大模型时代下，如何推动数字金融创新？“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。”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。香港金融科技周是亚洲最大、最具影响力的金融科技活动之一，是香港金融科技界的旗舰盛事。该活动由香港财经事务及库务局与投资推广署主办，并由香港金融管理局、保险业监管局及证券及期货事务监察委员会联合筹办，旨在推动全球金融科技创新，推动金融服务与更多领域的发展。今年，活动以“金融科技新定义”为主题，汇集了来自世界各地的顶尖行业领袖、监管机构代表、投资者和创业者，就人工智能、Web3和绿色金融等业界重要议题展开讨论，热议金融科技领域的最新趋势和创新成果。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。演讲伊始，作为深深扎根业务一线的技术专家，蒋宁首先给听众抛出了4个问题：在技术迅速迭代的当下，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。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。线上事件营销需要预测用户意图，识别个性化行为，大模型要经过反复的对抗学习训练，找到测试提示、内容安全判别、生成回答的最佳方案，在保证金融大模型创造能力的同时，满足安全合规的需求。同时，机构也要关注事前合规，着重控制内容生成，解析监管文件，实时检测判断，并在经营中对员工开展合规培训考试，自动生成风险报告，把合规安全贯穿在业务体系的全流程。“拥抱大模型，金融机构将在产品和服务个性化、价值链效率、决策科学性方面迎来更大的发展空间。”11月2日，蒋宁在香港金融科技周“人工智能新纪元：探路金融大模型”圆桌论坛上，与香港特别行政区政府投资推广署财经金融及金融科技主管梁瀚璟、平安壹账通银行执行董事兼行政总裁费轶明、万向区块链首席经济学家邹传伟、第一财经总编辑杨宇东共同探讨金融大模型的产业应用。蒋宁认为，要改进数据的组织方式，形成数据资产，进入决策，产生智能，让AI在实时人机协作、持续学习、多模态维度促进变革与发展。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。推广
@@=value.title$$
@@=value.author$$
@@~$$
公众号新浪科技新浪科技为你带来最新鲜的科技资讯苹果汇苹果汇为你带来最新鲜的苹果产品新闻新浪众测新酷产品第一时间免费试玩新浪探索提供最新的科学家新闻，精彩的震撼图片}

在金融领域跑出“马上速度”的马上消费再度走在了行业前列。记者获悉，8月28日，在金融大模型发展论坛暨马上消费金融大模型发布会上，马上消费重磅发布了全国首个零售金融大模型——“天镜”。所谓“天镜”寓意大模型是人类智慧的镜像，推动金融机构高质量发展。马上消费重磅发布了全国首个零售金融大模型——“天镜”放眼全球，以大模型为代表的人工智能突飞猛进，日益融入经济社会发展各领域，正成为推动科技跨越发展、产业优化升级、生产力整体跃升的重要驱动力量。巧合的是，8月28日当天，OpenAI亦推出ChatGPT企业版（ChatGPT Enterprise），增加了一些功能和隐私保护措施，目的是吸引更多企业客户并增加收入。中国工程院院士倪光南在8月28日的会上表示，“金融行业作为人工智能应用要求高、场景丰富，是大模型技术和算法突破的沃土。今天发布金融大模型，体现了你们在这方面的技术积累，我也十分期待你们在未来推动大模型应用在金融领域的探索和实践，从而带动和加速金融数字化和智能化的发展。”此外，本次论坛还云集了谭建荣、孙茂松和杨新民多位院士及100多家金融机构，携手马上消费，共同探讨金融大模型的未来。多位院士点赞马上消费“天镜大模型”可以预见，随着以马上消费为代表的金融科技“领头羊”持续拓展虚实共生，一个可信开放的数字融合体时代正式宣告来临。