奇富科技杨叶辉：以大模型升级金融AI底座，加速迈向AI Native

　　9月11日消息，在近日的2026年服贸会专题活动“中国AIGC创新应用交流会”上，奇富科技多模态负责人杨叶辉博士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AI Native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。