在数字支付迅猛发展的时代，欺诈行为已成为全球金融机构面临的头号威胁。根据行业数据，2025年全球支付欺诈损失预计将超过500亿美元。万事达卡作为支付巨头，正通过AI技术强势反击。公司近日推出一种新型基础模型——大型表格模型（Large Tabular Model，简称LTM），这是继大型语言模型（LLM）之后，AI在结构化数据领域的重大突破。
LTM vs LLM：表格数据的AI革命
传统的大型语言模型如GPT系列，主要处理非结构化文本或图像数据，而LTM则专为表格数据量身定制。表格数据即交易记录、财务报表等高度结构化的信息，万事达卡的LTM就是在数十亿笔真实卡交易数据上训练而成。这种模型能捕捉交易模式中的微妙异常，例如异常消费地点、频率或金额偏差，从而实时检测欺诈。
万事达卡表示，该基础模型训练于数十亿笔卡交易数据，并计划扩展至数百个市场。
与LLM不同，LTM无需海量文本标注，而是直接从交易日志中学习特征。这不仅降低了训练成本，还提升了在金融场景下的准确性。想象一下：用户在异国刷卡时，模型瞬间分析历史行为、商户信誉和实时风险信号，判断是否为盗刷。
数字支付欺诈的严峻挑战
随着移动支付和无接触交易普及，欺诈手法日益狡猾。从账户接管到合成身份欺诈，攻击者利用AI生成假交易。2024年，全球信用卡欺诈率已升至0.1%以上，万事达卡处理的海量交易使其成为理想的AI训练场。公司每年处理超过2万亿笔交易，这些数据已成为LTM的“金矿”。
行业背景中，类似创新已初现端倪。PayPal和Visa也部署了AI反欺诈系统，但多依赖规则引擎或小型机器学习模型。万事达卡的LTM代表基础模型范式向金融的迁移，能泛化到多种欺诈类型，并支持下游任务如风险评分和商户认证。
📊 独家研究 | 赢政天下研究院 出品 | 商业使用请联系授权
技术细节与未来扩展
LTM的核心在于Transformer架构的变体，优化处理序列化的表格行。训练过程涉及隐私保护技术，如联邦学习，确保数据不出本地。万事达卡计划将模型开源部分组件，让中小银行接入，提升全球支付生态安全。
扩展计划雄心勃勃：从当前核心市场扩展至数百个国家，支持多币种、多渠道交易。结合区块链和生物识别，LTM将构建“零信任”支付网络。
编者按：AI金融新时代的里程碑
这一创新不仅是技术跃进，更是金融AI的范式转变。LTM证明，基础模型不止于聊天机器人，还能重塑高风险行业。挑战在于数据隐私与模型偏置，万事达卡需平衡创新与监管，如欧盟GDPR和中国个人信息保护法。但长远看，它将大幅降低欺诈损失，推动普惠金融。展望2026年，更多支付巨头或跟进，AI将成为支付安全的“守护神”。
作为AI科技新闻编辑，我们认为LTM的推出标志着结构化AI的爆发，值得全行业关注。它不仅提升效率，还可能催生新商业模式，如AI驱动的动态定价。
（本文约1050字）
本文编译自AI News
© 2026 Winzheng.com 赢政天下 | 本报告为 Winzheng Research Lab 原创研究成果，版权所有。未经书面授权，严禁任何形式的转载、摘编或商业使用。