“天镜”大模型直击行业痛点据马上消费人工智能研究院院长陆全在当天的会上介绍，截至目前，马上消费覆盖了所有零售金融行业最典型的六个场景，并且这六个场景都实现了业务的模型驱动、数据驱动，这也是马上消费能够做金融领域大模型的一个先决条件。“马上消费的天镜大模型从一开始研发，我们就专注于真正要帮金融企业，以及零售金融企业去落地，产生实际的价值。”归根结底，大模型要真正解决企业尤其是零售金融企业的核心痛点问题。对金融企业而言，最常见、价值含量最高的数据莫过于结构化的数据，尤其是数据库的数据。但是，其“瓶颈”在于，往往缺少合适的数据分析师从中挖掘，限制企业对于数据的运用价值。针对这一痛点，天镜大模型可以扩展数据分析师的能力，就像众创数据价值，降低了使用数据的门槛。天镜大模型SQL生成平台不再需要代码等专业指令，可直接向AI 说大白话，天镜自动理解需求、展开检索、生成答复，按照人的意思去完成数据挖掘的任务。具体来看，在天镜智慧的SQL生成的平台上，用户可以输出问题，即他想要得到的数据分析的问题，天镜大模型会先生成一段结构化的查询语言，平台会根据查询的语言以及用户的输入进行解释，为什么会形成这样的SQL语言，用户点一个执行之后就会得一个执行结果，执行结果也会有一个注释和解释。当前，天镜每日线上SQL生成数量650多次，线上SQL生成可执行比例53.4%，SPIDER标准数据集EX得分75.2，线上使用者满意反馈比例82.3%，表现领先行业。针对企业数据价值的引爆和发动，陆全希望打造的“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”。他希望能让每个员工都能轻松拥有自己的数字分身，上传自己的资料并定制一些参数后，只需5分钟的训练数据就可以生成“另一个我”，随时可以被唤起，成为人人都拥有的超级助手，代替员工完成大量工作。至于在汇集智慧和唤醒知识这两方面，前者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。据悉，该模型已运行近3个月，意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于传统模型43%的参与率，也高于人工坐席平均28%的水平。后者主要是高效解决了提取、利用非结构化文档中的数据资料的痛点。例如，将企业招股书、财报、经济预测数据等文件上传后，天镜大模型可以深入解析金融领域专业术语、同时查询定位多个不同文档、洞悉金融图表隐含的信息和强大归纳总结能力。不过，不同于其他大模型的是，“打比方说，好比打篮球。之前很多大模型的发布，其实更多的有点像一个接球选手，他在炫它的技术，但是这些技术不一定能够真正的帮球队赢得总冠军，赢得最后的胜利。”陆全称。“天镜大模型旨在帮助金融企业一道拓展数据解释能力，并且持续在天镜大模型的技术落地探索上去做进一步更深更好的工作。后续，大模型主要将在数字人外表和AI心理学内心以及加强天镜大模型的大脑上进行深入研发，真正为金融企业创造价值，能够让金融企业赢得每个赛道的赛程冠军。”“三纵三横”大模型技术起底此外，在当天的“天镜”大模型发布会上，马上消费首席信息官蒋宁还透露，马上消费已形成“三纵三横”的大模型发展技术布局，并领航构建可信、合规、多模态、适配全域、泛化的金融大模型技术能力体系，聚焦行业领先的基础语言特性能力、逻辑和推理能力、语义理解、生成与创作、金融领域能力、安全与合规能力等六大核心领域，进一步推动金融数字化转型产生实质性的飞跃。所谓“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、可信的鲁棒性技术能力，确保让模型越用越聪明，同时更稳定、更安全可控。比如多模态智能，通过把语音、文字、视频能够自动生成个性化营销服务和运营的各种各样的数据、语料，既能做到合规、安全，适应各种各样的场景。也就是说，语音、声音、视频能够结合大模型，构建新型的服务于金融机构的合规安全可控的多模态平台。在应对AI风险方面，全国政协委员、国际系统与控制科学院院士、重庆国家应用数学中心主任杨新民院士表示，随着大模型的开放开源，深度合成技术的非法使用存在加速积聚的风险。