對話(huà)馬上消費蔣寧：大模型+小模型，組合式AI打通金融服務(wù)“最后一公里”

在數字化浪潮下，傳統金融機構正面臨變革，外部經(jīng)營(yíng)環(huán)境不確定性提升、內部成本壓力、客戶(hù)群體結構變遷等，都在倒逼著(zhù)金融業(yè)踏上破局之路。對于消費金融機構而言，通過(guò)數字科技服務(wù)有金融服務(wù)需求的社會(huì )各階層和群體，是其重要機遇之一。

但機遇面前，消費金融機構也面臨不小的挑戰：轉化效率低、投入產(chǎn)出比不高、建設周期長(cháng)、獲客成本高等都是當今時(shí)代消金機構面臨的痛點(diǎn)。

何解？科技是答案。面對小額、高頻、分散、海量的客服服務(wù)，唯有向技術(shù)要效率。

據了解，馬上消費成立8年以來(lái)，科技研發(fā)投入超33億元，公司建立了一套涵蓋云計算、大數據、人工智能、區塊鏈等多種前沿技術(shù)的數字化技術(shù)體系，實(shí)現了從數據采集、存儲、分析、應用到安全保障的全流程智能化管理。

通過(guò)技術(shù)賦能，馬上消費有效提升了金融服務(wù)的效益和質(zhì)量。公開(kāi)數據顯示，馬上消費基于大模型驅動(dòng)的金融智能客服，客服團隊效率提升10倍，用戶(hù)好評率提升23%；通過(guò)精細的資源管理優(yōu)化技術(shù)，云平臺CPU利用率提升到行業(yè)平均水平4倍，2022年節省IT硬件采購成本數千萬(wàn)元；營(yíng)銷(xiāo)素材AI自動(dòng)質(zhì)檢流程立項后，機器人“秒級”內容審核率已達80%。

并且，公司主動(dòng)融入國家與地方發(fā)展大局，踐行企業(yè)社會(huì )責任。以產(chǎn)業(yè)界通用的納稅額與用地面積、員工數的比值來(lái)看，2023年，馬上消費米均納稅達24萬(wàn)元/平方米，人均稅收貢獻66萬(wàn)元/人。

營(yíng)銷(xiāo)方面，馬上消費不斷淬煉數據、團隊組織能力以及技術(shù)能力等，通過(guò)自研平臺，打通用戶(hù)感知、圈選與轉化的鏈路，最終打造出不依賴(lài)于第三方流量、能夠自主獲客的數字化營(yíng)銷(xiāo)體系，從而擺脫了依靠大量投放換取增長(cháng)的路徑。

在風(fēng)控領(lǐng)域，馬上消費依托10萬(wàn)變量特征、2000多個(gè)風(fēng)控策略、決策及數據模型算法筑起全流程、體系化的風(fēng)險防火墻，防范金融風(fēng)險。

在技術(shù)的賦能下，馬上消費人工智能系統由傳統的機器學(xué)習躍遷到大規模特征計算和以大模型為代表的新一代AI應用體系。

今年8月，馬上消費正式發(fā)布全國首個(gè)零售金融大模型——“天鏡”大模型，先后入選省部級重大科技項，榮獲重慶市專(zhuān)利獎、申請發(fā)明專(zhuān)利100余項（其中國際PCT近10項），被收錄于中國人工智能系列白皮書(shū)《大模型技術(shù)（2023年）》。依托金融大模型相關(guān)技術(shù)，公司參編IEEE全球首個(gè)金融風(fēng)控大模型標準、《金融大模型智能服務(wù)平臺關(guān)鍵技術(shù)研發(fā)及應用》成功入選重慶市科技局2023年度技術(shù)創(chuàng )新與應用發(fā)展重大專(zhuān)項，《基于大模型驅動(dòng)的智能客服平臺》上榜工信部移動(dòng)互聯(lián)網(wǎng)應用服務(wù)能力提升優(yōu)秀案例名單、榮鷹中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟 (AIIA) 十大潛力應用案例，以新技術(shù)創(chuàng )新賦能產(chǎn)業(yè)變革，全方位推進(jìn)數字化轉型。

