始于供需错配，灭于人声鼎沸。OPEC的减产、黄金的芭蕾、央行与资源国的博弈，所有供给侧的背后，是对“先决储备货币”地位的争夺。同样的争夺和讨论，曾出现在互联网泡沫破碎后、次贷危机过程中。与黄金走势互为倒影的美元“本位”，曾先后在商业文明上，遭遇过80年代日本的半导体、90年代苏联的核能、2000年中东的石油的挑战。 广积粮缓称王，储备货币地位转移的重要因子在于：以生产要素推动经济绝对力量实现降维打击。其中，金融以货币为单位、技术以产业为载体。 新一轮争夺的极化点：AI，尤指与金融领域挂钩的人工智能技术。谁掌握了算法、数据、算力，储备货币转移的杠杆支点就会向其倾斜。 本轮AI浪潮的根基，发源自2017年提出的Transformer架构，这种原本专攻机器翻译任务的架构，被AI科学家赋予了使用自注意力机制来建立输入序列的内部表示，使模型并行处理整个序列的核心思想，让其取代了RNN原本被赋予的改变碳基生物的使命。 一批又有一批的中国公司以此为起点，加入了AI浪潮，但产业是技术的载体，不可雕版印刷的墨宝终究是不会实现的文明，即便以API接口为连接方式的MaaS（模型即服务）已经成为AI大模型的商业化道路，但AI公司在商业化自由主义的道路上，也需要无形的手给予力量。在没有指引的道路上，诸多AI公司自由落体，融不到C轮的列表上名将如云。彼时的中国MaaS厂商，自己都无法预知，究竟还能不能等到属于中国的AI时代。 彼时站在十字路口的，有百度的AI事业线、日后开源的阿里达摩院MaaS平台，还有如今以MaaS为主营业务之一的@百融云-W（6608.HK）。 直到2023年末，全国信息技术标准化技术委员会人工智能分委会全体会议启动MaaS（模型即服务）领域《人工智能 模型即服务（MaaS）参考架构》的编制工作。百融云们，等这一刻，等了近7年之久。 中国金融业到底需要什么样的AI服务？中国的金融公司究竟需要何种MaaS服务商？中国AI公司怎么突破“若AI模型同质化，则MaaS不稀缺”的疑虑？ 中国金融业需要什么样的AI技术？与美国、日本相同，中国金融业的信贷业务大多数也是房地产的支柱，但不同的是，我们没有日本那种由于推行了市町村“平成大合并”，导致城镇化率出现统计意义上一次性非自然提升的情况；也没有类似美国次贷危机时，从MBS（住房抵押贷款证券化）扩散到CDS（信用违约互换）和CDO（债务担保业务）的金融衍生品问题。同时，中国金融业要面对的房地产信贷，是2.5亿未落户的城镇常住人口、是房价调整三分之一才会变成负资产的温和着陆、以及没有个人破产制度下的银行风险规避。所以，中国金融业需要的AI技术，不是相似于美国和日本帮助金融业拔地而起，而是在有真实需求下，以AI建立模型库和算法集群，应对温和增长的信贷需求和庞大数据量，规范行业的发展，帮金融业广积粮、缓称王。 而这，就是百融云们的使命，也是中国MaaS厂商的故事。 那中国金融业，需要什么样的MaaS服务商？MaaS，中文名称“模型即服务”，即一个让用户通过API接口，随时调用的AI模型库。所以中国金融业需要什么样的MaaS服务，其实等同于：百融云们，需要多少AI模型的汇总。 除却信贷业务中，以AI算法评估贷款申请者的用户画像、用AI自动监测贷中用户行为、以AI智能语音追偿即便已收回法拍房的断供，百融云们的MaaS也在金融业中无处不在。比如金融机构的潜在用户申请了产品服务，那么百融云的MaaS服务就会收到API调用申请，而MaaS中的AI模型们，便会对用户进行KYC+KYP评估，百融云的MaaS云平台包含意向评估、风险评估、风险监测、决策支持、标准接口、系统部署等模块，向机构返回评分结果，最终用户拿到了商业机构为其匹配的产品。 从用户的小额贷款申请，至金融机构的区域性风控模块，百融云们要承担的，从来都不只是AI公司的商业化进程，而是中国无数家庭和公司的责任。 那一个MaaS服务商，需要多少AI模型来赋能中国的金融业？百融云的答案，年均新增300个AI模型以上，也就是“日日新”。 但“AI大模型同质化，MaaS便将不稀缺”的声音，让百融云们似乎又被打上了未来价格战的标签。因为同样的故事，在中国的制造业上，听了太多次。 Transformer架构的同质化，源自中国厂商对舶来品的着迷；但今天的AI大模型对比传统软件，底层原理的区别却让AI公司不得不逐级淘汰。因为开发一款软件后，可以收回成本的时间很长，比如Windows虽然数年只迭代一次，但底层的很多代码是无需重写的。所以一个软件被写完后的5-10年当中，时间窗口期很长，且只需投入工程师的成本；而AI大模型的特点是，每训练一次，下一次还是要从零开始重新训练，也就是GPT同源的AI大模型，今日投入10亿，再迭代之时仍需追加投入10亿。所以，百融云们能在这种大浪淘沙下存留，实属不易，可国人对AI公司显然不够宽容。 “夫佳兵者，不祥之器，物或恶之。”GPT为舶来品，不可能会让中国公司安心私有化部署。而中国AI公司，尤其是MaaS厂商要做的，就是AI大模型的MoE（混合专家架构），基于Tranformer架构，百融云们一直致力于用MoE架构将FFN（前馈网络）层则划分成稀疏性的神经网络，每个被称之为“专家”的小FFN都有自己的权重和激活函数，它们并行工作、专注于处理特定类型的信息，这意味着MoE架构在推理时，最大程度实现了性能和参数规模之间的平衡，节省了B端客户谈之色变的算力成本。 而中国的营商环境，决定了比起AI降本增效，B端更想要的是AI创收，敢为终端业务KPI负责，那么百融云们一定需要专属数据和AI模型持续积累来提升服务的精准度。尤其是语料这种数据要素，百融云们也在努力通过特有场景中的闭环反馈，不断优化AI模型库，产生专属领域的数据而不是公开数据，这些专属语料和数据反过来训练AI模型库和MaaS业务，就会产生“飞轮”效应。 庞大的AI模型库，虽然能让百融云MaaS业务在2023年实现收入8.91亿、同比增幅17%、且有99%的客户留存，但AI作为下一个等同于储备货币地位的生产要素，留给百融云们的选择只有一个——不停歇。因为科学技术的最高，是普惠。 目前百融云的MaaS收入仅仅相对于金融机构信贷总额的万分之几，对于消费信贷巨大的规模，即使最终是千分之一的体量，那也将代表着几百亿规模的普惠金融AI市场。毕竟现在的美国MaaS服务商市场，是一个接近百分之一的体量。百融云们，在AI的路上依旧任重道远。