是时候从新认识奇富科技(03660)了

智通财经网
May 23, 2025

智通财经APP获悉,5月20日,奇富科技(03660)发布2025年第一季度财报。无论是财报新闻,还是管理层电话会,句句围绕AI展开。2023年,这家公司成立了金融科技行业首个大模型团队,很长一段时间由创始人吴海生直接管理。从2024年开始到这一季度报,奇富科技均交出了不俗的业绩,外界很难拆清楚AI在其中的贡献,但从吴海生去年12月公开表示,“AI的发展让他感到焦虑,到在财报电话会中强调“将对AI保持高强度投入”,都不难看出,AI已经成为这家公司当下最重要的事。

今年3月,讨论已久的AI战略正式宣布,一场要求“全员AI化”运动让这家多年处在谨慎求稳的公司,突然加热沸腾,有人兴奋,有人难熬。内部邮件中形容“这不是一个封闭的实验室,而是一场全员参与的AI革命。”从去年四季度到今年以来,由CEO吴海生牵头发起的AI技术沟通动员会就开了数十次,从干部层到业务团队几乎全员参与。有时一场原定30人参加的会议,你拉我,我拉你,经常有数百人线上旁听,观望者、不想掉队的,都希望在一次次会议中找到方向。

“决心很大,投入空前。”笔者独家获悉,奇富内部所有业务条线和职能部门,都已经动起来了。正如吴海生所言,“AI是需要信仰的技术,要真正将AI落实到金融产业并解决核心问题,需要愚公精神。”一次次预算追加、技术headcount(员工名额)增了又增,组织架构的调整,这不是公司借AI热点讲的新故事,而是真的要变了。从笔者掌握的几次绝密内部会消息来看,奇富科技的战略方向非常明确,这一次想要以“Deepbank”项目为战略支点,重新定义金融行业的智能化范式,且要产出、更要快。

正船头,全员AI化怎么做?

“全员AI冲锋令百万奖金池已就位!双轮驱动助你成为AI时代领航者……”

4月中下旬的一个周五,一封全员信在全体奇富员工的电脑和手机上炸开。这则消息让员工们切实感受到,“全员AI”真的不是呼吁与口号,讨论已经开始落地。

最先感受到这一股AI变革压力的,是奇富技术一线员工。春节期间,DeepSeek V3发布,在技术圈引起轰动。接近年关,奇富技术团队“新技术敏感者” 已经跟进。春节期间,DeepSeek R1随即出世,大模型如此敏捷的迭代,更让CEO觉得时间紧迫。整个春节,他频繁与干部层同事交流沟通,让大家都坐不住了,随时关注业内新动向,讨论如何快速跟进,其他技术骨干们也自发性地提前研究。“节后返工,我们就在北京迅速组织了一次为期一周多的封闭式开发,一周后回到深圳,也组建了专门的工作组进行研发跟进。”深圳技术团队一位资深员工陆寻这样说。

快速行动的背后,既有对行业变革的焦虑与紧迫感,也有对新技术发展的兴奋与期待,更有自上而下在全公司传导的对AI战略落地势在必行的确定性。在内部会上,吴海生多次提到“AI大模型奇点时刻已来,每个人都需要拥抱”。他也曾在公开场合断言,“大模型的应用迎来了爆发期,这将加速AI在金融领域的渗透。”

奇富科技CEO吴海生在内部年会上谈AI应用的机遇与挑战

今年初,一个代号为“Deepbank”新项目浮出水面,该项目由CEO亲自领衔,打破了业务条线与组织架构上的壁垒,调取各部门的精兵强将迅速进组,规划了诸如“星海计划”、Agent计划、生产力提升计划等等一系列细分落地方向。

全员AI化怎么做?推进起来并非一帆风顺,如何实施成为摆在所有人面前的共同挑战。一时间,公司内部出现了不同态度的员工群体:有迷茫派、焦虑派、积极行动派和守旧派等不同派别的同事。技术团队自然是最早最热情拥抱的派别,陆寻提到,公司鼓励技术团队员工从日常工作中挤出30%左右的精力,拿来做一些创新性的探索,让他们更有动力关注并跟上技术的迭代。大模型部员工王也也提到了这个“30%”,“今年以来,业内的新技术涌现太快,可能隔几天就有一个新突破出现。所以我们一方面要保持跟行业密切的、高频的接触和跟进,另一方面也要快速制定我们自己的技术路线。”王也说,“对新技术的跟进和对如何适配业务场景的研究,这样的探索占据了工作中较大板块的精力,现在我们紧跟业内新发技术论文、分析优化新算法的频率都比之前高很多。”

