創新科技大咖説|專訪易鑫集團首席AI科學家、高級副總裁張磊:垂直領域AI技術應用開發需注意透明度與“數據不出域”

市場資訊
06-30

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

每經記者:黃婉銀 每經編輯:魏官紅

“DeepSeek”作爲今年AI(人工智能)領域不可忽視的熱詞,該大模型算法如何應用於不同行業成爲垂直領域的新課題。

而隨着AI與汽車金融的融合向縱深方向發展,如何依託數據積累、場景理解與算法創新構建核心壁壘,已成爲行業破局的關鍵命題。

近日,《每日經濟新聞》記者(以下簡稱NBD)在香港現場專訪了易鑫集團(HK02858,股價2.34港元,市值158.39億港元)首席AI科學家、高級副總裁張磊。他表示,在技術落地的背後,“數據不出域”的合規要求與決策透明度的雙重挑戰,正推動行業探索聯邦機器學習、數據脫敏等技術組合方案,香港更有望憑藉國際金融中心地位,成爲跨境數據治理標準建設的關鍵節點。

易鑫集團首席AI科學家、高級副總裁張磊 圖片來源:受訪者提供

香港有望成爲跨境數據標準建設的重要節點

NBD:您認爲AI涉及的數據安全方面該如何保障?

張磊:在數據使用上,我們嚴格遵循國家金融領域的合規要求。一方面,採用聯邦機器學習技術,即允許多個參與方(如設備、機構或企業)在不共享原始數據的情況下,協同訓練AI模型,實現數據可用不可見;另一方面,公司內部使用數據時,對所有隱私信息進行脫敏處理,並建立嚴格的數據使用審批制度。

NBD:垂直領域人工智能技術應用開發和探索的難點是什麼?

張磊:難點主要有兩方面,一是需保證高質量的效果,同時決策要透明,能讓用戶清晰知曉判斷的原因;二是在“數據不出域”(指數據的原始存儲位置不得隨意改變,數據的處理和分析必須在數據產生的域內進行,以此來保障數據的完整性和安全性)和強監管、高安全合規要求下,實現理想效果頗具挑戰。

NBD:未來3至5年,您認爲投資者和企業在汽車金融領域的機遇和挑戰是什麼?中國香港將發揮怎樣的作用?

張磊:我認爲未來的機遇在於汽車金融科技公司用AI賦能行業以及服務中國有出海戰略的企業。另外,在跨境數據治理和標準建設方面,通過區域性合作統一數據治理、標準與規範。就像統一鐵路標準一樣,可避免資源浪費,中國香港作爲國際金融中心有望成爲重要節點。

垂直領域AI創新需數據積累與場景理解

NBD:相比一些AI大模型,DeepSeek成本開支較低但算法能力強,您認爲汽車垂直領域的AI大模型該如何具備相似特徵?易鑫集團的AI大模型在哪些方面取得進展?

張磊:對於DeepSeek,所謂成本較低,主要因爲在算法工程、算法結構方面做了大量的創新。那麼,對於汽車垂直領域,我們實現自動化目標依靠三個方面,即長期積累的領域數據及對複雜業務場景的深入理解,對大模型結構的理解,以及訓練和推理方面的算法工程創新。

對於易鑫集團,我們基於自身數據和模型算法,開源了YiXin-Distill-Qwen-72B推理大模型。該模型是汽車金融行業首個開源的大尺寸推理模型,性能與DeepSeek-r1相近。

NBD:易鑫集團在AI創新方面有哪些發展?是否致力於打造汽車垂直領域的DeepSeek?

張磊:汽車的金融科技產品有兩個核心,一是複雜場景判斷,二是長鏈路的決策流程能力。易鑫智能體產品旨在打造汽車金融科技行業全自動化流程,大幅提升行業效率。

易鑫集團正逐步把AI全面應用到各個業務場景中,以AI爲核心重塑業務模式和流程。例如,在資產管理端,易鑫的資管智能體大模型突破傳統按逾期級別處置的模式,通過大模型驅動的動態流程設計,使修復率提升一倍。

我們作爲一家AI驅動的金融科技平臺,具備三大核心優勢:一是積累了大量垂直領域的汽車數據資產;二是自公司成立第二年起,持續深耕AI領域,在訓練和推理能力上經驗豐富;三是具有完備的人才、算力和數據三要素,尤其是高質量的領域數據,構成了我們的核心競爭力。

海量資訊、精準解讀,盡在新浪財經APP

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10