马上消费金融股份有限公司常务副总经理 蒋宁

  当下，人工智能在语义理解、多模态处理、深度推理等层面不断突破，大模型在全球科技与产业革新中扮演着举足轻重的角色。对于金融行业而言，大模型不仅有助于快速迭代风控策略、提升服务效率，更能够帮助金融机构深度覆盖长尾客群，解决其在信贷可得性方面的困扰。尤其在零售金融场景下，大模型有望进一步强化其“普惠”属性，为更多征信缺失、区域偏远的潜在用户提供可负担、可持续的金融支持。相较于难以兼顾“规模扩张”与“精细风控”的传统模式，大模型凭借强大的自然语言理解及多模态数据提炼能力，为金融服务注入“主动感知、动态决策”的智能化基因。同时，大模型在实战中强化“安全合规、风险可控”的底线思维，并以规模化、体系化的方式落地到业务流程中，为零售金融的高质量发展开启新的可能。

  立足此局面，马上消费金融股份有限公司(以下简称“马上消费”)在业内率先推出“天镜”大模型，试图为零售金融机构依托大模型抗风险、提效率、扩覆盖面提供有益参考。

  一、技术变革与零售金融的深度融合

  1. 零售金融从规模竞争到智能渗透

  随着消费需求的持续升级以及政策面对精准帮扶实体经济的愈发重视，零售金融正迈向“深度风控+差异化服务”阶段。然而，传统金融机构在日常运营中往往面临海量信息壁垒、征信数据不足、黑灰产欺诈升级等难题和更全面的监管要求，较难在业务增长与风控合规间保持动态平衡。

  大模型所具备的海量数据挖掘、自适应学习等特点，可对非结构化信息进行深度分析，构建实时多维的用户画像，从而及时识别新型欺诈行为，并有针对性满足用户需求。同时，大模型在文本审核、话术管理、客户交互、风险感知等多方面皆具备极强的可塑性，能够让消费金融机构在监管合规与智能创新之间寻求高效联动，为用户带来更精细化、定制化的服务体验。

  2.智能风控与多元服务：普惠之“广”与“深”

  普惠金融的对象多为信用较弱但具备真实消费或生产意愿的群体，这决定了金融服务必须在扩大覆盖面与强化风险管理之间保持平衡。依托于大模型的智能风控，可针对个人行为数据、地理位置、社交关系、财务信息等多源数据做细颗粒度分析，从而在欺诈、违约或合规风险出现之前就进行监测与主动应对。

  在此基础上，消费金融机构得以为不同收入、职业或年龄段的客户设计多种分期或支付产品，形成差异化供给;借助大模型覆盖语音文本等多模态能力，客服系统能够及时产出合规、清晰、贴心的回复方案，使得客户在咨询、维权或信息查询中都能享受低门槛、高品质的金融服务。总体而言，“智能化+普惠化”的结合模式，不仅有效降低了运营成本与风险，还提高了消费者的体验与信任度。

  二、“天镜”大模型助力零售金融服务创新的核心实践

  马上消费坚持“数智普惠、守正惠民”理念，坚定走自上而下的数字化自主创新道路，发布全国首个零售金融领域大模型“天镜”。“天镜”大模型高效赋能营销获客、风险审批、客户运营、客户服务、安全合规、资产管理等零售金融最典型的场景，持续完善业务全流程。如今，“天镜”大模型已由1.0版本全新迭代升级为2.0版本，具备多场景泛化服务能力(如图1所示)。

  1. 智能获客与精准触达：让“需要的人”及时找到“合理金融支持”

  为了让真正有需要且具备一定偿付能力的用户获得金融服务，“天镜”大模型在智能获客阶段侧重“场景化营销”与“风控嵌合授信”两大方向。场景化营销层面，“天镜”基于非结构化文本挖掘、用户行为分析等能力，配合个人征信、信用评分，进行更加精细化的引流，更好赋能智能营销(如图2所示)。风控嵌合授信层面，在初步获取用户资料后，引入前端反欺诈与实时征信对比，通过大模型做多维度校验，大幅缩短申请流程并有针对性地排除潜在欺诈。由此，获客与风控深度融合，让机构真正做到“速度与质量并重”，既有效扩大覆盖面，又可在关键节点控制风险。

  2. 智慧消保与黑灰产对抗：构建用户安全感与信赖度

  在日益广泛的线上化格局中，黑灰产利用人脸伪造、语音变造等高级手段实施欺诈的风险愈发凸显，“天镜”2.0针对这些安全隐患专门研发了对抗学习技术，将多模态的技术进行深度融合，把声音、文字、视频等多维度信息整合，构建全新的对抗学习防伪新体系(如图3所示)，全方位、多层次地有效提升金融安全防护能力。为保障用户权益并降低争议与投诉风险，“天镜”会在对话管理与合规分析方面高精度筛查不当话术、敏感词汇，并给内部工作人员提供合法合规的沟通范式，从而让零售金融整体服务兼具安全性与温度。基于这种交互式、多模态的智能化管理模式，用户在可信赖的环境下完成借贷与消费，机构也能更加稳健地抵御欺诈侵扰与潜在风险。

