每一個AI應(yīng)用的背后都是大模型，那么大模型如何高效在金融行業(yè)落地生根呢？

奇富科技首席算法科學(xué)家費浩峻，在大量實踐中提出了大模型落地的三要素，懂懂將其總結(jié)為三個飛輪。

首先是場景。

奇富科技在2023年4月就推出了業(yè)內(nèi)第一個金融大模型——奇富GPT，并在當(dāng)年12月份推出了基于奇富GPT的坐席提效助手——奇富Copilot。剛上線時效果還不錯，但是后來發(fā)現(xiàn)越來越不穩(wěn)定。公司內(nèi)部閉門反思后發(fā)現(xiàn)，不是模型好業(yè)務(wù)導(dǎo)向就好，而是需要真實場景不斷磨練才能提升精準(zhǔn)度。

所以最新一版的Copilot，不僅基于深度分析上億通歷史通話記錄，提煉出高效溝通策略與話術(shù)模板，助力坐席更精準(zhǔn)迅速地捕捉用戶意圖；更加注重產(chǎn)品的設(shè)計和打磨，通過一個需求一個需求的迭代，在業(yè)務(wù)場景的基礎(chǔ)上打磨大模型，進(jìn)而不斷提升copilot的能力。

（奇富科技首席算法科學(xué)家費浩峻）

費浩峻指出，如果把這兩個作為權(quán)重來看，大模型權(quán)重是40%，業(yè)務(wù)場景的理解和深耕則是60%，我認(rèn)為場景是更重要的。

當(dāng)然，大模型和場景之間也是相互推動、相互提升的，大模型讓場景更智能，場景反向推動大模型更精準(zhǔn)，這是一個螺旋上升的飛輪。

更懂金融業(yè)務(wù)的金融大模型+更懂金融業(yè)務(wù)的金融場景反復(fù)打磨，才打磨出了這樣的金融大模型。 費浩峻表示。

第二個飛輪是數(shù)據(jù)。

大模型產(chǎn)生精準(zhǔn)效果，對數(shù)據(jù)質(zhì)量的依賴程度非常高。奇富科技在人工智能領(lǐng)域深耕多年，不僅有T級別海量數(shù)據(jù)，還對數(shù)據(jù)進(jìn)行了大量的清洗工作，確保數(shù)據(jù)質(zhì)量更高。在訓(xùn)練中關(guān)注訓(xùn)練收斂曲度，關(guān)注其未來在業(yè)務(wù)數(shù)據(jù)上的表現(xiàn)。同時通過自研的兩階段微調(diào)指令框架，不斷微調(diào)把通用金融數(shù)據(jù)與業(yè)務(wù)場景數(shù)據(jù)深度結(jié)合。

也就是說，通過持續(xù)迭代的數(shù)據(jù)反饋機(jī)制，確保模型性能形成良性循環(huán)，這就是數(shù)據(jù)飛輪。

第三個飛輪是多智能體。

一個智能體通常是定向任務(wù)，但用戶的需求并不是單一的，所以可以用不同的智能體同時跟進(jìn)用戶的需求，完成一個復(fù)雜的任務(wù)。奇富營銷智能體目前可調(diào)用多個智能體協(xié)作，讓營銷實現(xiàn)從任務(wù)優(yōu)化升級到自主智能解決問題。

從未來趨勢看，用戶的需求是復(fù)雜多變的，可能需要多個智能體圍繞用戶的一個核心需求不斷優(yōu)化結(jié)果，最終給出完美的答案，這就是智能體飛輪。

我們都知道，AI的實現(xiàn)是一套非常復(fù)雜的機(jī)制，堪比人體的復(fù)雜度。如果用人體的機(jī)能來類比這三個飛輪可能更容易理解：

大模型指揮場景落地，場景又反饋給大模型不斷進(jìn)化，這就如同大腦與四肢之間的關(guān)系。比如一個人要完成刺繡，先由大腦支配手去穿針引線，來自手的體感又會不斷反饋回大腦，修正下一個動作、不斷進(jìn)化。

數(shù)據(jù)貫穿于整個流程中，數(shù)據(jù)被稱為數(shù)字能源，相當(dāng)于人體里的血液，血液通過肺增加新鮮的氧分，通過肝臟不斷凈化，從而可以源源不斷為整個軀體提供新鮮有、有營養(yǎng)的血液，讓身體更健康。

當(dāng)遇到更復(fù)雜的任務(wù)時，比如打籃球，就需要手、腳、眼全身的感觀調(diào)動起來，協(xié)同完成一個又一個動作，這就不是一個智能體可實現(xiàn)的了，需要多智能體之間緊密互動，才能完成復(fù)雜任務(wù)。

這三個飛輪，是奇富從實踐中得來的經(jīng)驗，也是奇富在大模型領(lǐng)域的核心競爭力。奇富Copilot就是在這樣的三重飛輪優(yōu)化下，做到了更懂業(yè)務(wù)、更懂客戶，從上線后的數(shù)據(jù)表現(xiàn)來看，使用人數(shù)已經(jīng)有了6倍提升，大幅提升了人效。