聚焦WAIC | 金融大模型“六層路徑”，探索普惠信貸安全增長(zhǎng)新范式
來(lái)源： 紫牛新聞
2026-07-20 11:49:00
7月17日，2026世界人工智能大會(huì)暨人工智能全球治理高級(jí)別會(huì)議在上海啟幕。作為全球人工智能領(lǐng)域的重要交流平臺(tái)，WAIC正在成為觀察大模型產(chǎn)業(yè)落地、行業(yè)應(yīng)用演進(jìn)與AI治理趨勢(shì)的重要窗口。
在本屆大會(huì)上，奇富科技首席AI科學(xué)家楊青表示，金融AI的下一階段，不是讓大模型停留在問(wèn)答、寫(xiě)作和單點(diǎn)提效，而是讓AI逐層進(jìn)入金融生產(chǎn)系統(tǒng)，重構(gòu)數(shù)據(jù)理解、業(yè)務(wù)模型、流程執(zhí)行和決策服務(wù)。
2026世界人工智能大會(huì)，奇富科技首席AI科學(xué)家楊青演講現(xiàn)場(chǎng)
在普惠信貸進(jìn)入高質(zhì)量發(fā)展階段的背景下，行業(yè)面臨的核心問(wèn)題已經(jīng)不只是擴(kuò)大覆蓋，而是在降本、控險(xiǎn)、合規(guī)與可持續(xù)之間建立新的平衡。對(duì)金融科技平臺(tái)而言，未來(lái)不能依賴(lài)高定價(jià)覆蓋高風(fēng)險(xiǎn)，而要依靠更強(qiáng)的風(fēng)險(xiǎn)識(shí)別、更高的運(yùn)營(yíng)效率、更精準(zhǔn)的用戶(hù)適配和更穩(wěn)定的資產(chǎn)質(zhì)量，支撐成本可負(fù)擔(dān)、風(fēng)險(xiǎn)可控、商業(yè)可持續(xù)的普惠金融服務(wù)。
楊青認(rèn)為，AI不改變金融本質(zhì)，但會(huì)重構(gòu)金融理解信息、組織模型、執(zhí)行流程和治理責(zé)任的方式。大模型落地金融，也不可能從問(wèn)答一步跳到核心決策，而是沿著“知識(shí)、數(shù)據(jù)、模型、交互、流程、決策”逐層進(jìn)入生產(chǎn)系統(tǒng)。
圍繞這一判斷，奇富科技在大會(huì)上提出金融大模型應(yīng)用六層路徑：第一層是知識(shí)工作提效，讓運(yùn)營(yíng)、合規(guī)、分析等崗位形成“Prompt+初稿生成+專(zhuān)家復(fù)核”的新工作方式；第二層是復(fù)雜數(shù)據(jù)結(jié)構(gòu)化，把證件、合同、流水、報(bào)告、對(duì)話(huà)、視頻等復(fù)雜金融材料轉(zhuǎn)化為可解釋、可入模、可評(píng)測(cè)的業(yè)務(wù)變量；第三層是業(yè)務(wù)模型增強(qiáng)，讓大模型參與分類(lèi)、排序和風(fēng)險(xiǎn)表征學(xué)習(xí)，增強(qiáng)風(fēng)控與經(jīng)營(yíng)模型；第四層是智能交互與人機(jī)協(xié)同，讓金融服務(wù)交互變得更可控、更可留痕、更可質(zhì)檢、更可迭代；第五層是流程Skill化，把專(zhuān)家經(jīng)驗(yàn)和業(yè)務(wù)流程沉淀為可復(fù)用、可審計(jì)、可迭代的能力資產(chǎn)；第六層是信貸業(yè)務(wù)Agent決策服務(wù)，以大模型作為規(guī)劃中樞，在合規(guī)、風(fēng)險(xiǎn)和權(quán)限邊界內(nèi)調(diào)用模型、規(guī)則、Skill與業(yè)務(wù)系統(tǒng)，形成更完整、更一致、更可審核的決策服務(wù)建議。