大模型作為“大腦”，基于認知推理的復雜任務(wù)拆解，精密規劃并調用相應工具和小模型，大模型+小模型，打通金融服務(wù)的“最后一公里”，在營(yíng)銷(xiāo)獲客、風(fēng)險審批、客戶(hù)服務(wù)等多個(gè)零售金融場(chǎng)景實(shí)現應用。記者專(zhuān)訪(fǎng)了馬上消費首席信息官蔣寧，一起聊一聊馬上消費成立以來(lái)不同發(fā)展階段的技術(shù)迭代，同時(shí)呈現科技創(chuàng )新給馬上消費帶來(lái)的發(fā)展成效。

關(guān)于馬上消費心理學(xué)研究與大模型、數據研究的結合，這種成熟的應用在國內很罕見(jiàn)，當時(shí)是怎么產(chǎn)生這種動(dòng)念的？

蔣寧：新時(shí)代發(fā)展強調在更廣范圍內滿(mǎn)足人們對美好生活的向往，對金融服務(wù)而言，質(zhì)效提升十分重要。當前零售金融面臨以下幾個(gè)問(wèn)題：一是效率低，對比企業(yè)貸款，零售貸款涉及到大量個(gè)人，且金額較小，需要處理大量個(gè)人相關(guān)信息；二是投入產(chǎn)出比低；三是建設周期較長(cháng)，比如零售金融頭部機構招商銀行在這個(gè)領(lǐng)域已積累長(cháng)達30多年。

為了改善這些問(wèn)題，信息化、平臺化、自動(dòng)化是解決方案。但這個(gè)過(guò)程始終需要人與人之間的互動(dòng)，因為純人工智能方法難以完全替代人的服務(wù)。提供溫暖人性化的服務(wù)非常重要，但人工智能技術(shù)還存在很多局限，和消費者期待的“智能”還有一定距離，很難實(shí)現基于心理、情緒的極致體驗。

為了保證服務(wù)質(zhì)量，必須賦予數字金融服務(wù)一定情感色彩。因此，我們就思考如何通過(guò)聲音語(yǔ)調、文字特點(diǎn)等方式讓智能客服具備情緒感知能力，從而提升效率。

為了實(shí)現這一目標，我們和西南大學(xué)教授碰撞。起初，他們對這個(gè)非常前沿的課題有所猶豫，但是看到我們必做的決心，且有客群、語(yǔ)言文字等大規模數據基礎，可行性較高。在雙方合作研發(fā)的努力下，在現有模型中引入了MBTI人格心理學(xué)的16種人格類(lèi)型分析研究，希望能夠更好地理解消費者的個(gè)性化需求，提供更加高效的服務(wù)。

你剛才談到“有溫度的服務(wù)”，如果我們從技術(shù)角度拆解來(lái)看，這個(gè)“溫度”是由什么來(lái)構成的？

蔣寧：我和心理學(xué)老師交流時(shí)發(fā)現，心理過(guò)程包括：接受信息、感受信息、處理信息。

感受信息有時(shí)候是根據直覺(jué)判斷，但有時(shí)候也可能基于邏輯判斷，更為理性。按照心理學(xué)的邏輯，這是因為信息有上下文，有input和output。

什么是input和output？即“一問(wèn)一答”。如果話(huà)與話(huà)之間存在明確的邏輯關(guān)系，那么這個(gè)客戶(hù)可能是基于理性判斷。舉個(gè)例子，如果客戶(hù)的選擇依據合同、講話(huà)有理有據，那么他可能比較理性；如果input和output之間沒(méi)有明顯的聯(lián)系，并且語(yǔ)言與語(yǔ)調有很多情緒變化，那就可以判斷這是感性的。

