加快打造民营经济发展高地｜“要大胆地用，但又不能拿来就用” 从马上消费看渝企的大模型应用之道

0次浏览发布时间：2025-04-13 12:05:00

新重庆-重庆日报记者吴刚

DeepSeek的问世，掀起国内人工智能大模型应用高潮。据不完全统计，目前，重庆全市至少有超10家市属国企、3家三甲医院、5个区县政务系统完成DeepSeek本地化部署。更多单位还在跃跃欲试。

其实，早在2023年8月，马上消费金融股份有限公司（下称马上消费）就上线了国内首个金融大模型——天镜。目前，天镜不仅应用于这家民企自己的业务全流程，还作为一项服务产品卖给了顺丰国际快递以及多家银行客户。

马上消费科技展厅，工作人员演示“天境”大模型的各项功能。记者谢智强摄/视觉重庆

近两年的实践，马上消费在大模型应用上积累了哪些经验，给全市各单位提供了怎样的启示？4月9日，本报专访了马上消费人工智能研究院院长陆全。

像人一样聪明，但效率高出几千上万倍

银行的客服人员最怕客户问什么问题？

组合金融产品的投资收益是其一。一般来说，为了吸引客户，银行通常会同时推出几十甚至上百种投资产品，比如我们熟悉的理财、定期存款等。客户的钱该买哪些产品，资产如何错期配置，换句话说，如何组合投资，客户才能最大限度获取收益并降低风险，这是一道复杂的数学题。

以前，接到问题后，客服人员要查阅文件，再分头计算，找出若干方案来一一比对，最后把最佳方案推荐给客户。一番操作下来，至少要好几分钟。这显然超过大部分客户的忍耐时间，体验感欠佳。

为了提升服务效率，近年来，一些银行引入了智能客服，但并未能从根本上解决问题。陆全告诉记者，智能客服的原理类似于“穷尽法”，就是把客户可能要问的问题全部罗列出来，再一一设置相应的答案，通过计算机编程来实现对客户的自动应答。

但是，金融创新产品层出不穷，对客户问答的设置很难做到“全知全能”，即便出现一次“漏网之鱼”，也容易让人觉得智能客服“开黄腔”不可信。

天镜大模型的推出，解决了上述难题。通过海量数据的训练，大模型瞬间就能完成各种投资收益的计算，然后根据客户的风险等级和投资偏好，马上给出最佳组合投资方案。同时，大模型还将一线优秀客服的沟通技巧提炼为知识库，相当于每个客服坐席都能调用数千名顶尖客服的经验，让客户体验更好。

大模型带来的效率提升听起来有些匪夷所思，它是怎样的技术原理？

陆全介绍，通过机器学习，大模型掌握了一套类似于人类的逻辑推理方法，不需要上述智能客服那样的“穷尽法”，遇到问题可以自行分析判断，像人一样聪明，但效率可以高出几千上万倍。“人工智能起源于上个世纪60年代，很多年都寂寂无闻，2022年ChatGPT 大模型问世后，人工智能大爆发，原因正是大模型开启了人工智能的新纪元”。

不能“为了大模型而大模型”

天镜大模型几秒钟就能回答复杂的组合金融投资问题，但我们在使用DeepSeek中，常常会遭遇卡顿，为什么？

陆全的回答令人诧异——天镜大模型并没有直接使用DeepSeek，它的基座，是参数量要小得多的“小模型”。“我们也用了DeepSeek，但它的作用是来当老师，指导我们的数据生产，”他说。

为啥不用时下大火的DeepSeek，后者又为何如此卡顿？

我们先来看天镜大模型的诞生历程。陆全介绍，和不少信息化程度较高的行业一样，金融业尤其是他们这样一开始就通过互联网开展业务的消费信贷公司，很早就实现了业务的数据化，换言之，从客户画像到信用评级再到风险定价，所有信息都变成了数字，储存在机房中的服务器里。