在AI落地的方向上,公司内部也是意见不一。有人主张先解决金融机构基础环节的效率问题,但马上有人反驳,强调跟进核心的风险控制环节,还有人提出,不急于对金融机构输出,内部应用效果明确后,再做商业化……大家各执一词、互不相让,甚至还爆发了激烈的争吵。比起冷眼旁观或者把困难摆在前面,吴海生倒是对这些争论乐见其成:“在AI技术的应用上,企业需要快速尝试和迭代,而不是等待完美的解决方案。行动起来,才能在竞争中占据先机。”争论中,落地方向逐渐清晰并形成共识——打造行业首个赋能信贷核心业务的智能体。

客观而言,实现全员AI化仍有难度,内部“效率”层团队承接了这项工作,让AI贴近员工工作场景,为生产力提升赋能。这就是3月那场AI战略动员会所提出的战略落地的三大维度之一,在范式变革层面,推动组织向“AI原生”进化。隶属于效率工程中心的员工高同伟也是“Deepbank”项目组的骨干,其中的生产力提升计划就由他的团队操刀——如今他们的目标是到2025年底,1/3的需求交付将由智能体自主完成。“最近已经开始思考:如何通过AI技术,让每一个人的工作可以提效数倍。”高同伟说。

从思维惯性上逐步引导转变是一方面,效率工程中心也在为全员提供协同办公效率提升的支持,高同伟说:“以财务部门的信息化建设为例,我们组建了由产品人员和费用BP人员构成的智能化探索小组,系统梳理了费用BP人员的主要工作流程,包括预算填报、预算使用管理、合同审核、付款审核、结账、报送及审计对接等核心环节。”随后他们借助大模型输出提效方案,调整优化后,最终形成Agent设计方案。

这个Agent功能模块一经推出,就释放了大量人力,使他们可以将更多精力投入到有创造性的工作上,也体现了CEO所说“能用AI解决的就一定不用人”的工作目标。

空前投入的标准——“不设上限”

值得一提的是,多位奇富科技内部人士一致认为这次的“AI化运动”,从各方面都有空前的投入。

实际上,从2020年起,奇富科技一直保持着谨慎的经营策略,在花费上精打细算,抠细节到极致,在headcount的增减上更是充分论证。而这次,吴海生在2月的AI动员会上先解决了粮草之忧:“AI技术的发展将带来巨大的产业价值,要有前瞻性的投入,才能在未来的技术竞争中占据优势。公司会拿出一定比例的利润,坚定投入到AI技术的研发和应用中。”

在众多投入中,最可量化的当属对人力培养和资源调配的预算安排。“所有与AI大模型有关的研发资源和人力引进上,预算都有追加,不设上限。”人力资源部的资深骨干王思睿这样说,“我们按项目和产品的落地进度及需求,来按季度追加headcount。从招聘环节入手,全力保障原有大模型的快速升级迭代。”

为了吸引顶尖AI人才,奇富科技发布了“Deepbank星海计划”,其中提到,计划通过社招、校招及内部转岗,集结顶尖AI人才,推进大模型技术在金融场景的深度落地。在计划中,奇富科技给出极具竞争力的招募策略,社招瞄准大模型算法、多模态技术、AI平台架构等紧缺岗位,尖端人才年薪可达百万级。同时大力号召内部转岗,成功转岗者将直接进入核心项目组。值得关注的是,内推奖金最高飙升至3万元,折射出公司对人才追求的渴望。王思睿说,“目前在途的offer里,都是来自非常头部公司和C9院校的候选人。”

奇富科技“Deepbank星海计划”集结顶尖AI人才

此外,奇富科技4月中下旬发布的“AI落地双轮驱动机制”也充分暴露了公司必在AI方向拿到赛点的决心。该机制透露:“干部先行,AI应用纳入考核”和“技术团队,无AI不绩优”的考核机制正式落地,增加单独的AI OKR并纳入年度考核范围,除本职业绩之外,将“干部如何利用AI赋能工作”也作为考核的重要维度之一。同时,特别设立面向全员的AI创新百万奖金池,激励在业务场景落地、本职工作应用和技术难题攻坚方面突出表现的个人和团队。

“Deepbank”工作组的建立,更是提升了各团队间合作的效能,在陆寻看来,这样的新架构调整打破了以前的边界,让更多人积极参与进来。“工作内容也更加聚焦,以前还需要分一部分精力做传统业务的事情,但今年可以把更多的精力投入到做AI相关的研发上来,而且聚焦关键业务领域,目标明确。”王也则明显地感受到,今年以来对业务部门同事的交流越发紧密、沟通和成果产出越发高效。“在办公过程中,我也能观察到今天多了一个智能体,明天又多了一个数字员工,已经逐步有一些新研发应用落地到公司内部,未来还将有更多应用于金融核心业务的数字员工出现。”王也和公司内部的各技术团队已经在攻坚。

