導讀：#昇騰逐夢人# AI已經成為金融機構核心競爭力的關鍵要素。專注AI+金融賽道的魔數智擎，通過大小模型融合，讓AI成為銀行的“金融風控專家”。
作者 |?小葳
圖片來源?|?攝圖
在AI涌向產業的時代賽跑中，開發者是絕對的主角。
昇騰AI創新大賽是由華為主辦的面向AI開發者的頂級賽事，不僅是昇騰生態的旗艦活動，更代表了中國AI創新的頂尖水平。
在昇騰AI創新大賽2024全國總決賽中，深圳市魔數智擎人工智能有限公司（以下簡稱魔數智擎）從全國3700多支隊伍、超10000名選手中脫穎而出，斬獲企業賽道（應用創新組）金獎！
成立于2018年的魔數智擎是一家金融AI基礎軟件企業，也是深圳市專精特新企業，目前已服務大型知名金融機構 60 余家，研發、托管、監控超過 2600個模型，累計托管客戶風險模型資產超 1.3萬億。
2025年，以DeepSeek為代表的新一代AI生產力加速落地各行各業，也讓處在數字化轉型深水區的金融行業對AI大模型落地的需求日益迫切。魔數智擎的獲獎方案“金融行業客戶風險智能識別大模型”將昇騰先進算力與自研模型深度融合，率先為AI大模型在金融風控領域落地探索了方向。
大小模型融合，重塑金融風控的“智慧大腦”
雖然AI+金融具有非常廣泛的應用前景，但現實很骨感：目前，以銀行為代表的金融行業客戶其核心業務和決策系統仍以基于傳統機器學習的小模型為主，金融行業普遍對大模型的應用非常審慎。
在金融行業摸爬滾打多年，深圳市魔數智擎人工智能有限公司創始人兼CEO柴磊將這種現狀概括為小模型的局限性與大模型的“水土不服”。小模型精度高，場景貼合度高，但智能化有待提升；大模型更智能，但場景貼合低，可靠性不足。
魔數智擎創始團隊均來自全球頂尖數據挖掘軟件企業與知名金融機構，創業多年來，魔數智擎的小模型產品已經在提升模型開發效率、模型安全合規、全生命周期管理等方面取得突破，在行業內樹立了良好的口碑。同時，公司已經在模型可解釋性領域構建了專業壁壘，成為國內首家實現可解釋模型完全落地的AI公司。
柴磊堅信，未來大模型在提升銀行風控精度、提升運營效率降低成本方面將發揮巨大價值，但在此之前必須要跨越一系列挑戰，最典型的就是大模型幻覺問題。
以魔數智擎專注的金融風控細分賽道為例，銀行客戶對AI基礎軟件的專業性和穩定性要求極高，容錯度極低。即使大模型出現細微誤判，也會對銀行資產造成巨大損失。
同時，如何將大模型的通用能力，鍛造為金融風控“細分領域專家能力”也是行業一大挑戰。金融行業的信貸審批、風險評估、反欺詐識別等垂直場景需要復雜的決策邏輯并參考大量動態變量，當前通用大模型與金融場景所需的高精度、可解釋性之間仍存在能力鴻溝。
“在金融風控領域，目前大模型還不可能取代小模型。魔數智擎的破解思路是：大模型與小模型融合落地、優勢互補。”?柴磊表示。
基于這個底層邏輯，魔數智擎集中力量技術攻關，自研出“金融行業客戶風險智能識別大模型”。概括地說，該方案通過高精度、可解釋的小模型平臺完成金融風控決策分析，同時讓大模型將預測分析結果以更直觀、業務化的形式呈現出來，通過大小模型優勢互補輔助金融行業進行高效決策。
具體來說，其在技術創新方面實現三大突破：
第一，基于昇騰AI訓推算力底座平臺，構建統一模型底座，統一調度大小模型推理算力，實現快速響應業務需求。
昇騰AI訓推算力底座平臺為魔數智擎的創新提供了底層支撐。該平臺由Atlas 800I A2推理服務器和Atlas 800T A2訓練服務器組成，基于性能領先的昇騰AI基礎軟硬件，能夠實現更高算力密度、高速網絡帶寬與極致能效比。