他特别提到了“马上消费率先在金融领域进行原创性探索”，包括加强深度防伪验证系统，包括人脸识别及生物特征识别验证系统的活体检测、Deepfake伪造检测、对抗攻击与防御、深度学习可解释性等。蒋宁强调，与普通大模型相比，金融大模型存在四大关键问题有待解决。其中，可控、安全，关键任务加动态适应性，是需要解决的第一个关键问题。比如说自动驾驶，它的很多工作，刹车、提速、转弯、看灯，外界环境都在变化，对象车在变化，所以绝对不能出错，而且1%出了错，它都会造成生命财产的损失。因此，在工业界就要让它从99%做到100%的安全，这就是金融大模型和传统大模型最大的区别，聚焦新兴的技术如何做到100%决策安全。以马上消费风控为例，截至目前，马上消费积累了超1.7亿的用户，超2000个模型，10万+变量，近50PB的多模态、高质量的数据等，通过在这些自身数据上做模型精调对齐训练，同时再用推理加速技术实现模型可控。蒋宁表示：“我们希望在任何情况下，它给客户的回答，给所有的员工的回答是合规的，并且在任何不可预期的情况下它的结果是稳定的，这来源于马上今天几千个模型，上万个变量形成的模型。”第二个是个性化要求和隐私保护。金融行业一直希望通过人工智能来实现极致的用户体验，特别是个性化的体验，但这需要个人隐私数据与大模型技术相融合，未来需要探讨如何把个性化的需求和隐私工作做得更好。第三个挑战是群体智能与安全可控。大模型的训练机制决定其需要大量数据来构建增强学习、强化学习的网络，让多方共同打造一个平台，基于这一平台持续贡献数据与反馈，从而让AI实现技能的进化。但目前出于数据安全考量，行业内跨组织、跨机构的数据共享机制仍然需要持续性的探索。第四个挑战是对大数据和基础设施的能力挑战。未来摩尔时代大模型技术的应用需要高速增长的数据能力，对金融机构网络、服务器、芯片、底层架构等等都提出了全新的要求，这也是未来需要突破的。构建可信的金融大模型生态值得关注的是，当天，中国信通院、重庆国家应用数学中心和马上消费牵头发起，阿里云、百行征信、火山引擎、中关村科金、毕马威、复旦大学金融科技研究院、朴道征信、腾讯云、中国科学院自动化研究所等联合倡议发起了“金融大模型可信安全验证与联合创新行动计划”。在蒋宁看来，通用大模型的核心是生态，而不是参数，生态才让这个模型越用越聪明，没有生态，通用大模型是没法在未来能够越用越聪明。“通用大模型几个关键部分，基于算力、数据、基础理论、场景运用、创新生态链的能力构建平台，我们希望在金融大模型领域构建核心，天镜正是基于以上五个领域的积累而推出的金融大模型。”蒋宁透露。“此前，虽然中国也有大模型，很遗憾没有形成生态，没有形成生态的模型它很难形成群体智慧。群体智能解决什么，做好各方的数据权益，让各方的数据成为正的反馈，有效利用这些数据，共建行业模型，这是工业界正在思考的群体智能的一种方式。”蒋宁直言。“可信安全，在竞合的前提下，明确数据哪些是共享的以及哪些不是共享的，共享我们的权益能够做到安全可靠，这也是很重要的原因。”蒋宁认为，从技术层面来看，构建可信的金融大模型有赖于以下三点，第一，持续学习的强化学习。简单来讲，我们必须要设计越用越聪明的机器，过往的模型从来没有实现过越用越聪明，需要大量的标注，有多少人工就有多少智能。未来要改变，在用户使用过程中就完全的标注，在用户标注过程中，让这个模型越来越聪明。第二，鲁棒性决策，金融领域需要百分之百合规、安全，不可能一点点差错，不然就会对交易造成重大伤害。“所以利用鲁棒性决策，如何能够抗击有伤害，有恶意意图的攻击。抗噪声、抗突发情况，我们称为鲁棒性决策，我们希望有新的技术，保证今天的金融大模型在任何场景下能够可信、安全，稳定的输出的结果。”蒋宁如是说。第三，组件式AI，这是比较重要的理念，金融大模型虽然是生成式模型，相当于一个刚刚毕业的大学生，有丰富的知识，他会用眼睛看东西，用手操作，用耳朵听故事，达到目标，这个目标要百分之百的准确。“我们希望把眼睛、耳朵、手这些模型跟大模型的大脑有效结合，倡导叫组合式AI的能力。也就是说，可以用大模型的适应能力，用机器视觉的辨别能力，用语言的理解能力，用声音的读取感知能力，构建一些新兴的金融大模型体系。”蒋宁表示。蒋宁预计，相信未来金融大模型的运用会越来越广泛。无疑，可信的金融大模型生态也将对金融行业带来重大影响和变革。一是个性化的服务和极致用户体验。能够动态的了解竞争对手的定价权，动态生成消费者交流的话术，动态的在最佳时机给消费者能够提供组合服务的变化。二是高效的价值传递效率。届时，金融大模型在能效、风控、运营都会大幅度的提升效率。三是安全合规的决策，金融机构是天然数据密集的机构，把大模型用到整个业务当中。“基于马上消费金融大模型、行业应用以及生态化能力的集聚机制，我们希望伴随着天镜大模型的发布，有朝一日能够让数据安全合规的变成决策。未来，在垂直大模型领域能成为行业第一，同时让整个模型更加合规安全。”蒋宁放言。}