基于以上邏輯，我們可以利用大量的 input和output信息進(jìn)行對比測試。經(jīng)過(guò)百萬(wàn)組對話(huà)的訓練，并引入心理學(xué)MBTI十六種人格測試，取得了一些成果。盡管心理學(xué)不像自然科學(xué)，每個(gè)人都是動(dòng)態(tài)變化的，可能時(shí)而感性、時(shí)而理性，但至少可以以心理學(xué)理論為支撐，并結合最新的人工智能技術(shù)和大模型的語(yǔ)言解析能力，提供相對可靠的支撐。

個(gè)人認為這些實(shí)驗可能對心理學(xué)也是一種很大的促進(jìn)，尤其是數據的支撐，能驗證很多理論假設，這與之前的心理學(xué)實(shí)驗完全不一樣，這個(gè)事你是從什么時(shí)候開(kāi)始的？

蔣寧：大概從2019年開(kāi)始做，從最開(kāi)始沒(méi)有理論支撐，就在通過(guò)語(yǔ)言語(yǔ)調的變化等基礎工作來(lái)做情感識別。

目前心理學(xué)的情緒因子，在馬上消費整個(gè)風(fēng)控體系中占比多大？

蔣寧：心理學(xué)被用來(lái)解決運營(yíng)效率低的問(wèn)題，在金融運營(yíng)中包括貸前、貸中和貸后。在貸后階段，心理學(xué)的運用較為廣泛，因為貸款后客戶(hù)可能對交易規則、產(chǎn)品服務(wù)、還款規則等產(chǎn)生異議，這時(shí)候會(huì )有大量客戶(hù)來(lái)進(jìn)行溝通。而在貸前階段，心理學(xué)運用相對較少，因為貸款是一種相對剛性的需求，客戶(hù)的關(guān)注點(diǎn)主要在于獲取貸款，心理因素在此階段的影響相對較小。

目前，在公司風(fēng)控層面，聲音、文字、圖片等非結構化數據已經(jīng)得到廣泛應用。舉個(gè)例子，貸款后客戶(hù)通過(guò)電話(huà)進(jìn)行溝通時(shí)，他特別關(guān)注還款方式、逾期后是否影響個(gè)人的央行征信。這些信息對評估個(gè)人風(fēng)險是非常有幫助的，如果客戶(hù)特別關(guān)注違約是否會(huì )上央行征信，那說(shuō)明客戶(hù)很在乎個(gè)人信用，那么這個(gè)客戶(hù)的欺詐風(fēng)險較低。因此，對客戶(hù)的風(fēng)險評估就可能更需要關(guān)注的是額度和信用風(fēng)險。通過(guò)對客戶(hù)的聲音、文字進(jìn)行人工智能處理及心理學(xué)分析等，科技將人工智能最基本的技術(shù)轉化為對客戶(hù)的風(fēng)險評估，這也是研究人工智能的初衷。

能否請你把馬上消費成立8年以來(lái)技術(shù)迭代的進(jìn)程做一個(gè)全面的介紹？

蔣寧：技術(shù)的發(fā)展不是一蹴而就的，是不斷的積累和迭代。我將按照能力發(fā)展的視角分成四個(gè)階段：一是初創(chuàng )階段、二是創(chuàng )新階段、三是平臺化階段、四是生態(tài)化階段。

在初創(chuàng )階段的特點(diǎn)，就是要快速開(kāi)業(yè)，并且滿(mǎn)足監管合規的要求，具備基本的展業(yè)能力。半年后進(jìn)入第二階段——創(chuàng )新階段。

如果按照“矛盾的普遍性和特殊性”來(lái)講，第一階段就是矛盾的普遍性，第二階段是矛盾特殊性。在創(chuàng )新階段，基本上要把公司的系統全部進(jìn)行打造，實(shí)現自我掌控，但這個(gè)階段還不具備大規模的創(chuàng )新能力，包括團隊、數據、業(yè)務(wù)模式等都是局部創(chuàng )新。

