马上消费蒋宁谈金融大模型：不确定性和高成本是企业最大担忧，实现商业化仍需较长时间

财联社11月29日讯（记者 郭子硕）2022年ChatGPT 惊艳亮相，在全球范围内引发了强烈的反响。此后不到两年时间里，大模型项目已在各界蓬勃兴起。

对金融行业而言，大模型目前处于何种发展阶段？存在哪些具体瓶颈？行业何时进入盈利阶段？在 2024 数字产业生态伙伴大会举办期间，马上消费常务副总经理蒋宁以及马上消费 AI 研究院院长陆全接受了财联社记者的采访，并就上述疑问给出了解答。

不确定性和高成本令企业搭建大模型担忧踏空

财联社记者了解到，马上消费金融股份有限公司（下称马上消费）在2023年8月推出全国首个零售金融领域的“天镜大模型”，覆盖营销获客、风险审批、客户运营等8个零售金融典型的应用场景。11月28日，在数字产业生态伙伴大会上，马上消费宣布“天镜”升级至2.0版本。

不过尽管在实践上走在行业前列，从行业整体层面来看，金融大模型的发展仍处于探索与完善的进程之中。

陆全指出，当前国内大模型发展主要分为两种，像百度的文心一言这类基座模型，这类大模型难以直接应用在对准确性要求颇高的场景中。可以简单理解为，通用机器人无法直接用于生产线。而在金融领域，另一种是金融大模型，其将通用能力加上特定场景，尤其是金融场景对准确性的结合，打造出适合金融场景的机器人，解决应用适配难题。

蒋宁介绍，虽然每家公司都在发布自己的大模型，但缺乏基于用户体验的统一且客观的评价标准。企业要想获得客观的评价标准，需要获得真实的用户体验。而准确的用户体验，需要庞大的参数以及大量的芯片支持，成本较高。不仅如此，由于搭建大模型存在诸多不确定性，企业在搭建金融大模型的过程中也有踏空的担忧，担心高昂成本“打水漂”。

在技术应用拓展方面，金融大模型往往由多个大小模型相互协作，完成复杂任务，也就是所谓的 “智能体” 模式。在此模式下，部分模型具备一定泛化的可能性，可在不同金融机构的业务形态相近的场景间实现移植应用。不过，更广泛的泛化能力，要求金融大模型攻克关键技术点，比如“逻辑与记忆分离”。唯有实现技术突破，才能有效降低金融机构的重复研发成本，进而推动金融大模型在整个行业内实现更为广泛的应用与推广。

实现普遍盈利仍需较长时间

金融大模型究竟何时能够步入可持续盈利的阶段呢？目前，业内的看法是仍存在诸多不确定性。

蒋宁认为，鉴于当前行业标准缺失、技术仍处于探索阶段等复杂情况，金融大模型要达到一个较为成熟的商业化阶段，实现普遍盈利，还需要较长时间。不过，尽管目前行业处于不同探索阶段，面临诸多挑战。但随着大模型技术本身不断发展，届时，有望出现一到两款被大众公认能力较强的金融大模型。当这些模型在能力标准、内在原理以及知识存储等方面清晰明了，且被广泛应用时，这些标准在市场化力量的有力推动下有望形成公认的行业标准。同时，整个行业的金融大模型使用成本将进一步降低。

陆全认为，企业在发展大模型时，不必拘泥于传统先进行大规模投入，等待较长时间后再谋求盈利的模式，而是可以采用小步快跑的策略，持续证明自身价值，推动发展大模型进一步优化。