市場化力量的有力推動下有望形成公認的行業標準。同時，整個行業的金融大模型使用成本將進一步降低。

陸全認爲，企業在發展大模型時，不必拘泥於傳統先進行大規模投入，等待較長時間後再謀求盈利的模式，而是可以採用小步快跑的策略，持續證明自身價值，推動發展大模型進一步優化。