第三階段主要是大規模創(chuàng )新平臺化，比如分布式系統、數據中臺、定量風(fēng)險管理、個(gè)性化體驗、自動(dòng)化流程、平臺化運營(yíng)等。這個(gè)階段主要是在2017-2020年，當時(shí)形成了上百個(gè)產(chǎn)品。整體而言是一個(gè)從集中走向分散，從共享走向專(zhuān)業(yè)的過(guò)程，實(shí)現了風(fēng)險的定量、個(gè)性化的服務(wù)體驗、自動(dòng)化的流程、智能化的運營(yíng)等關(guān)鍵性目標。

第四階段是走向生態(tài)前沿，成為一家科技驅動(dòng)的新型企業(yè)。在科技板塊，馬上消費以科技實(shí)力比肩科技公司為定位，與場(chǎng)景融合，包括消費場(chǎng)景、資金場(chǎng)景等，與銀行合作、第三方數據公司合作，成為一家生態(tài)化的企業(yè)，在確保安全可信合規的前提下，把我們的科技能力變成開(kāi)放性的能力。

傳統角度來(lái)看，利差模式是非常好的模式，為什么還要去探索科技能力？這是不是一個(gè)苦活兒？

蔣寧：科技自立自強是新時(shí)代企業(yè)發(fā)展實(shí)現高質(zhì)量發(fā)展、高水平安全的核心。這段時(shí)間，剛成立的國家數據局深入調研平臺企業(yè)，并將持續發(fā)布平臺企業(yè)典型投資案例。在數字經(jīng)濟時(shí)代，平臺模式是發(fā)揮“數據要素”潛能的重點(diǎn)方向。

以亞馬遜模式為例，它給我們帶來(lái)的啟示是通過(guò)業(yè)務(wù)鍛煉科技能力，從而拓展開(kāi)放性的能力并形成新的科技收入。因此，我們的思考就是如何在基礎業(yè)務(wù)模式上構建我們核心能力，以及如何將這些核心能力轉化為開(kāi)放性服務(wù)，賦能我們的生態(tài)合作伙伴。這些核心能力的背后就是科技能力的差異，因此我們必須加大科技能力的投入和建設，來(lái)支持我們在金融領(lǐng)域的長(cháng)期發(fā)展。

在金融機構的發(fā)展中，有兩條路徑可供選擇：一是靠股東不斷追加資本金才能擴大規模，二是靠自營(yíng)業(yè)務(wù)產(chǎn)生收益來(lái)補充資本。無(wú)論選擇哪一條路，都難以實(shí)現持續的增長(cháng)模式。

我們希望通過(guò)金融業(yè)務(wù)的數據、場(chǎng)景、算法、平臺形成核心能力。目前，我們的營(yíng)銷(xiāo)、風(fēng)控、貸后管理能力皆在向開(kāi)放性業(yè)務(wù)轉化，預計今年的收入來(lái)源比例分布更加穩健。

在此前的演講中，你談到“盡量不依靠第三方流量，要建立自主獲客的數字化營(yíng)銷(xiāo)體系”，請問(wèn)是怎么做到的？

蔣寧：國家發(fā)改委近期發(fā)布“數據要素×”行動(dòng)計劃，其中金融服務(wù)是重點(diǎn)支持的十二個(gè)行業(yè)方向之一。金融是發(fā)揮數據要素乘數效應的典型場(chǎng)景，其中最核心的板塊在營(yíng)銷(xiāo)和風(fēng)險管理上。

