马上消费大模型：“天镜”正式亮相了。

(资料图片仅供参考)

马上消费发布首个零售金融大模型“天镜”

8月28日上午，在重庆举行的“数智融合·渝见未来”金融大模型发展论坛上，马上消费大模型“天镜”正式发布。

作为全国首个零售金融大模型，“天镜大模型”基于马上消费的技术沉淀与研发积累，以及过去8年对金融行业的认知和理解，进一步推动AI技术在金融行业的应用以及AI科技赋能数字金融创新。

马上消费大模型在零售金融领域的落地，也意味着大模型在金融垂类落地应用的进一步深入，并由此推动行业数智化创新发展，赋能实体经济降本增效进入新的高质量发展阶段。

“天镜”大模型

拉开金融高质量发展的“新幕布”

马上消费发布的金融大模型“天镜”是生长在产业端的大模型。

马上消费首席信息官蒋宁在金融大模型论坛上演讲

马上消费CTO蒋宁认为，未来对大模型探索的主要思路应该是，将生成式模型的泛化能力、迁移学习能力与判别模型进行有效结合，才能解决金融机构的实际问题。

马上消费人工智能研究院院长陆全

“马上消费的天镜大模型从一开始研发，我们就专注于真正要帮金融企业，以及零售金融企业去落地，产生实际的价值。这是我们所有研发天镜大模型的一个基础。”马上消费人工智能研究院院长陆全表示。

天镜大模型结合了持续学习、组合式AI等能力，真正能够将大模型技术落地到金融产业端，解决实际问题的能力更强。

一方面，横向上要有领先的应用能力，搭建起金融大模型稳定、持续进化的基础。另一方面，要真正能够落地产业，纵向深入到场景。

天镜大模型的发布，提出了“三横三竖”战略：

三横是指在横向能力上，数据领域实现智能、针对非结构性数据形成判别式风控模型的综合能力、形成实时的人机协作；

三竖是指大模型能力纵深上达成组合式AI、强化学习机制、做到鲁棒性技术。

“三横三竖”战略首先是解决数据的智能的问题。

大模型可将非结构化数据转化为方便使用的知识，形成知识库，解决数据端“最初一公里”的效率问题。并且能够降低结构化数据的使用成本。

天镜大模型通过大数据语料库、高精度训练集，实现数据智能，从而把大量非结构化的数据转化为方便使用的知识库，通过跨领域知识理解、归纳、推理、自动抽取的能力。

例如，解决招股书、财报等专业文档中快速检索、归纳、关联各类数据的使用效率问题。

此外，数据智能能够实现SQL生成，非技术人员可以完成SQL编写，将结构化数据转化为工具，帮助新入职的分析师熟悉业务数据，快速开展工作，进一步降低结构化数据的使用成本。

其次是智能交互能力。

大模型的多模态技术让数字人能够理解人、有情感、有温度，更好地服务于人。比如智能简历的生产投递、再比如，能够实现实时生成的智能对话，这意味着金融行业有望能够利用人工智能，为用户提供高度定制化、以及个性化的产品和服务。

智能交互的应用，能够进一步帮助金融机构提升个性化的服务能力，降低个性化服务成本。

最后是智能决策能力。

天镜大模型可将复杂的业务决策转化为可执行的业务能力。有金融领域积累的32亿通真实用户对话，加上金融领域资料万亿级的token做支撑，能够实现实时人机决策。

借助组合式 AI 系统技术，大模型能够把“生成式模型”和 “判别式模型”有效结合，保证金融行业所要求的知识的覆盖度、专业性、合规性和正确性。

总体来看，结合了持续学习、模型控制、组合式AI的能力，能够让模型越用越聪明，“三纵三横”战略下，马上消费大模型，核心在于打造零售金融大模型的产业落地能力。

“金融行业作为人工智能应用要求高、场景丰富，是大模型技术和算法突破的沃土。”中国工程院院士倪光南在论坛上表示，十分期待大模型应用在金融领域的探索和实践。

如今大模型行业，由通用到垂直的路径已经清晰，下个阶段比的就是真正的产业化落地能力，在这一点上，马上消费的落地，目标很明确，进一步推动大模型技术在行业的落地。

这背后，隐现的不仅是技术实力积累，也是一种长期主义价值观。

大模型的发布，是马上消费对技术长期投入的结果，累计投入科研费用逾 30亿元，自主研发出1000多套系统，组建2100余人研发团队，并且建设16个联合创新实验室，巨大的投入是技术实力的基础。

长期投入下，马上消费建立起算力、算法与数据三大支柱，对行业而言，以“天镜”大模型为起点，马上消费拉开金融高质量发展的“新幕布”。

金融领域，数据是重要的资产，也是重要的生产资料。而大模型就是挖掘这些数据生产资料的“金锄头”。

数智时代，金融领域高质量发展，本质上是数据资产的高质量发掘生产。大模型是工具，数据是原料，究竟能产生多少价值，还是看对行业的理解能力。马上消费发布“天镜”大模型，是从业务上“长”出来的，是战略的自然延展，对行业理解自然也够深。

