中国经济时报记者 姜业庆

9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AINative转型的实践。

在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果、更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。

在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。

针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。

升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。

在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。

此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。

从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。