金融是典型的高價(jià)值低頻的業(yè)務(wù)，獲客成本非常高，且客戶(hù)易流失。在互聯(lián)網(wǎng)的浪潮下，隨著(zhù)線(xiàn)上化、移動(dòng)化程度的提高，互聯(lián)網(wǎng)的平臺擁有大量的生活場(chǎng)景和客戶(hù)，金融機構必須和這些互聯(lián)網(wǎng)平臺合作，往往付出昂貴的獲客成本。金融機構自建老百姓衣食住行的場(chǎng)景難度比較大，這樣，金融機構逐步變成了單純的風(fēng)險產(chǎn)品持有者，失去提升用戶(hù)體驗和忠誠度的機會(huì )，也缺乏對消費者的了解，很難研發(fā)出以用戶(hù)為中心的個(gè)性化的產(chǎn)品和服務(wù)。

早年，馬上消費也是和場(chǎng)景合作，相當于批發(fā)業(yè)務(wù)。雖然可以快速形成一定業(yè)務(wù)規模，但上游平臺獲取了大部分的利潤，導致我們的利潤比較薄，主要獲得的是團隊、數據以及公司組織能力等。

走過(guò)批發(fā)階段，我們開(kāi)始探索做自營(yíng)，打通客戶(hù)感知、客戶(hù)轉化、客戶(hù)運營(yíng)的完整鏈條。其中客戶(hù)感知最難，需要進(jìn)行廣告投放、品牌宣傳、APP的宣傳活動(dòng)等來(lái)觸達客戶(hù)，同時(shí)要與廣告平臺博弈，還存在快速漲規模但利潤不高等挑戰。此外，還可能存在廣告投放不準、難以轉化、轉化之后“一錘子買(mǎi)賣(mài)”等問(wèn)題。金融機構運營(yíng)的難點(diǎn)包括二次貸款、交叉營(yíng)銷(xiāo)，這既涉及組織的協(xié)作問(wèn)題，也涉及產(chǎn)品之間的割裂。

在轉化和運營(yíng)環(huán)節，我們需要利用智能化手段，包括人機協(xié)作、智能機器人等提高轉化效率，降低營(yíng)銷(xiāo)成本。經(jīng)過(guò)長(cháng)時(shí)間的摸索、打磨，馬上消費逐漸把“自營(yíng)”從一個(gè)既沒(méi)有規模又不賺錢(qián)的模塊，轉變?yōu)橄?span id="53vbbbv" class="keyword">賺錢(qián)再擴大規模的模式。目前，我們70%的客戶(hù)是自營(yíng)客戶(hù)。這是一個(gè)艱難的過(guò)程，必須經(jīng)歷批發(fā)階段，讓客戶(hù)意識到我們的價(jià)值，然后再把這個(gè)價(jià)值轉化為實(shí)際收益，持續進(jìn)行長(cháng)久的經(jīng)營(yíng)。

這也是很多行業(yè)特別頭疼的問(wèn)題，比如多年以前酒店行業(yè)就高喊“甩掉攜程”，多年過(guò)去后，真正能“甩掉攜程”的只有華住。

蔣寧：對，這是全行業(yè)的事情。比如金融行業(yè)里最理想的戰略模式就是金融超市，銀行就是一個(gè)典型的金融超市概念。

但很遺憾的是，當下銀行潛在的客群面臨威脅，主要是因為銀行的物理網(wǎng)點(diǎn)經(jīng)營(yíng)的都是老年人，年輕人很少去銀行。所以，對于當今的金融行業(yè)來(lái)講，把“線(xiàn)上能力”修煉好一定是條光明之路。要修煉好“線(xiàn)上能力”，渠道、營(yíng)銷(xiāo)能力是非常核心的競爭能力。

如何通過(guò)數據技術(shù)把營(yíng)銷(xiāo)、風(fēng)控等能力串在一起？

蔣寧：一是以用戶(hù)為中心的產(chǎn)品和服務(wù)體系，傳統金融機構不是以用戶(hù)為中心，而是以產(chǎn)品為中心；二是生態(tài)化的平臺能力；三是數據決策的技術(shù)，包括用戶(hù)的圈選、轉化；四是以人機協(xié)作、人工智能為核心的智能化及個(gè)性化的體驗工具。

