逐浪AIGC丨蚂蚁大模型产品“赶晚集”

21世纪经济报道记者李览青 上海报道

在各家大厂竞逐大模型的步伐中，近日才发布相关产品的蚂蚁集团无疑赶了个“晚集”。

9月8日，在上海举办的外滩大会上，蚂蚁集团正式发布金融大模型以及基于金融大模型能力的两款产品：C端智能金融助理“支小宝2.0”与B端智能业务助手“支小助”，从基础大模型走向产业大模型与产业应用。

而此时全国已有超过130家公司发布自己的大模型，百度“文心一言”、商汤科技“商量SenseChat”、腾讯“混元大模型”、华为“盘古大模型”等等都已通过国家网信办深度合成服务算法备案。

一直以来，拥有雄厚资金投入与数据基础的金融行业，被公认为大模型落地应用的前沿领域。然而，通用大模型的泛化能力似乎又与金融场景对“绝对精准”与“绝对安全”的要求背道而驰。

对于蚂蚁而言，AI大模型意味着什么？当蚂蚁集团参战开“卷”，为何选择垂直大模型产品？大模型在金融行业的产业化落地应用还有多远？

“AI是一个科技战略问题”

“无论对金融行业，还是对蚂蚁自身，AI都是一个科技战略问题。”

蚂蚁集团副总裁王晓航告诉21世纪经济报道记者，今天的产业技术变革不是一蹴而就的，如果没有长期以来AI全栈布局与积累，很难把握住这一轮技术变革的先机，而蚂蚁很早就做好了准备。

2021年8月，斯坦福教授李飞飞与上百位AI科学家联名发表《基础模型的风险与机遇》（《On the Opportunities and Risk of Foundation Models》），掀开学界对大模型的研究，而蚂蚁也由此开启了对大模型的内部实践研究，从支付宝开始探索百亿规模的AI模型。

“在这之后，我们慢慢探索出了大模型新的技术范式，即在预训练的基础上进行精调，当服务发生变化，基础模型不再需要重新训练，这大幅提高了我们工程的生产能力。”蚂蚁集团CTO何征宇提到，在2022年1月的一次公开演讲中，他就分享过大模型范式的探索。

21世纪经济报道记者了解到，2022年9月，蚂蚁集团内部开了一次战略性的会议，确立了集团整体AI的工程体系，必须围绕大模型来做整体的升级，

“今年3、4月份，相信所有中国科技企业都曾经过了一段焦虑期，最害怕睡觉，害怕刚一起床就发现有一个新的论文和产品要研究。”王晓航坦言，尽管大模型的涌现带来了各种各样的可能性，但这还是一个需要知识积累的技术，在扎实的AI全栈布局与巨大的资金投入下，大模型不会一夜之间颠覆某个行业，“这是一个持续、长期的过程。”他表示。

算力、数据、算法是推动大模型成长的“三驾马车”，蚂蚁的基础大模型在这三个层面都投入巨大。

算力层面，蚂蚁基础大模型平台具备万卡异构集群，其中千卡规模训练MFU可达到40%，集群有效训练时长占比达到90%以上；数据层面，除了全网通用语料与金融领域的优质语料，蚂蚁还注入了优质的研判分析数据，以及大规模知识工程所带来的超过270亿Token的知识量；模型层面，蚂蚁认为金融专属指令更能够代表大模型，解决特定金融任务的能力，其从真实场景中萃取了超过60万条以上的专属指令。

“大模型、生成式人工智能，是非常深刻的基础技术，就像电力在发明之初被运用于电灯与照明，但逐渐它会深入到人们生活的方方面面。”何征宇如是说。

金融全场景落地道阻且长

在“百模大战”下，每家公司都面临着不同的商业路径选择。

一方面，通用大模型与垂直领域大模型的发展能力截然相反，前者强调通用的泛化能力，而后者强调精准与精确专业。另一方面，“百模大战”背后是大模型全产业链的发展，云平台、计算机硬件、底层基础大模型、大模型落地解决方案、大模型应用程序与服务都是这个赛道上的重要一环。

对此，蚂蚁集团选择的路径是“卷”专业不“卷”云厂商。

“我们不做裸模型的开放，不卷云厂商。”王晓航告诉记者，蚂蚁希望通过平台和产品来帮助金融机构解决关键问题。

何征宇向记者表示，如果要为金融机构提供精调的落地解决方案，首先需要大量算力的投入，其次需要大量清洗好的数据与大量专业技术人才，而如今市场上这些资源都非常紧缺。

“我认为这些技术红利不应该只垄断在大公司，或者大平台手中，应该尽快降低门槛，让大模型技术得到快速普及。”何征宇指出，蚂蚁希望提供端到端的产品，让不了解大模型技术的员工与普通人也可以享受到技术红利，实现技术普惠。

蚂蚁集团这次发布的产品有两款，分别是针对C端用户的智能金融助理“支小宝2.0”，以及服务B端金融机构的智能业务助手“支小助”。值得一提的是，蚂蚁的这个大模型有点“卷”，8月底，它已通过证券从业资格、保险从业资格、执业医师资格、执业药师资格等专业试题测试。

“在大模型时代，想象力非常重要，但我们认为更重要的是把技术转化为规模化产业价值的能力，这需要解决产业的真命题。”王晓航在演讲中说道。

如此看来，蚂蚁的大模型产品如果要覆盖金融产业链条各个复杂环节，道阻且长。

复旦大学计算机科学技术学院教授肖仰华指出，从根本上来说，金融领域是复杂且严肃的应用场景。“严肃”意味着准确性要求极高，合规性要求极高，而生成式AI天生具备“幻觉”，其“一本正经胡说八道”的能力与严肃的应用要求存在天然矛盾，这一矛盾需要技术的调和。而复杂的金融场景是系统性的，例如从源头来看，在数据合规、数据隔离、知识私有化等等问题都会限制大模型的效果发挥。

在金融系统的安全方面，浙江大学计算机学院教授、浙江大学人工智能研究所副所长郑小林也表示，模型训练过程中，许多非线性预算是需要进行警示的，如果误差经过一层层累计，可能会成为比较大的金融安全隐患，这一安全问题需要个人、平台、监管的全面关注。

“现在大模型技术在通用领域的门槛正在降低，但真正深入到专业领域，牵涉风险管理、决策研判等领域，还是停留在想象阶段。”王晓航表示，如今大模型在金融行业的应用还没有成熟，需要金融机构、金融科技公司共同将大模型的技术能力转化成产品，实现产业落地的能力还需要1-2年。