首个零售金融大模型落地，驱动金融业数字化进阶_风闻

来源 | 镭射财经（leishecaijing）

在通用大模型+产业大模型双模型驱动下，产业数字化向高阶智能迈进，为企业经营效率和生产力解放实现质的飞跃打开想象空间。作为数字科技深入渗透的金融业，也有望在大模型浪潮中寻到新的降本解法。

从当前金融业尤其是零售金融层面来看，合规底线之上的成本压力显著提升。高频并发的个性化需求不断抬升服务响应和体验标准，客群结构和经营策略调整需要更高效的风控模型，而精细化运营则重新定义了人效。

零售金融业所面临的这些成本挑战，非以往金融科技手段所能解决。在数字技术向金融领域渗透的这十年中，金融科技已经为金融业搭建起基础的数据库、算法库和算力框架，完成了数字金融的初级阶段。

当金融业务端对数字化的需求从问答转向交互，从线上转向智能，从复制转向推理，金融科技便要在数字科技演进中迭代出更高阶的技术形态。立足当前AI发展方向，大模型很可能是金融科技高阶形态的代表之一。

就在互联网行业百模大战正酣的时候，金融业中的先发者也开始蓄势，开辟金融细分场景下的产业大模型。8月28日，马上消费在金融大模型发展论坛上发布全国首个零售金融大模型——“天镜”，打响大模型驱动金融业高质量发展第一枪。

尽管大模型在金融领域尚处摸索期，还存在诸多应用难题，但从先发者的落地效果看，大模型对数字金融变革的趋势性意义凸显。

金融大模型的想象力

置身于数字经济发展浪潮中，数字技术对金融领域的渗透不断深化，金融科技几经迭代为金融业输出智能客服、智能风控、数字中台等数字化解决方案，成为现代金融体系的关键底层支撑。

随着数字技术继续演进，金融科技逐渐步入高阶智能形态，新兴的大模型技术又能给金融业带来多大想象力？或者说，金融大模型能为金融业带来什么样的生产力变革？

从现阶段金融机构对金融科技的迭代诉求来看，金融大模型的想象力主要在于降本增效。

根据中国互联网金融协会与毕马威联合发布的《2023中国金融科技企业首席洞察报告》，2023年国内金融科技行业未来发展信心指数为近三年最高，随着行业竞争加剧，金融科技企业将在未来更加重视增强技术竞争力，通过技术降本增效成为行业共识。

在通过技术降本的路径中，大模型及AIGC金融应用前景则成为行业关注点。九成以上受访企业看好AIGC金融应用前景，两成以上企业已有相关技术和产品布局，七成以上企业认为AIGC可以优化业务创新、内容生产，并有望深度融入金融机构日常运营。

可见，AI大模型应用已成为金融科技企业的新机遇，依托大模型技术实现运营降本增效，赢得更大市场空间，构成金融大模型的终极想象力。

就眼下金融业运营现状而言，成本压力大幅增加，这些成本压力正是金融大模型想象力的微观基础。首先，用户端面临触达、交互、转化、服务、客诉等一整条用户体验链条，零售金融场景下不同用户的需求多样且复杂，为金融机构塑造极致服务体验带来挑战。

其次，风控端欺诈风险、信用风险较高，综合信用数据处理难度大，金融机构亟需更高效的智能风控模型组件，有效降低风控成本，提升风控效率，增加风险评估和风险预测的精度。

最后，运营端涉及部门多、业务量大、流程长、人力需求大，需要数字技术对运营流程再造，实现敏捷组织的转型，最大化解放生产力，提升人效。

在对金融机构的实际调研中，金融机构对大模型的需求也主要体现在上述三个层面。其一为优化用户体验，通过更自然、更流畅、更智慧的大模型应用，提升客户体验和满意度；其二协助风控，辅助金融机构分析数据、处理数据；其三信息检索归纳总结自动生成报告，强化全员数字能力。

金融大模型想象力释放，加速大模型在金融领域落地，为新一轮数字金融变革开辟空间。

天镜大模型的答案

沿着金融科技演进轨迹，立足大模型需求方向，商业银行、消费金融公司、金融科技企业等参与方纷纷着手布局金融大模型，以求构建金融产业新增长引擎。

其中，马上消费推出的国内首个零售金融大模型“天镜”先局落地，率先揭开大模型推动金融产业生产力变革的序幕。在马上消费首席信息官蒋宁看来，大模型在金融领域有广泛的应用前景，推动构建用户个性化服务体验，将有效提升金融领域营销、运营等价值链效率，进一步拓展数据决策在风控领域的创新应用效果，助力金融行业数字化转型产生实质性的飞跃。

公开资料显示，目前天镜大模型已涵盖汇集智慧、唤醒知识、众创价值、数字分身四大核心能力。

汇集智慧方面，主要是应用在人工客服场景，通过大模型提炼萃取一线优秀人工坐席客服经验，汇聚成群体智慧，从而拥有一对多服务客户的能力，也可作为人工坐席的辅助角色，帮助推荐、优化回答；唤醒沉睡知识主要解决提取、利用非结构化文档中的数据资料的痛点；众创数据价值主要是为了降低使用数据的门槛；数字人方面旨在打造“数字外表+智慧大脑+情感内心”三合一数字人，擅理解，有温度，懂心理的智能秘书，或不休不眠的智能“打工人”。

与通用大模型不同，天镜大模型定位于金融产业大模型，基于金融真实业务场景，从金融业务需求出发解决产业降本痛点。据了解，马上消费此前已经将大模型技术在智能营销、智能客服等方面进行部署，并在实际运营中取得了不错的效果。

数据显示，经过近3个月的运行，天镜大模型意图理解准确率达91%，高于传统AI的68%；客户参与率61%，高于传统模型的43%，也高于人工坐席平均28%的水平。

另外，天镜大模型数字分身通过上传资料并定制一些参数，只需5分钟的数据训练，员工即可拥有自己的数字分身，代替员工完成大量工作。

马上消费人工智能研究院院长陆全表示，天镜大模型从一开始研发，就专注于真正帮金融企业去落地，去产生实际价值。

有别于其他行业，金融行业对技术创新更加重视合规专业、容错率极低，因此，金融大模型的底座必须具备较强的安全性和稳定性。为了确保天镜大模型安全可控，马上消费建立了“三纵三横”大模型底层能力。

三纵，是指实时人机协作、多模态智能、数据决策智能，在数据领域实现智能化，实现结构性数据判别式模型的综合能力。三横即是指持续学习、模型合规、组合式AI形成安全、合规、可信的技术能力，确保模型越用越聪明，同时更稳定、更安全可控。

蒋宁称，“我们希望在任何情况下，它给客户的回答都是合规的，并且在任何不可预期的情况下它的结果是稳定的。”

在安全合规的基础上，如何做到让大模型更懂金融，更能有效满足金融场景下的数字化转型需求？答案有两个，一个对金融业务场景的深度理解，一个是金融场景下的数据积累和技术沉淀。

在天镜大模型背后，马上消费作为头部持牌消费金融机构，八年展业历程积累了1.79亿的用户，拥有超2000个模型，10万+变量，近50PB的多模态、高质量的数据。通过对这些数据进行精调对齐训练，同时再用推理加速技术实现模型可控，马上消费成为既懂金融又懂技术的大模型参与者。

目前，金融大模型还面临关键性任务和动态适应性、个性化要求和隐私保护、群体智能与安全可信、基础设施等难题，但天镜大模型的问世能让金融业更早看到并合力解决这些难题，进而为行业高质量发展注入新的数字动能。