以用戶(hù)為中心，對金融而言最重要的是風(fēng)險定量、價(jià)格個(gè)性化。例如，馬上消費根據風(fēng)險、時(shí)間等指標，實(shí)時(shí)動(dòng)態(tài)評估不同的額度、利率，這需要解決交易問(wèn)題、會(huì )計核算等問(wèn)題，對整個(gè)金融系統和架構平臺的挑戰非常大。我們目前有700多個(gè)產(chǎn)品，核心交易系統是基于用戶(hù)為中心的動(dòng)態(tài)定價(jià)系統。這也使得我們的產(chǎn)品能快速在各種場(chǎng)景上展開(kāi)合作，與資金、資產(chǎn)方進(jìn)行多方交易、多方核算。

在數據決策方面，主要涉及圈選、轉化。首先是在茫茫人海中找到我們的目標用戶(hù)，在不同生態(tài)平臺上，用戶(hù)特點(diǎn)差異較大，因此我們一直在分析用戶(hù)特點(diǎn)，深入洞察用戶(hù)，已實(shí)現基于用戶(hù)行為軌跡來(lái)分析，了解其特點(diǎn)。其次是精細化轉化，通過(guò)算法創(chuàng )新、數據平臺創(chuàng )新等實(shí)時(shí)動(dòng)態(tài)分析用戶(hù)的因果行為、實(shí)時(shí)行為，了解為什么用戶(hù)進(jìn)行轉化和購買(mǎi)，以及用戶(hù)行為背后的相關(guān)因素。這也涉及到全生命周期的數據決策能力，并且通過(guò)轉化結果的歸因來(lái)完成大量的分析和嘗試工作。

個(gè)性化體驗方面要求針對不同的客戶(hù)，APP展示不同的內容。比如，針對剛借款的客戶(hù)，展示的內容可能不是信貸產(chǎn)品，可能是騰訊視頻會(huì )員等合作方權益的推薦。這就需要啟動(dòng)人工智能，確保每一刻展示的都是基于客戶(hù)洞察的個(gè)性化內容。

你如何定義一次好的金融服務(wù)？

蔣寧：中央金融工作會(huì )議強調，新時(shí)代金融要推進(jìn)高質(zhì)量發(fā)展。馬上消費在提供金融服務(wù)上，尤其注重運用數字技術(shù)，提升金融服務(wù)的覆蓋性、可得性。

首先，好的風(fēng)控能力非常重要。信貸是上帝的禮物，讓人們能提前享受美好生活。但資金成本被少量不還錢(qián)的人推高了。如果風(fēng)控做得好，那就能讓更多的人以更低的成本享受到更好的金融服務(wù)。

在好的風(fēng)控基礎上，我們要提高普適性和對客戶(hù)類(lèi)型的包容性，提供更高的普惠性服務(wù)，以更好的價(jià)格提供個(gè)性化的產(chǎn)品。

馬上消費的營(yíng)銷(xiāo)端的確與很多金融機構不一樣，營(yíng)銷(xiāo)是向外的一個(gè)過(guò)程，風(fēng)控更多是基于已有的數據向內，公司的風(fēng)控與其他金融機構是相似的嗎？

蔣寧：不能說(shuō)差異很大，但思路不同。我們構建一個(gè)特征空間來(lái)描繪違約的變量特征，未來(lái)目標是要做到百萬(wàn)變量特征，實(shí)現風(fēng)險的更加精準、實(shí)時(shí)識別，進(jìn)而控制風(fēng)險，降低營(yíng)銷(xiāo)成本。

但百萬(wàn)特征面臨的挑戰較大，舉個(gè)例子，這些特征相當于廚師做菜時(shí)冰箱里的原材料，有中餐系列、西餐系列、辣的、咸的、保質(zhì)期長(cháng)或短、加工路徑很復雜等問(wèn)題，可能還會(huì )不斷變換。簡(jiǎn)言之，基于大規模特征做決策，需要構建工程化、體系化的支撐能力。