这样的氛围里,技术团队早已学会“在战斗中学习战斗”。陆寻说,“无AI不绩优”让整个团队的AI运用热情都高涨起来。王也说,“技术爆发不会给我们带来焦虑,肯定是让我们更振奋。原来做不到的事情,现在可以做了。”正如王思睿所言,公司总是给空间、给机会,让“老人”有新事做,不断去挑战探索新领域,去承担更大的职责。今年已经是陆寻在公司的第九年了,但他总是感觉到每年都在做新的创新,从未一成不变过,“每一天可能都能看到自己的进步和成长。”

探寻金融AI的“魔法时刻”

在经历了多轮讨论、争论、拉齐目标后,3月28日的奇富科技AI战略动员会上,奇富科技技术委员会主席宋荣鑫向所有员工明确了公司将围绕两大能力建设推进AI战略。一是构建金融垂直领域的知识引擎, 实现大模型真正“懂金融”的关键一跃;二是研发多智能模块协同技术,打造可自主协作生成银行业智能体的系统能力。这两种能力的深度融合,旨在让AI不仅能理解金融业务逻辑,还能以智能体形态自主完成复杂任务。

大模型已经在垂直场景开始应用大爆发,今年,AI agent成为“新晋顶流”。也是在此背景下,奇富制定了“三步走”的规划。除了组织“AI原生”进化外,在成熟业务场景,将组建“AI助理军团”,让大模型能力深度嵌入客户服务、风控等关键节点,推动业务效率和效能的进化。在创新业务探索中,则提出要寻找金融垂直大模型的“魔法时刻”。

在奇富科技内部多位核心人士看来,这样的规划意味着奇富的大模型应用正在从金融业务“外围”走向“核心”。业内人士认为,在金融行业,单纯接入大模型或搭建开源平台,并不产生实际业务价值,只有真正将大模型系统与业务场景深度融合,才能提升AI效能。而想让AI Agent真正化身人类的AI助手,效率和准确度都很重要,这也是奇富科技的客户要引入信贷智能体最优先考虑的需求。

为实现大模型真正“懂金融”的关键一跃,奇富科技技术团队的架构在近年来,也根据业务需求实现了多级跨越。根据技术团队一线员工回忆,从以前的“数据智能部”,到后来的“大模型部”,再到如今的“Deepbank”项目组。技术战略上,公司紧跟数字化步伐,灵活应变。

在启动AI+战略后,奇富科技在一季度财报中披露了其主要成果:正式上线深度融入业务全链条的信贷智能体,覆盖数据分析、运营、合规、风险策略、财务对账等核心智能模块,已逐步改变奇富科技基础业务模式,实现新的工作、运营和价值交付方式。其中,奇富AI决策智能模块能自动拆解利润指标,精准识别病灶,并生成针对性优化方案,将原本需要跨部门协作数周的分析流程压缩至实时响应。在金融最核心的风控模块,奇富科技拨出部分流量,利用大模型构建端到端的风控能力,一季度,模型AUC值(评估风险预测能力的关键指标)可达0.64,且进化速度可观;构建用户挖掘智能体,对用户特征进行一致性校验,准确率达到95%以上。

依托奇富信贷智能体的有力支撑,奇富科技旗下银行业数智化解决方案提供商奇富数科,与多家银行签署“AI+金融战略合作协议”,4月底,奇富数科与广东华兴银行正式签署“AI+金融战略合作协议”,聚焦营销获客、风控审批、决策分析等关键领域,双方计划深度落地信贷智能体应用,持续推动业务流程革新与效率提升。

吴海生在一季度财报发布会上表示,“我们清晰地感受到AI技术是科技金融代际跨越的核心支撑,势必将重构助贷业务价值链,信贷智能体是公司长期高质量发展的新增长引擎,公司将对其保持高强度投入。在这场AI革命中,奇富科技通过炼内功、助力行业革新的扎实路径,为金融业智能化转型提供可复制的中国方案。”

今年初有人曾问过黄仁勋,AI领域接下来发生什么事情会让他觉得意外和惊讶,他的回答是“nothing”。是的,AI+金融时代刚刚开始,是挑战,更是机会,守是守不住的,与其观望follow,不如get hands dirty亲自下场体验。

本文转载载自“南方都市报”,作者:熊润淼;智通财经编辑:徐文强。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

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