在支付风险领域，AI 发挥着不可或缺的作用。在 eBay 交易风控业务中，我们广泛采用 AI 模型来识别欺诈活动并保护用户的合法交易。为确保模型的效果，数据科学家需要频繁迭代模型，以及时应对线上异常用户的实时交易行为。然而，传统的模型开发上线流程非常耗时，特别是在存在多个模型输出依赖的情况下更为明显。为提高 AI 模型的上线效率，同时确保模型准确性，我们专为 eBay 交易风控场景开发了 AI 模型推理仿真平台。该平台通过仿真产线上的模型推理过程和结果，快速验证模型性能和业务表现，显著提高了模型的迭代效率，使其能够迅速适应不断变化的在线用户交易行为。

目前，该平台已支持 eBay 支付风控领域数十个模型的推理仿真，不仅支持传统机器学习模型，还能实现深度学习模型和存在依赖关系的多模型推理的仿真。仿真结果与实际结果的平均匹配程度超过 99.5%，将模型部署到业务使用之前的耗时从过去的 2 周以上缩短至 3 天以内，为 eBay 支付风控业务的发展提供了强大的支持。

演讲提纲

1. eBay 交易风控模型上线过程和痛点分析

   • 模型生命周期管理
   • 模型训练和推理中的一致性问题
   • 模型迭代对业务使用的影响

2. AI 模型推理仿真平台的设计和实现

   • 模型训练和推理一致性问题的解决方案
   • 仿真平台的架构设计
   • 核心组件分析和实现
3. 模型推理仿真应用及效果
   • 模型仿真流程及模型快速上线
   • 效率提升分析
4. 对模型推理仿真的思考和展望

听众收益：

• 了解真实产线上的 AI 模型部署整体流程
• 了解模型生产化过程中常遇见一致性的问题和相关的解决方案
• 了解 eBay 支付风控模型推理仿真的设计和实现

演讲亮点：

• AI 模型的推理仿真在业内很少被提及，我们基于 eBay 交易风控业务的需要，设计和开发了模型推理仿真平台，对于需要实现模型快速迭代上线的场景提供了一种解决思路；
• 模型训练和推理的一致性问题是非常普遍存在的，我们的方案能够解决相似场景下的模型训练和推理的一致性问题。

方案痛点:

• 只有特征计算和模型推理计算的实现都是无状态的才能被正确仿真。
• 对于团队整体的技术能力要求较高，需要对于系统开发、AI 模型开发和 MLOps 理念都比较熟悉。