马上消费陆全：智能对话是大模型应用最易规模化的垂直场景观点

9月5日，作为2025世界智能产业博览会重要活动之一，计算机产业发展高层思享汇活动在重庆举行。马上消费人工智能研究院院长陆全应邀出席活动并作题为《大模型在消费金融行业应用的实践与思考》的主题演讲，分享了马上消费在大模型领域的实践及大模型未来发展的洞察。

伴随着“人工智能+”加速赋能千行百业，金融已成为目前大模型渗透率最高的行业之一。陆全指出，大模型落地应用侧重于四个层级，从底层到顶层分别为算力GPU芯片、基础大模型、大模型应用的快速生产、垂直场景大模型系统。

“如果以建筑物做比喻，大模型是一栋大楼，这四个应用层级可以分别比喻成房子、水电、家具、装修，其中底层由云厂商提供最基础的算力。”陆全表示。

那么，马上消费对金融大模型的应用处于什么阶段？据陆全介绍，围绕第一层和第二层，马上消费做了三件事情：首先是推出能快速产生Agent的一站式大模型应用构建平台PowerAgent，其次是选择智能对话这一垂直应用场景进行深耕，最后是搭建了基于大模型技术的洞察平台，提供持续反馈能力。

AI 时代，速度就是一切。谁能将先进的算法模型快速、高效地转化为实际生产力，谁就能占据优势。通过集成的AI中台和智能体创建、编排等工具，马上消费PowerAgent平台实现了模型的低成本、快速且规模化地扩展至全场景应用，可让企业更快、更好地用上大模型。

据统计，相较于传统AI应用部署，PowerAgent平台使得端到端响应时间最快可以达到平均2s以内，训练与推理硬件成本下降超过30%，智能体开发全周期提升效率100%以上。

谈及PowerAgent平台在马上消费的落地应用场景，陆全在演讲中提到，智能对话是目前大模型应用最易规模化的高频垂直场景，比较成熟的落地领域包括智能客服、智能营销等在内，带来了显著的提质增效。

以智能营销为例，通过深度挖掘海量用户数据、构建预测模型，PowerAgent平台打造的外呼智能体，重构人机协作模式，能够精准识别潜在客户群体，并为其推送个性化的营销信息，有效解决了潜在客户数量大但人工外呼成本高、效率低的痛点。数据显示，这种精准营销方式令营销效果提升超过30%。

具体应用落地过程中，如何确保大模型训练数据的质量？对此，陆全给出了他的答案：马上消费搭建了洞察平台，辅助大模型应用构建包含人类决策的反馈闭环。

一方面，通过离线洞察与知识挖掘，批量分析与挖掘既有数据，自动萃取、沉淀为结构化的知识库、流程包与策略，强化模型训练效果。另一方面，依托人机协同实时洞察，实时捕捉、分析并理解每一次交互的上下文、意图、情绪和结果，提供毫秒级的数据支撑。

在陆全看来，持续的数据“喂养”和迭代训练，将帮助大模型自我迭代、进化，进而更好地适应新需求、新场景。

展望未来，大模型规模化应用如何应对AI幻觉挑战、平衡收益与投入成本？陆全认为，这需要遵循“三个准则”：一是“激发天赋大于塑造能力”，不用传统的、确定的编程思维去“硬编码”大模型，而是引导它更好地理解和发挥其内在能力；二是“创造环境设立规矩”，为大模型建立必要的辅助系统和约束，确保其行为在安全、可靠、可控的范围内。

“第三是关注‘长期目标的正收益’，密切关注训练成本、推理token消耗、算力资源等，避免‘粗放式’投入导致项目不可持续。选择适合当前阶段的模型和方案，而并非一味追求最庞大、最昂贵的短期目标。”陆全直言。