第二，通過可解釋、簡單化的模型開發組件，打造高精度小模型建模能力，大幅縮短模型開發周期并提高業務決策效率。通過底層核心算法自主創新，實現白盒化開發模式，解決模型可解釋性及模型難以融合業務等問題。
第三，通過大模型Agent開發平臺，實現大模型場景化。支持智能化Agent創建、預訓練模型微調、多模態多類型數據處理，能夠針對不同意圖調用不同Agent，對不同Agent的返回進行智能化潤色，實現風控業務人員對預測結果能看懂、更可控、可干預。
此外，基于該方案，魔數智擎還推出了智慧辦公助手平臺，提供智能問答助手、文檔生成助手、數據分析助手、智慧編程助手等功能，幫助金融客戶實現全員All in AI與降本增效。
昇騰賦能，破解金融AI落地難題
柴磊坦言，在昇騰AI創新大賽的淬煉中，魔數智擎完成了從“小模型專家”到“大小模型融合先行者”的躍遷。魔數智擎技術團隊早期以小模型開發見長，能夠在不到一年時間內迅速補齊大模型開發能力，既有公司對AI人才的持續加碼，也離不開昇騰生態的助力。
“作為一家創業公司，從來沒有任何大廠能夠給予我們這樣大的支持。在這樣的正向反饋機制下，我們也更主動地擁抱昇騰生態。” 柴磊介紹，在長達8個月的參賽過程中，昇騰對魔數智擎給予了全方位的賦能：
首先，昇騰AI基礎軟硬件和昇騰社區的技術支持。借助昇騰社區提供的AI開發資源、全棧開發工具鏈、行業案例庫以及相關課程，魔數智擎研發團隊快速攻克眾多核心技術難點。
其次，加速自研算法與昇騰底層算力適配優化。通過與華為專家多輪溝通，解決技術難點，魔數智擎快速完成模型與昇騰算力底座的深度適配，解決算力資源調度等難題。
“AI時代的軟件開發，早已不局限于純軟件領域，軟件與模型能力越來越離不開與底層算力的融合。如何進行算力優化，如何發揮昇騰硬件最大的效能，研發團隊做了大量的工程化工作。” 柴磊表示。
第三，產品形態創新，一體機+模塊化平臺破解金融行業AI落地難題。
雖然獲獎方案還處在應用早期，但其商業模式已經非常清晰，以客戶風險智能識別大模型一體機的形式落地。
目前一體機包括小模型建模平臺、大模型Agent開發平臺、智慧辦公助手平臺以及昇騰訓推算力底座平臺四大模塊，能夠根據金融企業不同的需求自由組合。
“大模型時代，軟硬一體的趨勢越來越明朗。我們也一直在思考，如何為客戶提供更具性價比的一站式解決方案。一體機是一個非常值得嘗試的方向，通過輕量化設計做到了開箱即用，簡化部署流程，能夠適配企業場景，快速跑通需求。” 柴磊表示。
2025年，金融行業數字化自主創新進入關鍵時期。DeepSeek浪潮的助推，也讓金融行業擁抱大模型的需求高漲。柴磊深知，金融客戶需要的不是大模型技術的突破，而是能穿透業務痛點的確定性價值。
“從一線接觸看，我們明顯感覺到金融行業自主創新在加速，同時對AI大模型也從過去的觀望到重點關注。我的判斷是，全行業對GPU的需求不但不會減少，反而會增加，大量的私有化部署需求下，對推理的需求更是爆發性增長。這進一步堅定了我們與昇騰生態合作的信心。目前，我們已經基于DeepSeek做更進一步的研發，將DeepSeek與我們的核心能力更深度的融合。”
結語
目前，昇騰已經成為AI算力領域自主創新的標桿。昇騰AI生態已經匯聚了300多萬開發者和1600多家行業伙伴，共同孵化了2900多個行業AI解決方案。
在金融行業，一場由大模型驅動的產業重構正在發生。魔數智擎的創新突破，也預示著大模型在金融行業即將達到商業落地的臨界點。昇騰生態的體系化賦能，正為這場變革注入澎湃動力，構建從算力到場景的價值閉環。
昇騰×魔數智擎，這種生態平臺與行業伙伴的雙向價值流動，標志著中國AI產業正在走出單兵作戰時代，全面邁向生態共贏時代。
END
本文為「智能進化論」原創作品。
)
