在数字化浪潮下，全球贸易正经历着前所未有的变革。XTransfer，作为中国B2B外贸金融第一平台，自研并落地了外贸金融大模型TradePilot。面对市场上现有的各类大模型，XTransfer选择了一条更难但更有价值的道路——自研。背后是对业务需求的深刻理解、对数据安全和隐私保护的严格要求，以及对技术掌控和创新能力的追求。
自研大模型让XTransfer能够更灵活地调整和升级服务，快速响应市场变化，同时也为XTransfer技术成长提供了肥沃的土壤。基于此，我们与XTransfer算法专家马龙深入探讨TradePilot的诞生背景、技术创新以及它如何为B2B中小微外贸企业的跨境金融服务带来改变。
了解到XTransfer在今年发布了一个外贸金融大模型TradePilot，能否请您介绍下这个项目的背景？
马龙：TradePilot是XTransfer自研的外贸金融大模型，今年成功落地，为B2B中小微企业的外贸金融服务带来了新的改变。这个模型的背景是全球贸易数字化的趋势，以及中小微企业在全球展业时面临的挑战，比如高门槛、高成本和复杂的跨境金融服务流程。
TradePilot通过先进的数据分析和人工智能技术，提高支付及金融服务的效率和安全性。这个模型结合了大量行业数据和市场需求，采用了最新的大模型训练和微调技术，以确保在风险管理、客户服务等方面具有卓越的性能。
在风险识别和管理方面，TradePilot通过其上下文推理和自然语言处理能力，能准确预测并防范潜在的交易风险，极大地提升了中小微外贸企业的市场竞争力。此外，它还嵌入了XTransfer的智能客服系统，显著提升了语义识别和理解的能力，智能客服解答率提升接近7倍。
TradePilot的成功落地，预期推动整个B2B外贸金融行业向更高效、更安全、更智能的方向发展。
开发大模型是一个成本高、周期长、技术能力要求高的事情，相对于大厂提供的开放大模型，XTransfer为什么要独立搭建呢？具体是基于什么样的考虑？
马龙：首先，自己搭建的大模型能更贴近我们的业务需求。现成的大模型虽然方便，但它们大多是为了通用场景设计的，可能没法完美贴合我们特定的业务场景。自研的话，我们可以针对性进行训练和优化，这样模型的预测和处理能力就更贴合我们的实际需要了。其次，自己搭建大模型可以让我们对技术有更深的掌握和控制。这意味着我们可以更灵活地对模型进行调整和升级，快速响应市场变化和技术进步。而且，自建模型可以帮助我们培养和锻炼自己的技术团队，提升整体的技术实力。
当然，自建大模型确实成本高、周期长，还要求有较高的技术能力。但长远来看，这是一项值得投资的核心技术，能帮助我们在AI领域实现更多的创新和突破。毕竟，跟随和依赖别人的脚步，永远无法成为行业的领跑者。通过自建大模型，我们可以更深入地参与到AI技术的研究和应用中，推动整个行业的发展。
请您介绍一下外贸金融大模型的技术架构？具体来看，训练大模型所需的数据来源有哪些？目前咱们的计算资源如何？在算法层面，也请您帮忙做一些分享。
马龙：关于外贸金融大模型的技术架构，训练大模型所需的数据来源，以及计算资源和算法层面的情况，我可以分享一些信息：
首先，技术架构方面，TradePilot模型采用了分布式计算架构，这种架构可以确保数据处理的高效性和稳定性。TradePilot在数据处理过程中集成了多种先进的安全技术，包括数据加密，以确保数据内容在未经授权的情况下无法被读取或理解；数据脱敏，以确保在数据处理和分析过程中，隐私数据和敏感信息始终处于高度保护的状态；访问控制，确保只有授权人员能够访问敏感数据；以及审计机制，对数据访问进行记录和监控，以防止数据的不当使用。这些措施共同构成了一个综合的数据保护框架，旨在确保客户数据的安全性和隐私性，同时符合国际和地区相关的法律法规要求。
