(資料圖片)
9月25日，在云棲大會“新‘模’力 新點金：金融大模型技術峰會”上，奇富科技首席算法科學家費浩峻基于公司豐富的落地實踐經驗，系統闡述了金融大模型的落地邏輯——告別參數規模的盲目追逐，以“做小做強”的路徑推動金融AI從“堆人力、堆模型”的傳統范式，邁向“聚智能、見個體”的價值升級，為行業提供了金融大模型務實落地的清晰樣本。
費浩峻指出，在傳統機器學習階段，金融AI面臨兩大核心制約：一是高度依賴人工特征工程，模型難以直接處理真實世界中復雜、非結構化的數據；二是模型泛化能力差，不同業務需定制不同模型，迭代成本高、響應慢。
面對這些挑戰，奇富科技圍繞金融大模型技術形成四大破局點：
第一步，一模型多能，打破泛化瓶頸。奇富科技基于千問多模態大模型打造“AI審批官”，僅用一個模型即可覆蓋各類銀行單據解析任務，告別過去二三十個OCR模型并行的冗余局面，顯著提升處理效率與精度，實現大模型在真實業務中的“做強”首戰。
第二步，從標簽到個體，推動服務精準化。費浩峻提到，奇富科技近期推出的“小微識別智能體”，正嘗試突破傳統群體標簽的局限，對小微企業多維度信息進行組合推理，逐步逼近個體真實經營狀態，推動服務從“歸類式”走向“個體化”，真正“看見個體、發現個體、服務個體”。
第三步，模型“做小”破解算力難題。費浩峻強調，大模型時代并非追求參數規模越大越好，而是在保證效果的前提下，通過模型蒸餾技術實現“同尺度下做小”。近期奇富科技與阿里云合作，將模型蒸餾技術應用于“小微智能體”：在確保服務效果無損的前提下，模型效率實現了數千倍提升，有效破解算力與延遲瓶頸，讓“個體級”的精準服務具備大規模落地的可能。
第四步，決策可解釋，筑牢合規基石。對于金融行業而言，“做強”的前提是“可信”——決策的合理性與可解釋性，是大模型落地的核心合規要求。費浩峻介紹，在風控等核心場景，奇富科技構建“端到端風險決策模型”，通過思維鏈(COT)數據與推理鏈路輸出，使決策過程可追溯、可挑戰、可修正，提升模型可信度，為大模型在金融領域的合規落地提供支撐。
在費浩峻看來，金融大模型的真正價值不在于參數規模，而在于能否在嚴苛場景中實現“精準、高效、可信”的統一。未來，奇富科技將持續推動大模型在金融領域的深度應用，致力于通過更智能、更可信的AI能力，賦能金融機構提升服務效率與風險管理水平，讓技術創新真正惠及每一個微觀個體。
圖為奇富科技授權中國網財經使用