接下来，随着马上消费大模型进一步落地，金融行业运营成本、运行效率，有望迎来一次新的迭代升级。

从入局到破局

硬实力+软实力构建科技产业“护城河”

AI大模型不仅仅是意味着一次行业性的新升级，也意味着一次核心竞争力的重构。

过去的AI、智能化解决的是可不可用的问题，而人们希望看到的是大模型应用能够解决好不好用的问题。

比如，当下AI客服在行业中的应用还有缺憾，用户接到电话之后后容易就听出来对方是AI还是真人，影响消费者的体验，如果每个人接到电话就像真人打的，可以与客户进行非常个性化的聊天，就可以大大提升传统金融服务的效率。

“关于通用大模型，核心是生态，而不是参数，生态才让这个模型越用越聪明，没有生态，通用大模型是没法在未来能够越用越聪明。”马上消费CTO蒋宁表示。：“ 未来阶段，我们会给行业带来的变化，第一个个性化的服务和极致用户体验、第二的，高效的价值传递效率、第三，安全合规的决策。”

要做到这些，并且让大模型越用越聪明，就意味着不仅要“入局”，而且要做到“破局”。

如何破局？马上消费的理解是：扎根产业，基于真实场景研发，能够实打实的产生增量价值，最终完成“成本替代”。

落地行业增量价值有几个维度，比如能不能增强金融业务决策的可信度，能不能深入的挖掘数据资产的价值，能不能真正的提高金融业务的决策效率。

这些增量价值如果能够被挖掘出来，那么这样的大模型很有可能会成为金融行业应用的杀手级产品。

要知道，除了ChatGPT之外，还没有真正意义上的杀手级大模型应用的出现，甚至于ChatGPT本身放在垂直领域，也算不上“杀手级”的应用。要真正做的到这一点，并不容易。

金融行业最基础的一环是可信，比如，怎样做到大模型决策在任何情况下都足够可信？马上消费的思路是，用多模块、算法组合，不断研究对抗学习，从而保证突发、恶意的情况下，结果依然安全。

换句话来说，数据样本要足够多，算法能力要足够强，才能够深入现实业务场景，真正解决行业痛点。

据悉，在技术上，马上消费大模型已经集合千亿参数、上万台服务器，近千张GPU卡，50PB的文字、声音、图片、视频等形式的数据，进一步实现算力、算法、数据以及场景的闭环，从而打造金融场景下自身的核心竞争力。

大模型在垂直领域落地的护城河越宽，说明背后的企业既有软实力也有硬实力。

硬实力其实就是在数据、算法、以及算力这三大要素上的底层能力。

马上金融已经构建起来的2000+个模型以及一整套完整的多模态的资产，正是大模型进一步落地金融垂类领域的有力支撑。此外，马上消费在金融领域积累的32亿通真实用户对话，加上金融领域资料万亿级的token，在数据层面、技术层面，都有打造行业大模型的底座。

“基于这样的近千亿的数据量和组合模型（OutGPT技术），结合它的反馈机制进行强化学习，在不同场景下，把语音、声纹，包括心理学这些模型融合在一起，这是我们的核心竞争能力。”蒋宁表示。

软实力，则更多体现在对行业的理解力。

金融行业有自身的特殊性，比如隐私保护、安全可控，这都是需要更懂行的人来做金融大模型。这也是马上消费的优势。

智能决策的合规性和安全性方面，马上消费大模型采用了组合式 AI 系统技术，把“生成式模型”和 “判别式模型”有效结合，这些底层能力上的创新，有力于进一步保障合规性和安全性。

专业的人做专业的事儿，在金融行业深耕多年之后，由马上消费来落地这一行业大模型，其实更容易成功。

跳出金融行业来看，“天镜”大模型，对于整个大模型赛道的应用落地都有促进意义。

事实上，马上消费大模型发布影响可能更为深远，不仅是金融领域，对于整个大模型的发展都有示范意义。

大模型的“赛点”是产业应用，但是产业应用究竟该如何去落地，各家有不同的解法，怎样的解法才是“标准答案”其实并没有定论。

马上消费大模型，给大模型的产业应用打了样，这对接下来的垂直领域的大模型落地，有更多的促进意义。

从这个角度来看，马上消费大模型的发布，也意味着大模型正在深入迈向应用端。打响深度产业化的第一枪，接下来，大模型落地应用有了可以参考的范式，从而带动各个领域的数智化高质量发展。

写在最后：

大模型的风向正在发生新的变化。

ChatGPT的访问量减少，但大模型在产业端的应用却在加速。ChatGPT点燃了大模型的第一把火，而第二把火、第三把火则需要产业应用端来继续接力。

经过了市场的风口之后，大模型终究还是要靠落地，换言之，垂直领域的机会一直都在。接下来金融领域会不会诞生首款“杀手级”的应用大模型，值得期待。