  3. “AI+BI”与数字化决策：赋能全流程精细化运营

  为了在零售金融业务全流程中落实更精细化的运营决策，“天镜”大模型与BI系统深度结合，形成对话式数据分析与决策自动化的新模式。对话式数据分析让业务人员用自然语言就可调用核心数据指标与报表，例如，查询不同地区人群的平均额度、逾期率、还款周期等关键信息，系统可在短时间内给出可视化透视结果，迅速帮助业务人员观察趋势与异动。决策自动化方面，“天镜”大模型进一步通过对收益及风险的情景预测，为产品定价、额度分配、用户分层运营等关键策略提供辅助，以便管理层在多种情景下进行前瞻分析。在日常执行中，部分高频、规则化的流程则能由模型与RPA工具协同处理，从申请表单到数据验证皆实现端到端自动化，这不仅降低了人力成本，也提高了零售金融整体的服务效率与响应速度。

  三、生成式人工智能在零售金融应用的思考

  如今，生成式人工智能在零售金融的应用展现出从“百花齐放”到理性推动、深化应用的趋势，零售金融机构持续增强技术应用和创新能力。

  1. 技术演进与产业生态的多元化

  自ChatGPT引爆生成式人工智能浪潮以来，国内外科技企业纷纷推动大模型研发，一时间大模型“百花齐放”。在金融行业，银行、保险与证券公司都积极拥抱大模型技术。然而，新技术与金融强监管属性间的张力也不容忽视：如何在确保数据与隐私安全的前提下进行模型训练、如何保证生成内容的合规和专业度等问题，都对产业提出了更高要求。可以预见，随着大模型底座的持续完善、开源社区的加速发展以及监管配套举措的日臻成熟，大模型在金融行业的应用必将逐步走向纵深。与此同时，市场竞争也会更加理性，各家金融机构唯有精准定位自身场景，并做好安全合规、服务可靠等全周期管理，方能在新的技术浪潮中稳步前行。

  2. 理性推动：夯实产品合规与技术安全

  金融是关乎国计民生的特殊行业，任何潜在的技术风险都需在验证与管控中循序渐进地落地，因此金融大模型的应用必须在以下层面理性推动。首先，在数据安全合规上，要明确数据处理红线与隐私保护路径，严格落实企业与监管部门对数据使用的安全要求，从根本上夯实安全合规基石。其次，在全栈技术升级方面，需要全面加强从云端算力、算法优化到产品落地的工程化能力，避免“理论创新”与“落地实效”脱节。再次，人才体系搭建至关重要，金融大模型需要跨学科、复合型人才，包括金融风控、机器学习、云计算等在内的多领域协作能否成功落地取决于此。最后，多方共治生态也必不可少，监管部门、行业协会、金融机构、科技企业合力搭建健康生态，既推动技术研发落地，也强化风险防控与合规管理，为大模型的可持续发展创造良好环境。

  3. 深化应用：向纵深场景与精细化运营迈进

  待金融大模型的底层能力与产业生态更成熟后，更多深度应用将逐步浮现：交互式投顾与智能信贷有望成为典型场景，大模型通过对市场趋势与个人资产结构的综合分析，可为用户提供动态投资策略或为小微企业周转给予定制化授信。合规与培训方面，大模型可辅助内部员工进行合规培训与政策解读，自动匹配岗位需求，并对法规更新快速解析，促使监管合规向智能化、自动化升级。与此同时，“混合增强智能”模式下，大模型与业务、风控专家协同，共同提升风控策略精准度并实现客户权益差异化保护。为保障大模型的安全可行性，未来或将形成金融领域专门的大模型评估体系，从模型预测准确率、可解释能力到数据安全等级等各方面完善考核指标，推动零售金融机构走向更高水平、更高可靠度的大模型应用阶段。

  在大模型技术迅速发展的浪潮中，马上消费将整合资源，继续专注于“天镜”大模型的深度迭代，为多样的零售金融场景提供支持。为提升生成式人工智能在零售金融领域的应用成效，马上消费计划增强多模态感知与分布式计算能力，以实现模型精度、响应速度和算力成本的最佳平衡，从而优化用户在借款和风控方面的体验。同时，马上消费将加大大模型在生物识别、反欺诈算法和差分隐私等领域的投入力度，增强个人隐私保护和防伪技术。