　　编审
赵金龙　　历经了上半年激烈而又多元的大模型论战之后，下半年的焦点终于到了“落地”层面。　　通用大模型仍在含苞待放，垂直领域的专业大模型开始崭露头角。在金融领域，投研决策、数据分析、智能交互、场景联通、风控全流程强化等业务方向涌现出多个大模型，各类金融机构与科技公司大显身手，一同推动了金融大模型的快速落地。　　近日，马上消费金融股份有限公司（以下简称“马上消费”）发布了其零售金融大模型——“天镜”，马上消费首席信息官蒋宁对该大模型表达了这样的期望：“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。”　　这是零售金融领域首个大模型，它面向金融大模型的可信与安全两大核心难题。马上消费踌躇满志，在金融领域跑出“马上速度”，底气何在？　　01　　拆解天镜：如何做好金融大模型？　　金融大模型要走向实用层面，必须完全满足金融领域的特性。　　安全是一切金融业务的发展核心。金融领域对数据精度与安全、风险控制、信息实时性要求较高，通用大模型在落地金融行业时，会面临数据准确性、金融常识、业务理解程度等层面的问题。　　在这一特性的限制下，懂金融又懂科技的金融机构与长期服务于金融机构的科技公司，在金融大模型的发展与竞争中具备一定的经验优势，也将成为推动金融大模型向前的主力军。　　同时，金融行业从业者对金融大模型的期待也极高。根据毕马威发布的《2023中国金融科技企业首席洞察报告》，九成以上金融科技企业看好生成式人工智能（AIGC）金融应用前景。金融业是典型的创新驱动型和数据、技术密集型行业，在ChatGPT引爆AIGC技术应用和金融机构数字化转型逐渐深化的当下，金融业有望成为AIGC落地的“试验田”和“前沿阵地”。　　在金融领域，大模型已成为兵家必争之地。据不完全统计，当前金融领域各类大模型已超过20个。　　要推动金融大模型的发展，其核心痛点是如何在数据融合应用和安全保护间取得平衡。　　围绕这一痛点，马上消费“天镜”大模型提供了四点思路。第一是要真正解决企业尤其是零售金融企业的核心痛点问题；第二是要基于团队合作的精神，让大模型和已有的系统与模型融合，成为功能更强、解决问题更多的大模型；第三，在与业务结合的过程中要做到安全合规；第四，要主动适应现有的系统。　　基于这种设计思路，蒋宁介绍，“天镜”大模型问世后，仍面向人工智能的四个关键难题。　　第一，关键性任务与动态适应性。一言以蔽之，大模型要在特定任务中，基于海量模型与分析能力，不管外界环境怎么变化，始终能保持决策准确性。　　第二，个性化要求和隐私保护。金融行业需要为用户提供个性化服务，这样的服务在使用个人数据时会涉及个人隐私数据保护问题。　　第三，群体智能与安全可控。蒋宁认为，美国大模型保持领先的其中一个因素在于已经形成了完整生态，而中国暂时没有形成完整生态，很难形成群体智慧。一面要积累群体数据，最终形成正向反馈，共建行业模型；另一面也要基于可信安全，对数据是否可共享做出明确区分，保证共享数据的安全可靠。　　第四，基础设施的能力挑战。金融大模型需要的运算架构不一样，要不断优化底层基础设施，以适应垂直领域、金融领域大模型的发展。　　蒋宁提及三个思考方向：一是大模型的持续学习能力，实现越用越聪明；二是强化鲁棒性决策，实现金融领域要求的100%合规与安全，保证金融大模型在任何场景下能够实现可信、安全、稳定的输出结果；三是组件式AI，要将金融大模型的自适应能力、机器分辨能力、语言理解能力、声音感知能力进行整合，构建新兴的金融大模型体系。　　