公司目前擁有2000多個(gè)小模型，為什么要做這樣的事情？

蔣寧：金融機構的獲客、風(fēng)控，要么依靠人，要么依靠智能化手段。我們必須在保質(zhì)保量的基礎上降低成本，因此選擇了科技驅動(dòng)的道路，強化人工智能技術(shù)的研發(fā)是必然的。

要走科技之路，就得比肩科技巨頭。

今年8月份，公司發(fā)布了“天鏡”大模型，2000多個(gè)小模型與“天鏡”大模型之間是什么關(guān)系？

蔣寧：一個(gè)通用大模型不能代表所有，在企業(yè)內部，有四類(lèi)大模型：私有化部署的通用大模型、知識大模型、工具大模型和決策型大模型。然而，大模型不能進(jìn)行持續優(yōu)化（optimazition），這對它來(lái)說(shuō)非常難。大模型不是傳統模型的替代品，但它的優(yōu)勢在于與人類(lèi)的交互能力更強。

舉個(gè)例子，營(yíng)銷(xiāo)模型中的質(zhì)檢模型，主要是未來(lái)解決安全合規的問(wèn)題，目前主要是基于傳統模型制定的。當大模型在對話(huà)溝通中，識別到“貸款”一詞后，它調用傳統模型，因為傳統模型中已經(jīng)設定相關(guān)規則。

此外，針對大模型的“幻覺(jué)”問(wèn)題，在金融領(lǐng)域需要進(jìn)行很多事實(shí)、合規、安全的確認，而這些工作是非?，嵥榈?，需要工程機制和傳統人工智能的結合才能有效解決合規安全問(wèn)題。這個(gè)過(guò)程需要使用很多小模型。

因此，幾千個(gè)小模型與大模型進(jìn)行合作，即大模型就像一個(gè)大腦，自動(dòng)萃取人工經(jīng)驗，進(jìn)行認知推理，拆解復雜任務(wù)，并規劃調用工具和小模型。簡(jiǎn)而言之，大模型可以通過(guò)語(yǔ)言等理解用戶(hù)的意圖，但需要傳統模型來(lái)執行具體任務(wù)。

“最后一公里”問(wèn)題類(lèi)似于光纖引入小區，大模型是無(wú)法解決這個(gè)問(wèn)題的。因此需要用小模型來(lái)解決。這也是我們未來(lái)的工作重點(diǎn)。

你之前演講中有提到可信AI大模型，你如何定義“可信”這個(gè)詞？

蔣寧：“可信”是一個(gè)很廣泛的概念。我個(gè)人認為，在任何情況下，能夠實(shí)現可預期可控的結果是最重要的。金融要實(shí)現高質(zhì)量發(fā)展，必須和安全動(dòng)態(tài)平衡、相得益彰，以高水平安全保障高質(zhì)量發(fā)展。因此，安全和可控是第一目標，只有達到了第一目標，才能實(shí)現其他目標。

要實(shí)現安全可信，需要從算力的穩定性保障、算法的魯棒性和安全性、數據有序性等各方面進(jìn)行工作。馬上消費對安全可信的實(shí)踐工作，不僅要保證金融服務(wù)的安全可信，還要保證服務(wù)系統的安全合規。

同時(shí)，我們也積極探索金融行業(yè)大模型全域標準規范建設，努力從構建基礎設施、金融全域數據規范、金融算法規范和金融應用規范等四個(gè)維度尋求突破，目前參與發(fā)布國內首個(gè)金融行業(yè)大模型標準、編寫(xiě)IEEE全球首個(gè)金融風(fēng)控大模型標準，與監管、協(xié)會(huì )、同業(yè)共同推進(jìn)行業(yè)可信生態(tài)建設。

免責聲明：市場(chǎng)有風(fēng)險，選擇需謹慎！此文僅供參考，不作買(mǎi)賣(mài)依據。

標簽：