（大公文匯網記者 李望賢）大模型時代下，如何推動數字金融創新？「必須要建立一個能實時決策，用算法代替人的先驗經驗決策的一個新型組織；構建一個可產生穩定結果，讓人工智能按人的預期提供可靠金融服務的新架構；構建一個與合作夥伴產生群體智能的新體系。」 馬上消費副總經理兼CTO蔣寧在香港金融科技周2023的主論壇演講中，給出大規模數據決策與數字金融創新的關鍵戰略。

香港金融科技周是亞洲最大、最具影響力的金融科技活動之一，旨在推動全球金融科技創新，推動金融服務與更多領域的發展。今年，活動以「金融科技新定義」為主題，匯集了來自世界各地的頂尖行業領袖、監管機構代表、投資者和創業者，就人工智能、Web3和綠色金融等業界重要議題展開討論，熱議金融科技領域的最新趨勢和創新成果。

數據進入決策：金融大模型的關鍵命題

如何縫合大模型與金融間的距離？在蔣寧看來，關鍵是在數據、算法、算力和平台四個維度，推進金融機構的數據、知識到決策的全鏈路變革。「我們要用數字化決策技術，構建一個嶄新的零售金融平台。」蔣寧直言，要利用金融領域的新「武器」，基於大模型的智能化架構，構建先進AI驅動的模型決策系統。

在蔣寧看來，讓大模型執行金融任務，要滿足3個條件：一是在線持續學習，讓模型實現實時推理預測，能基於用戶行為做出快速的、最佳的個性化判斷；二是要構建組合式AI平台，讓大模型和傳統的數千個普通模型有效組合，達成合作；三是滿足安全合規這個最根本的要求，用對抗學習來解決模型的魯棒性問題，以保證金融100%的安全、合規。

這些技術細節和解決方案的提出，都建立在馬上消費深厚的科研積累和長時間的數字化實踐之上。

今年8月，該公司發布全國首個零售金融大模型——「天鏡」，並已在自動化營銷、風控等實際業務場景應用近6個月。「今天，馬上消費每天能基於用戶1000萬個行為做出個性化的營銷和風險判斷，每天做上億次模型計算，每秒可以處理150萬特徵的計算」，蔣寧說，經由這些大規模數據處理能力，馬上消費由傳統的機器學習躍遷到大規模特徵計算和大規模模型計算體系，並以此推動零售金融創新發展。

6大任務，升級金融大模型系統布局

蔣寧稱，海量的數據資產、大規模數據決策、極致自動化業務流程，是支撐金融大模型的基礎設施、探索支撐和落地到零售金融場景的能力。

具體而言，馬上消費在8年裏積累了1.8億用戶、100P數據、10萬+變量、20萬張用戶數據表和超過2000個模型，在零售金融的六大風險場景構建了全方位的風險管理體系。這些多模態、高質量的數據，成了馬上消費不斷挖掘數字金融，將金融大模型做深做實的依託。

「擁抱大模型，金融機構將在產品和服務個性化、價值鏈效率、決策科學性方面迎來更大的發展空間。」11月2日，蔣寧在香港金融科技周「人工智能新紀元：探路金融大模型」圓桌論壇上，與香港特別行政區政府投資推廣署財經金融及金融科技主管梁瀚璟、平安壹賬通銀行執行董事兼行政總裁費軼明等共同探討金融大模型的產業應用。蔣寧認為，要改進數據的組織方式，形成數據資產，進入決策，產生智能，讓AI在實時人機協作、持續學習、多模態維度促進變革與發展。