计算资源方面，大模型训练通常需要大量的GPU或TPU资源，这些资源提供了强大的并行计算能力，可以加速模型的训练过程。TradePilot模型在设计之初就高度重视数据安全和隐私保护，因此在计算资源的选择上也会考虑到这些因素，以符合国际和地区相关法律法规的要求。
在算法层面，大模型的训练涉及到多种算法和工程技术，包括模型结构优化，训练加速，正则化，分布式训练，混合精度训练，数据合成，知识蒸馏等。这些算法共同作用才能提升模型性能、训练效率和推理速度。此外，大模型训练还会涉及到多模态学习，这是一种涉及多种类型数据（如文本、图像、声音等）的机器学习任务，它可以提高模型的理解和处理能力。
接下来外贸金融大模型的迭代方向是什么？长期来看，XTransfer想要打造一款什么样的外贸金融大模型。
马龙：关于TradePilot这个大模型的迭代方向，我们技术团队一直在思考如何让它更贴合我们客户的需求。长期来看，我们想要打造的不仅仅是一个处理数据的模型，而是能够真正理解外贸业务、预测市场趋势、甚至提供决策支持的智能系统。
首先，我们会继续优化模型的多模态能力，让它不仅能处理文本，还能理解和分析图像、声音等各种类型的数据。这样，我们就能从更多维度理解业务，提供更全面的服务。其次，我们计划提升模型处理长上下文的能力。在外贸领域，客户相关信息量往往非常丰富，包括客户的长期需求和市场行情的频繁变化，通过增强模型对长文本的理解，我们能够更好地理解客户的诉求和相应的变化。
最后，我们正在研发AI Agent平台，能够迅速地构建AI 智能体，将TradePilot的规划能力、决策能力轻松赋能到各个业务场景。想象一下，未来我们的各个领域，将有大量的专家级别的机器人不仅能帮你分析数据，还能直接采取行动，比如在检测到问题时自动采取措施。
谈谈外贸金融大模型在公司内部的应用具体有哪些？
马龙：在算法训练和模型服务层面，基于大模型，XTransfer构建统一的算法训练平台，支持分布式训练、模型版本管理、检查点自动恢复、可视化监控、一键部署等功能。同时，我们构建了外贸服务行业垂直领域的首个行业知识图谱，涵盖了上百个外贸服务行业下数百万种细分产品的上下游供应链关系，以及各个国家最新的跨境支付合规知识。
对于外贸金融大模型在公司内部的应用，从数据处理和分析来看，大模型在数据整合、分析、安全等功能中发挥作用。当然，我们根据金融监管合规要求，制定了精细化的权限管理机制。数据来源覆盖出口贸易行业，包括结构化和非结构化数据。
此外，外贸金融大模型的应用领域，还包括了风险控制、精准营销、自动化流程、决策支持、客户管理等各个方面。具体来说，我们的智能客服作为最早搭载大模型能力的产品，将客户体验提升了一个台阶；我们的风控审核助理已经成为了风控审核人员的有力帮手；我们的供应链推理机器人为我们的外贸搜索引擎提供了精准的搜索意图识别能力；还有像AI陪练、销售助手、智能知识库、客户画像、销售流程挖掘等业务都集成了TradePilot的能力。
对于B2B跨境支付的风控而言，外贸金融大模型如何发挥作用？从研发到应用，大模型如何影响公司的业务模式？
马龙：从研发到应用，TradePilot对XTransfer公司产生了深远的影响。它不仅提升了交易的安全性和效率，还显著降低了中小微外贸企业的成本，并逐步在多个领域进行有效落地应用。在客户服务层面，TradePilot已嵌入XTransfer智能客服系统。同时，针对外贸企业的营销获客需求，搭载TradePilot的AI建站已经实现上万个站点的建立，大幅降低了外贸建站的门槛。