這一路徑背后的邏輯是：金融大模型的價(jià)值不只在模型本身，而在于能否被組織進(jìn)真實(shí)業(yè)務(wù)流程，并持續(xù)產(chǎn)生可驗(yàn)證的業(yè)務(wù)價(jià)值。
據(jù)楊青介紹，在復(fù)雜數(shù)據(jù)結(jié)構(gòu)化方面，奇富科技自研并開(kāi)源FCMBench評(píng)測(cè)體系，面向金融信貸場(chǎng)景中的多模態(tài)材料理解能力進(jìn)行系統(tǒng)評(píng)估。其核心目標(biāo)不是“做榜單”，而是讓復(fù)雜材料理解成為可驗(yàn)證、可迭代、可落地的工程能力。
在業(yè)務(wù)模型增強(qiáng)方面，奇富科技探索征信大模型技術(shù)路線(xiàn)，不是讓大模型簡(jiǎn)單生成解釋?zhuān)亲屍鋮⑴c分類(lèi)、排序和風(fēng)險(xiǎn)表征學(xué)習(xí)，形成可驗(yàn)證、可入模的風(fēng)險(xiǎn)子分。這意味著大模型正在從內(nèi)容生成工具，進(jìn)一步進(jìn)入業(yè)務(wù)模型開(kāi)發(fā)流程。
在流程Skill化方面，奇富科技近期還推出并開(kāi)源自動(dòng)建?？蚣躆odelEvo，嘗試將建模專(zhuān)家的任務(wù)澄清、樣本構(gòu)建、特征挖掘、模型開(kāi)發(fā)、效果評(píng)估和報(bào)告復(fù)盤(pán)等流程沉淀為Skill Pipeline。相比傳統(tǒng)AutoML，ModelEvo更強(qiáng)調(diào)業(yè)務(wù)知識(shí)、流程經(jīng)驗(yàn)和結(jié)果反饋的持續(xù)沉淀，讓金融專(zhuān)業(yè)流程在執(zhí)行、復(fù)盤(pán)和更新中不斷自我迭代。
在更高層次的信貸業(yè)務(wù)Agent方向，AI審批官不是替代審批人員直接做決定，而是在合規(guī)與風(fēng)險(xiǎn)邊界內(nèi)理解申請(qǐng)材料和業(yè)務(wù)狀態(tài)，調(diào)用風(fēng)控模型、審批規(guī)則和合規(guī)校驗(yàn)工具，生成審批建議、關(guān)鍵依據(jù)與人審要點(diǎn)，輔助審批人員做出更完整、更一致、更可審核的判斷。
值得注意的是，本體建設(shè)才是企業(yè)走向AI Native的關(guān)鍵底座。大模型并不缺金融通識(shí)，真正缺的是對(duì)企業(yè)內(nèi)部業(yè)務(wù)語(yǔ)境的理解。不同團(tuán)隊(duì)之間的指標(biāo)口徑、風(fēng)險(xiǎn)語(yǔ)義、業(yè)務(wù)概念和上下文關(guān)系，如果不能被結(jié)構(gòu)化沉淀，大模型就很難穩(wěn)定進(jìn)入企業(yè)生產(chǎn)系統(tǒng)。
因此，本體建設(shè)的核心，不是把知識(shí)庫(kù)整理得更漂亮，而是把企業(yè)內(nèi)部業(yè)務(wù)語(yǔ)義變成機(jī)器可理解、業(yè)務(wù)可復(fù)核、流程可復(fù)用的共同語(yǔ)言。它是連接通用大模型與企業(yè)級(jí)智能體的關(guān)鍵基礎(chǔ)設(shè)施。
從智能風(fēng)控到金融智能體，金融AI的競(jìng)爭(zhēng)正在從“誰(shuí)接入了更強(qiáng)的大模型”，轉(zhuǎn)向“誰(shuí)能把數(shù)據(jù)、模型、流程、Skill、Agent、本體和治理組織成可信的金融生產(chǎn)系統(tǒng)”。
揚(yáng)子晚報(bào)/紫牛新聞?dòng)浾?徐曉風(fēng)
校對(duì) 吉啟雷