不过，上述数据库，在大模型诞生之前，其主要功能相当于资料库或图书馆，大家要做业务，就要去查查。

2022年，ChatGPT上线。但其至今并没有开源（模型参数），国内用户也难以通过直接访问它的官网进行使用。不过他们公布了技术路线。根据其技术路线，国际国内一些企业开发出了林林总总的模型，包括国内的文心一言、通义等。

抢抓技术革命带动产业变革的重要契机，马上消费通过自主研发为自己的数据使用安装上了一款国产模型，国内首款金融大模型——天镜，由此诞生。天镜可以对数据进行自动查询、分析，并根据这些数据给出各个工作流程的解决方案。

这样，从客户提出贷款申请到后台审批再到放贷，就实现了全程无人化操作，由此，马上消费业务效率提升了80%，人力成本降低了21%。

2025年1月，在天镜大模型2.0发布两个月后，DeepSeekR1模型问世。和一般大模型比起来，DeepSeek在模型的训练阶段加入了数量庞大的数学问题进行训练，由此获得了更强大的逻辑推理能力。

充分利用DeepSeek的上述优势，此后，马上消费用它来标注数据，然后再把数据投喂给天镜大模型用于训练。“老师”指导，进一步提升天镜大模型的“智商”，马上消费业务办理的准确率提升了15%。

不过，多达6700亿的参数量，是一般“小模型”的上百倍，这导致DeepSeek虽然聪明，却多少有些臃肿和卡顿。马上消费年信贷规模在500亿元以上，位居消费金融行业前三。

“即便马上消费这样年信贷规模位居消费金融行业前列的体量，也不需要直接采用DeepSeek大模型基座，否则你的速度会很慢，”陆全认为，要根据自己的实际需求，采取多种模型协同使用的策略，而不是“为了大模型而大模型”。

对冲高昂的成本，最好的办法是物尽其用

2025年3月，《重庆市人工智能赋能超大城市现代化治理行动计划（2025-2027年）》发布，明确要求构建“数据-算力-模型-应用-安全”全链条支撑体系，到2027年开发100个智能体，建成60个可复制推广场景。这意味着，重庆的数字化转型已从“选择题”变成“必答题”。

这道题，该如何答？就大模型的应用而言，陆全认为：“要大胆地用，但又不能拿来就用”。

首先是提升自己的信息化水平。尤其是一些比较粗放的行业，甚至还在通过手工填表的方式办理业务。“人工智能是信息化的高级阶段，你先要实现你的业务全流程信息化，建立起自己的数据库，下一步才能谈大模型。”他说。

其次，要有充足的资金准备。陆全介绍，目前，不少单位都涉及到需要保密的数据，不大可能租赁使用公共数据库，必须自行购买服务器，自建数据库，成本不菲。

记者了解到，针对这样的市场需求，有商家推出了一体智能机，简单地说，就是服务器上搭载了免费的大模型。但其售价不低，一台就需要200万元以上。同时，一体机上用的GPU算力芯片，故障率是电脑CPU的10倍以上，维护成本高。算力芯片迭代速度很快，资产折旧损耗大。

对冲设备成本和维护成本，陆全认为，最好的办法是物尽其用。目前，重庆不少单位只是在数据库上安装了大模型基座，只能满足资料的查询和生成摘要这样的简单功能。“所有的业务流程都需要全部接进来，尤其是用户端，客户或服务对象要获得便利感，否则大模型只能满足自己的员工，从成本上讲很划不来，同时也有悖于数字重庆建设的初衷。”他说。

以医院为例。据悉，目前，大模型的应用场景主要是医学影像，医生不用逐一看片，只用看大模型筛选出的关键几张。但是，诊断环节还是人海战术。医生需要花较长时间和病人对话，然后诊断开处方。陆全认为，对话可以交给大模型来完成，医生完全可以根据对话来诊断，几台装有大模型的电脑辅佐一个医生，可节省大部分时间。