导读：#昇腾逐梦人# AI已经成为金融机构核心竞争力的关键要素。专注AI+金融赛道的魔数智擎，通过大小模型融合，让AI成为银行的“金融风控专家”。
作者 | 小葳
图片来源 | 摄图
在AI涌向产业的时代赛跑中，开发者是绝对的主角。
昇腾AI创新大赛是由华为主办的面向AI开发者的顶级赛事，不仅是昇腾生态的旗舰活动，更代表了中国AI创新的顶尖水平。
在昇腾AI创新大赛2024全国总决赛中，深圳市魔数智擎人工智能有限公司（以下简称魔数智擎）从全国3700多支队伍、超10000名选手中脱颖而出，斩获企业赛道（应用创新组）金奖！
成立于2018年的魔数智擎是一家金融AI基础软件企业，也是深圳市专精特新企业，目前已服务大型知名金融机构 60 余家，研发、托管、监控超过 2600个模型，累计托管客户风险模型资产超 1.3万亿。
2025年，以DeepSeek为代表的新一代AI生产力加速落地各行各业，也让处在数字化转型深水区的金融行业对AI大模型落地的需求日益迫切。魔数智擎的获奖方案“金融行业客户风险智能识别大模型”将昇腾先进算力与自研模型深度融合，率先为AI大模型在金融风控领域落地探索了方向。
大小模型融合，重塑金融风控的“智慧大脑”
虽然AI+金融具有非常广泛的应用前景，但现实很骨感：目前，以银行为代表的金融行业客户其核心业务和决策系统仍以基于传统机器学习的小模型为主，金融行业普遍对大模型的应用非常审慎。
在金融行业摸爬滚打多年，深圳市魔数智擎人工智能有限公司创始人兼CEO柴磊将这种现状概括为小模型的局限性与大模型的“水土不服”。小模型精度高，场景贴合度高，但智能化有待提升；大模型更智能，但场景贴合低，可靠性不足。
魔数智擎创始团队均来自全球顶尖数据挖掘软件企业与知名金融机构，创业多年来，魔数智擎的小模型产品已经在提升模型开发效率、模型安全合规、全生命周期管理等方面取得突破，在行业内树立了良好的口碑。同时，公司已经在模型可解释性领域构建了专业壁垒，成为国内首家实现可解释模型完全落地的AI公司。
柴磊坚信，未来大模型在提升银行风控精度、提升运营效率降低成本方面将发挥巨大价值，但在此之前必须要跨越一系列挑战，最典型的就是大模型幻觉问题。
以魔数智擎专注的金融风控细分赛道为例，银行客户对AI基础软件的专业性和稳定性要求极高，容错度极低。即使大模型出现细微误判，也会对银行资产造成巨大损失。
同时，如何将大模型的通用能力，锻造为金融风控“细分领域专家能力”也是行业一大挑战。金融行业的信贷审批、风险评估、反欺诈识别等垂直场景需要复杂的决策逻辑并参考大量动态变量，当前通用大模型与金融场景所需的高精度、可解释性之间仍存在能力鸿沟。
“在金融风控领域，目前大模型还不可能取代小模型。魔数智擎的破解思路是：大模型与小模型融合落地、优势互补。” 柴磊表示。
基于这个底层逻辑，魔数智擎集中力量技术攻关，自研出“金融行业客户风险智能识别大模型”。概括地说，该方案通过高精度、可解释的小模型平台完成金融风控决策分析，同时让大模型将预测分析结果以更直观、业务化的形式呈现出来，通过大小模型优势互补辅助金融行业进行高效决策。
具体来说，其在技术创新方面实现三大突破：
第一，基于昇腾AI训推算力底座平台，构建统一模型底座，统一调度大小模型推理算力，实现快速响应业务需求。
昇腾AI训推算力底座平台为魔数智擎的创新提供了底层支撑。该平台由Atlas 800I A2推理服务器和Atlas 800T A2训练服务器组成，基于性能领先的昇腾AI基础软硬件，能够实现更高算力密度、高速网络带宽与极致能效比。