蒋宁介绍，未来要用大模型将金融业务流全部优化，提供个性化资讯生成、营销助手、坐席辅助、智能质检、知识引擎等全方位服务，跑出金融领域的“马上速度”。　　02　　金融大模型需要结构化数据能力　　要实现金融大模型的可信与安全，数据准确性是核心。　　欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松认为，通用大模型的落地是一大挑战，需要痛苦、艰苦的智力劳动才能达到预期的效果，但在数据层面并不敏感，比如ChatGPT经常在数据上犯错。金融领域的数据都是结构化的知识图谱，怎么把结构化的数据应用到金融领域来，是构建金融大模型的主要挑战。　　马上消费人工智能研究院院长陆全表示，结构化数据是金融领域内含金量最高，也是最为常见的数据，它的处理非常依赖于数据分析师的挖掘，这种依赖也会限制相关企业对结构化数据的运用价值，这是非常可惜的。　　天镜大模型的“出生”正是着力于引爆企业数据潜能，从而帮助企业打捞数据富矿。陆全介绍了“天镜”大模型在汇集智慧、唤醒知识、众创价值、数字分身的四大核心领域的探索。　　汇集智慧主要集中在人工客服场景，天镜大模型依托积累的大量绩优客服真实通话数据，汇聚成群体智慧，拥有一对多客户服务的能力，也可作为人工坐席的辅助角色，帮助推荐、优化回答、提高效率。在智能客服方面，天镜意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于人工坐席平均28%的水平。　　唤醒沉睡知识是天镜大模型处理结构化数据中隐藏的非结构性数据的能力。例如，将企业招股书、财报、经济预测数据等结构化数据上传至“天镜”大模型后，后者可以深入解析金融领域专业术语、同时查询定位多个不同文档、洞悉金融图表隐含的信息和强大归纳总结能力，充分释放数据价值。　　众创数据价值降低了结构化数据的使用门槛，天镜大模型SQL生成平台不再需要代码等指令，可直接向AI 用大白话输入问题，它自动理解需求，展开检索、生成答复。当前，每日线上SQL生成数量650多次，线上SQL生成可执行比例75%，SPIDER标准数据集EX得分75.2，线上使用者满意反馈比例82.3%。　　数字人方面则是打造员工的“智能秘书”。每个员工上传一些参数可生成“数字员工”，稍加训练便可代替员工完成大量工作。　　依托四大核心领域，“天镜”大模型对零售金融领域带来的意义非凡。　　用户服务层面，零售金融具有开放、智能和下沉三个主要特征，人工客服场景与数字人场景的相关功能大幅提升了金融机构对零售用户交互层面的深度与广度，以此满足不同圈层、不同区域、不同社会属性的用户需求。　　员工层面，该大模型在可信、安全的前提下降低了员工使用门槛，又提供了更为强大的信息提取与总结归纳能力，增强了员工效率，降低了人力成本，尽可能地规避了“有多少人工，才有多少智能”的问题，为金融领域的大模型应用提供了全新的发展方向。　　蒋宁认为，“天镜”大模型同时也将对整个金融行业产生影响，包括个性化的服务和极致用户体验、高效的价值传递效率、提供安全合规的决策。　　03　　创造“大模型生态”　　大模型“群体智能”特性的存在，使得越早投入市场应用，越能在未来的竞争中占据功能完善、智能交互上的先机。　　“天镜”大模型发布会上，蒋宁表达了希冀：希望未来在垂直大模型领域成为行业第一，依托纯线上数字化营销、运营、客服、贷后等行业应用，找到关键的合作伙伴，为整个人工智能生态提供补充，以此让大模型变得更加合规安全。　　为了实现这一目标，马上消费提出“三纵三横”战略。三纵是数据智能、多模态大模型、实时人机决策三个纵向场景做深做透；三横是通过持续学习技术、模型合规、组合式 AI 系统技术形成安全、合规、可信的鲁棒性决策能力。　　实现“完善人工智能生态”的两条路径，是马上消费一面利用“天镜”大模型的实际应用，获得更多用户交互、智能业务层面的宝贵经验，进行敏捷迭代与模型进化。另一面则将大模型转变为同业科技输出解决方案的一部分，提升自身定制化能力，也为更多中尾部机构提供利于发展的大模型“底座”，成为数字化转型过程中的有力推进器。　　这种C端内部用户与B端伙伴的齐头并进，也是大模型赋予金融领域的强大能力，更是金融领域依托科技能力向“专精特新”发展的有效路径。}