在各家大廠競逐大模型的步伐中，近日才發布相關產品的螞蟻集團無疑趕了個“晚集”。

9月8日，在上海舉辦的外灘大會上，螞蟻集團正式發布金融大模型以及基于金融大模型能力的兩款產品：C端智能金融助理“支小寶2.0”與B端智能業務助手“支小助”，從基礎大模型走向產業大模型與產業應用。

而此時全國已有超過130家公司發布自己的大模型，百度“文心一言”、商湯科技“商量SenseChat”、騰訊“混元大模型”、華為“盤古大模型”等等都已通過國家網信辦深度合成服務算法備案。

一直以來，擁有雄厚資金投入與數據基礎的金融行業，被公認為大模型落地應用的前沿領域。然而，通用大模型的泛化能力似乎又與金融場景對“絕對精準”與“絕對安全”的要求背道而馳。

對于螞蟻而言，AI大模型意味著什么？當螞蟻集團參戰開“卷”，為何選擇垂直大模型產品？大模型在金融行業的產業化落地應用還有多遠？

“AI是一個科技戰略問題”

“無論對金融行業，還是對螞蟻自身，AI都是一個科技戰略問題?！?/p>

螞蟻集團副總裁王曉航告訴21世紀經濟報道記者，今天的產業技術變革不是一蹴而就的，如果沒有長期以來AI全棧布局與積累，很難把握住這一輪技術變革的先機，而螞蟻很早就做好了準備。

2021年8月，斯坦福教授李飛飛與上百位AI科學家聯名發表《基礎模型的風險與機遇》（《On the Opportunities and Risk of Foundation Models》），掀開學界對大模型的研究，而螞蟻也由此開啟了對大模型的內部實踐研究，從支付寶開始探索百億規模的AI模型。

“在這之后，我們慢慢探索出了大模型新的技術范式，即在預訓練的基礎上進行精調，當服務發生變化，基礎模型不再需要重新訓練，這大幅提高了我們工程的生產能力?！蔽浵伡瘓FCTO何征宇提到，在2022年1月的一次公開演講中，他就分享過大模型范式的探索。

21世紀經濟報道記者了解到，2022年9月，螞蟻集團內部開了一次戰略性的會議，確立了集團整體AI的工程體系，必須圍繞大模型來做整體的升級，

“今年3、4月份，相信所有中國科技企業都曾經過了一段焦慮期，最害怕睡覺，害怕剛一起床就發現有一個新的論文和產品要研究?！蓖鯐院教寡?，盡管大模型的涌現帶來了各種各樣的可能性，但這還是一個需要知識積累的技術，在扎實的AI全棧布局與巨大的資金投入下，大模型不會一夜之間顛覆某個行業，“這是一個持續、長期的過程?！彼硎?。

算力、數據、算法是推動大模型成長的“三駕馬車”，螞蟻的基礎大模型在這三個層面都投入巨大。

算力層面，螞蟻基礎大模型平臺具備萬卡異構集群，其中千卡規模訓練MFU可達到40%，集群有效訓練時長占比達到90%以上；數據層面，除了全網通用語料與金融領域的優質語料，螞蟻還注入了優質的研判分析數據，以及大規模知識工程所帶來的超過270億Token的知識量；模型層面，螞蟻認為金融專屬指令更能夠代表大模型，解決特定金融任務的能力，其從真實場景中萃取了超過60萬條以上的專屬指令。

“大模型、生成式人工智能，是非常深刻的基礎技術，就像電力在發明之初被運用于電燈與照明，但逐漸它會深入到人們生活的方方面面?！焙握饔钊缡钦f。

金融全場景落地道阻且長

在“百模大戰”下，每家公司都面臨著不同的商業路徑選擇。

一方面，通用大模型與垂直領域大模型的發展能力截然相反，前者強調通用的泛化能力，而后者強調精準與精確專業。另一方面，“百模大戰”背后是大模型全產業鏈的發展，云平臺、計算機硬件、底層基礎大模型、大模型落地解決方案、大模型應用程序與服務都是這個賽道上的重要一環。

對此，螞蟻集團選擇的路徑是“卷”專業不“卷”云廠商。

“我們不做裸模型的開放，不卷云廠商?！蓖鯐院礁嬖V記者，螞蟻希望通過平臺和產品來幫助金融機構解決關鍵問題。

何征宇向記者表示，如果要為金融機構提供精調的落地解決方案，首先需要大量算力的投入，其次需要大量清洗好的數據與大量專業技術人才，而如今市場上這些資源都非常緊缺。

“我認為這些技術紅利不應該只壟斷在大公司，或者大平臺手中，應該盡快降低門檻，讓大模型技術得到快速普及?！焙握饔钪赋?，螞蟻希望提供端到端的產品，讓不了解大模型技術的員工與普通人也可以享受到技術紅利，實現技術普惠。

螞蟻集團這次發布的產品有兩款，分別是針對C端用戶的智能金融助理“支小寶2.0”，以及服務B端金融機構的智能業務助手“支小助”。值得一提的是，螞蟻的這個大模型有點“卷”，8月底，它已通過證券從業資格、保險從業資格、執業醫師資格、執業藥師資格等專業試題測試。

“在大模型時代，想象力非常重要，但我們認為更重要的是把技術轉化為規?；a業價值的能力，這需要解決產業的真命題?！蓖鯐院皆谘葜v中說道。

如此看來，螞蟻的大模型產品如果要覆蓋金融產業鏈條各個復雜環節，道阻且長。

復旦大學計算機科學技術學院教授肖仰華指出，從根本上來說，金融領域是復雜且嚴肅的應用場景?！皣烂C”意味著準確性要求極高，合規性要求極高，而生成式AI天生具備“幻覺”，其“一本正經胡說八道”的能力與嚴肅的應用要求存在天然矛盾，這一矛盾需要技術的調和。而復雜的金融場景是系統性的，例如從源頭來看，在數據合規、數據隔離、知識私有化等等問題都會限制大模型的效果發揮。

在金融系統的安全方面，浙江大學計算機學院教授、浙江大學人工智能研究所副所長鄭小林也表示，模型訓練過程中，許多非線性預算是需要進行警示的，如果誤差經過一層層累計，可能會成為比較大的金融安全隱患，這一安全問題需要個人、平臺、監管的全面關注。

“現在大模型技術在通用領域的門檻正在降低，但真正深入到專業領域，牽涉風險管理、決策研判等領域，還是停留在想象階段?！蓖鯐院奖硎?，如今大模型在金融行業的應用還沒有成熟，需要金融機構、金融科技公司共同將大模型的技術能力轉化成產品，實現產業落地的能力還需要1-2年。

責任編輯：王超