第二，通过可解释、简单化的模型开发组件，打造高精度小模型建模能力，大幅缩短模型开发周期并提高业务决策效率。通过底层核心算法自主创新，实现白盒化开发模式，解决模型可解释性及模型难以融合业务等问题。
第三，通过大模型Agent开发平台，实现大模型场景化。支持智能化Agent创建、预训练模型微调、多模态多类型数据处理，能够针对不同意图调用不同Agent，对不同Agent的返回进行智能化润色，实现风控业务人员对预测结果能看懂、更可控、可干预。
此外，基于该方案，魔数智擎还推出了智慧办公助手平台，提供智能问答助手、文档生成助手、数据分析助手、智慧编程助手等功能，帮助金融客户实现全员All in AI与降本增效。
昇腾赋能，破解金融AI落地难题
柴磊坦言，在昇腾AI创新大赛的淬炼中，魔数智擎完成了从“小模型专家”到“大小模型融合先行者”的跃迁。魔数智擎技术团队早期以小模型开发见长，能够在不到一年时间内迅速补齐大模型开发能力，既有公司对AI人才的持续加码，也离不开昇腾生态的助力。
“作为一家创业公司，从来没有任何大厂能够给予我们这样大的支持。在这样的正向反馈机制下，我们也更主动地拥抱昇腾生态。” 柴磊介绍，在长达8个月的参赛过程中，昇腾对魔数智擎给予了全方位的赋能：
首先，昇腾AI基础软硬件和昇腾社区的技术支持。借助昇腾社区提供的AI开发资源、全栈开发工具链、行业案例库以及相关课程，魔数智擎研发团队快速攻克众多核心技术难点。
其次，加速自研算法与昇腾底层算力适配优化。通过与华为专家多轮沟通，解决技术难点，魔数智擎快速完成模型与昇腾算力底座的深度适配，解决算力资源调度等难题。
“AI时代的软件开发，早已不局限于纯软件领域，软件与模型能力越来越离不开与底层算力的融合。如何进行算力优化，如何发挥昇腾硬件最大的效能，研发团队做了大量的工程化工作。” 柴磊表示。
第三，产品形态创新，一体机+模块化平台破解金融行业AI落地难题。
虽然获奖方案还处在应用早期，但其商业模式已经非常清晰，以客户风险智能识别大模型一体机的形式落地。
目前一体机包括小模型建模平台、大模型Agent开发平台、智慧办公助手平台以及昇腾训推算力底座平台四大模块，能够根据金融企业不同的需求自由组合。
“大模型时代，软硬一体的趋势越来越明朗。我们也一直在思考，如何为客户提供更具性价比的一站式解决方案。一体机是一个非常值得尝试的方向，通过轻量化设计做到了开箱即用，简化部署流程，能够适配企业场景，快速跑通需求。” 柴磊表示。
2025年，金融行业数字化自主创新进入关键时期。DeepSeek浪潮的助推，也让金融行业拥抱大模型的需求高涨。柴磊深知，金融客户需要的不是大模型技术的突破，而是能穿透业务痛点的确定性价值。
“从一线接触看，我们明显感觉到金融行业自主创新在加速，同时对AI大模型也从过去的观望到重点关注。我的判断是，全行业对GPU的需求不但不会减少，反而会增加，大量的私有化部署需求下，对推理的需求更是爆发性增长。这进一步坚定了我们与昇腾生态合作的信心。目前，我们已经基于DeepSeek做更进一步的研发，将DeepSeek与我们的核心能力更深度的融合。”
结语
目前，昇腾已经成为AI算力领域自主创新的标杆。昇腾AI生态已经汇聚了300多万开发者和1600多家行业伙伴，共同孵化了2900多个行业AI解决方案。
在金融行业，一场由大模型驱动的产业重构正在发生。魔数智擎的创新突破，也预示着大模型在金融行业即将达到商业落地的临界点。昇腾生态的体系化赋能，正为这场变革注入澎湃动力，构建从算力到场景的价值闭环。
昇腾×魔数智擎，这种生态平台与行业伙伴的双向价值流动，标志着中国AI产业正在走出单兵作战时代，全面迈向生态共赢时代。
END
本文为「智能进化论」原创作品。
)
