马上消费蒋宁：金融大模型，进入数字化决策技术关键命题

36氪重庆获悉，大模型时代下，如何推动数字金融创新？11月3日，马上消费副总经理兼CTO蒋宁在香港金融科技周2023的主论坛演讲中，给出大规模数据决策与数字金融创新的关键战略。

蒋宁表示，“大模型时代下，必须要建立一个能实时决策，用算法代替人的先验经验决策的一个新型组织；构建一个可产生稳定结果，让人工智能按人的预期提供可靠金融服务的新架构；构建一个与合作伙伴产生群体智能的新体系。” 

马上消费副总经理兼CTO蒋宁

数据进入决策：金融大模型的关键命题

如何缝合大模型与金融间的距离？在蒋宁看来，关键是在数据、算法、算力和平台四个维度，推进金融机构的数据、知识到决策的全链路变革。

演讲中，蒋宁首先给听众抛出了4个问题：技术的迅速迭代的当下，如何感知消费者多样化的需求，得出精准的业务决策？如何管理几何级增长的数据，让数据形成数据资产，产生价值？机构如何保证可靠、稳定的算力？组织内如何构建一个能够实时决策的业务体系，推进自适应式、自动化的营销和风控？

这几项问题，是每一个寻求数字化转型的金融机构关注的重点，也是变革金融科技绕不开的命题。

蒋宁认为，具体而言，数据层面，要把客户稳定态的数据和高度稀疏特征的数据结合，将客户的行为特征变成可计算、可推理的数据资产；算法层面，需突破基于时间序列的因果关系推断，让大模型找到数据间的逻辑关系，支撑机构决策；计算层面，要构建新型的算力流程，能够在跨云、多云场景下提供稳定的算力；体系层面，要实现大规模仿真，并从中找到客户需求点和因果关系，进而取代先验的人工经验。

“我们要用数字化决策技术，构建一个崭新的零售金融平台。”蒋宁直言，要利用金融领域的新“武器”，基于大模型的智能化架构，构建先进AI驱动的模型决策系统。

在蒋宁看来，让大模型执行金融任务，要满足3个条件：一是在线持续学习，让模型实现实时推理预测，能基于用户行为做出快速的、最佳的个性化判断；二是要构建组合式AI平台，让大模型和传统的数千个普通模型有效组合，达成合作；三是满足安全合规这个最根本的要求，用对抗学习来解决模型的鲁棒性问题，以保证金融100%的安全、合规。

这些技术细节和解决方案的提出，都建立在马上消费深厚的科研积累和长时间的数字化实践之上。

今年8月，该公司发布全国首个零售金融大模型——“天镜”，并已在自动化营销、风控等实际业务场景应用近6个月。“今天，马上消费每天能基于用户1000万个行为做出个性化的营销和风险判断，每天做上亿次模型计算，每秒可以处理150万特征的计算。”蒋宁说，经由这些大规模数据处理能力，马上消费由传统的机器学习跃迁到大规模特征计算和大规模模型计算体系，并以此推动零售金融创新发展。

6大任务，升级金融大模型系统布局

蒋宁称，海量的数据资产、大规模数据决策、极致自动化业务流程，是支撑金融大模型的基础设施、探索支撑和落地到零售金融场景的能力。

具体而言，马上消费在8年里积累了1.8亿用户、100P数据、10万+变量、20万张用户数据表和超过2000个模型，在零售金融的六大风险场景构建了全方位的风险管理体系。这些多模态、高质量的数据，成了马上消费不断挖掘数字金融，将金融大模型做深做实的依托。

马上消费副总经理兼CTO蒋宁

为了能给同业系统布局金融大模型提供参考，蒋宁以马上消费的业务实践为例，指出大模型在金融领域落地应用的6项任务：一是让训练数据不受限，让数据更广泛，包括非结构化的数据、声音、视频等多模态数据；二是让训练更快速高效，找到成本更低、效果更好的训练的方法和模型蒸馏的技术；三是让知识掌握没有门槛；四是让群体智慧可汇聚集成；五是让金融风险全面控制；六是让监管合规变成原生。

这6个方向，包含通用大模型的理解和推理能力、模型组合能力，再到金融大模型所需要的创造能力和安全合规能力，能力要求层层递进。唯有如此，才能让金融大模型全方位覆盖机构的营销、获客、风控等各个环节，产生业务价值。

演讲中，他以马上消费真实的自动化营销流程为例，详细解析大模型可信安全核查的技术方案。蒋宁表示，未来，马上消费科技服务收入占比会不断增长，在“自营+开放平台+金融云”的战略定位下，将不断加强自主研发能力和科技驱动进程，与合作伙伴打造一个开放融合的新型的数字生态。