馬上消費陸全：PowerAgent平臺助推智能體開發效率提升超100%

9月5日，作為2025世界智能產業博覽會重要活動之一，計算機產業發展高層思享匯活動在重慶舉行。馬上消費人工智能研究院院長陸全應邀出席活動并作題為《大模型在消費金融行業應用的實踐與思考》的主題演講，分享了馬上消費在大模型領域的實踐及大模型未來發展的洞察。

伴隨著“人工智能+”加速賦能千行百業，金融已成為目前大模型滲透率最高的行業之一。陸全指出，大模型落地應用側重于四個層級，從底層到頂層分別為算力GPU芯片、基礎大模型、大模型應用的快速生產、垂直場景大模型系統。

“如果以建筑物做比喻，大模型是一棟大樓，這四個應用層級可以分別比喻成房子、水電、家具、裝修，其中底層由云廠商提供最基礎的算力。”陸全表示。

那么，馬上消費對金融大模型的應用處于什么階段？據陸全介紹，圍繞第一層和第二層，馬上消費做了三件事情：首先是推出能快速產生Agent的一站式大模型應用構建平臺PowerAgent，其次是選擇智能對話這一垂直應用場景進行深耕，最后是搭建了基于大模型技術的洞察平臺，提供持續反饋能力。

AI 時代，速度就是一切。誰能將先進的算法模型快速、高效地轉化為實際生產力，誰就能占據優勢。通過集成的AI中臺和智能體創建、編排等工具，馬上消費PowerAgent平臺實現了模型的低成本、快速且規模化地擴展至全場景應用，可讓企業更快、更好地用上大模型。

據統計，相較于傳統AI應用部署，PowerAgent平臺使得端到端響應時間最快可以達到平均2s以內，訓練與推理硬件成本下降超過30%，智能體開發全周期提升效率100%以上。

談及PowerAgent平臺在馬上消費的落地應用場景，陸全在演講中提到，智能對話是目前大模型應用最易規模化的高頻垂直場景，比較成熟的落地領域包括智能客服、智能營銷等在內，帶來了顯著的提質增效。

以智能營銷為例，通過深度挖掘海量用戶數據、構建預測模型，PowerAgent平臺打造的外呼智能體，重構人機協作模式，能夠精準識別潛在客戶群體，并為其推送個性化的營銷信息，有效解決了潛在客戶數量大但人工外呼成本高、效率低的痛點。數據顯示，這種精準營銷方式令營銷效果提升超過30%。

具體應用落地過程中，如何確保大模型訓練數據的質量？對此，陸全給出了他的答案：馬上消費搭建了洞察平臺，輔助大模型應用構建包含人類決策的反饋閉環。

一方面，通過離線洞察與知識挖掘，批量分析與挖掘既有數據，自動萃取、沉淀為結構化的知識庫、流程包與策略，強化模型訓練效果。另一方面，依托人機協同實時洞察，實時捕捉、分析并理解每一次交互的上下文、意圖、情緒和結果，提供毫秒級的數據支撐。

在陸全看來，持續的數據“喂養”和迭代訓練，將幫助大模型自我迭代、進化，進而更好地適應新需求、新場景。

展望未來，大模型規模化應用如何應對AI幻覺挑戰、平衡收益與投入成本？陸全認為，這需要遵循“三個準則”：一是“激發天賦大于塑造能力”，不用傳統的、確定的編程思維去“硬編碼”大模型，而是引導它更好地理解和發揮其內在能力；二是“創造環境設立規矩”，為大模型建立必要的輔助系統和約束，確保其行為在安全、可靠、可控的范圍內。

“第三是關注‘長期目標的正收益’，密切關注訓練成本、推理token消耗、算力資源等，避免‘粗放式’投入導致項目不可持續。選擇適合當前階段的模型和方案，而并非一味追求最龐大、最昂貴的短期目標。”陸全直言。