总的来说，TradePilot的应用使得XTransfer能够为外贸企业提供更加数智化的跨境金融服务，推动了整个B2B外贸金融行业的数字化转型。
对于B2B跨境支付的风控而言，TradePilot依托其独有的外贸领域知识，能够深入理解各国的贸易规则、金融监管和市场环境，精准识别跨境交易中的风险。大模型可以通过分析跨境交易中的历史数据，汇率波动，贸易合同，物流信息，以及客户行为，识别潜在的风险点并提供实时预警。同时，大模型还与我们的行业知识图谱进行了结合，帮助风控人员更精准地评估交易双方的信用，预防欺诈行为。
在研发阶段，由于外贸大模型需要基于大规模行业数据来进行训练。在准备训练的数据资产的过程中，大量行业数据的精细化处理帮助我们从复杂的跨境支付、金融交易、贸易法规、行业报告等数据中提取出高价值信息，提高了技术团队对业务的理解能力。大模型的训练过程中也为我们积累了宝贵的搭建和高效利用分布式集群的经验。应用阶段，我们通过将大模型赋能到风控、客服、销售、合规、拓客等各个领域，提高了业务的运行效率，也大幅降低了人力成本。特别是我们的AI员工，作为整个行业首个数字化员工全流程自主运营的明星产品，一经推出，便获得了客户的高度认可，也掀起了整个行业AI员工类产品爆发式增长的风潮。大模型强大的理解能力和推理能力，让我们看到了崭新的业务前景，现在TradePilot在整个公司业务的渗透率已经接近100%。
总的来说，TradePilot的应用使得XTransfer能够为外贸企业提供更加数智化的跨境金融服务，推动了整个B2B外贸金融行业的数字化转型。
相对于2C的大模型，普通用户都可以轻易接触到大模型支持的产品，相对来说对安全性、可靠性、稳定性的要求没那么高。但是，企业级应用对性能和可靠性的要求极高，2B大模型必须保证在商业环境中的稳定运行，您怎么看待这个问题？以及外贸金融大模型的可靠性和稳定性如何？
马龙：以跨境贸易来说，B2B的交易比B2C复杂多了，涉及的环节多，数据也分散，反洗钱风控的难度自然更大。TradePilot就像超级大脑，通过它的自然语言处理和上下文推理能力，我们可以预测和防范潜在的交易风险，这样中小微外贸企业的市场竞争力就能够显著提升。
大模型的可靠性和稳定性是企业级应用的命脉。企业级应用必须保证7*24小时的稳定运行。TradePilot在设计时就考虑到了这些，采用了分布式计算架构，这样既能保证数据处理的高效性，又能保持稳定性。我们对数据安全和隐私保护也有严格的要求。所有的数据操作都得符合国际和地区相关法律法规的要求，通过加密技术、访问控制和审计机制，确保用户数据的安全 。
XTransfer技术团队尤其是算法团队，目前在大模型之外，还有哪些创新型的课题？能否帮我们做一些分享。
马龙：XTransfer技术团队，尤其是算法团队，除了大模型之外，还在看一些其他前沿的课题。比如，我们正在构建一个外贸金融数据仓库，帮我们整合和分析大量的结构化和非结构化数据，从而持续提高对外贸金融行业的洞察力。我们还搭建了自己的算法训练平台。这样，我们的算法工程师可以更灵活、高效地进行模型训练和迭代。
此外，我们还在构建基于外贸服务行业的行业知识图谱，这个图谱涵盖了上百个细分行业内的数百万量级的产品供应链关系和跨境支付合规知识，帮助我们在反洗钱风控和客户管理等方面提供更专业的服务。
总的来说，XTransfer致力于利用最新的技术，包括AI、大数据分析、云计算等，来推动外贸金融服务的创新和升级，为中小微外贸企业提供更安全、更便捷、更智能的服务。
