聚焦服贸会丨奇富科技宋荣鑫:以AI-Native架构推动金融AI从边缘迈向核心

新浪证券
Sep 12

  9月10日,2025年中国国际服务贸易交易会在北京召开,这场全球规模最大的服务贸易盛会吸引70多个国家和地区近2000家企业参展。其间,在第七届中国金融科技论坛上,奇富科技技术副总裁宋荣鑫发表“AI-Native+金融:从边缘到核心”主题演讲,指出当前金融AI应用正从客服、文档处理等边缘功能,快速向风控、获客等核心场景渗透,AI-Native架构实现跨越的关键,奇富科技的实践已充分印证这一趋势与价值。

  宋荣鑫介绍,从全球范围来看,AI在金融领域的应用已呈现出明显的“从边缘到核心”演进轨迹。根据奇富科技对600多个金融AI产品的调研分析,2023年约85%的AI产品仍集中在客服、文档处理等边缘性功能;而到了今年,已有三分之一的产品切入风控、获客等核心环节。以Casca为例,其通过大模型技术重构银行信贷平台,在减少90%人员投入的情况下,实现放贷效率10倍提升,覆盖大量原有金融服务不足的小微企业,印证了AI向金融核心场景渗透的巨大价值。

  奇富科技自身的发展路径,是这一趋势的微观缩影。宋荣鑫回顾,2023年,奇富组建百人规模大模型团队,应用集中在客服助手、营销质检等相对边缘场景;2024年,JarvisChatBI等AI助手进入业务提效环节,但仍未触及核心;2025年,随着技术迭代与架构成熟,基于AI Native架构的智能体实现突破,AI信贷员、AI审批官等智能应用进入风控获客核心环节,完成了从边缘到核心的关键跨越。

  宋荣鑫强调,奇富科技能够实现这一突破,源于三大核心支撑。其一,长期且持续的AI投入是根基。公司累计投入近百亿元研发资金,拥有近千人技术团队,在国际顶级学术会议发表多篇科研论文主导编制了国内首个金融大模型标准,为技术深耕提供了底气。其二,丰富的数据与场景是进化土壤。每天18万次申请决策、37万次交易决策、60万条语料、超1600万次用户触达,为智能体提供了海量学习样本。以客户经理复盘为例,AI Native智能体结合环境数据后,准确率超85%,远超人工的60%和通用大模型的 75%。其三,AI Native架构是关键选择。不同于传统预设规则驱动、仅嵌入单一环节的模式,该架构让智能体成为系统中枢,能处理多模态信息,具备推理学习能力,形成“数据—模型—业务”闭环,实现持续进化。

  如今,多项创新成果已彰显AI在金融核心场景的深度应用。例如,AI信贷员作为银行客户经理智能助手,通过动态响应客户需求、优化服务流程,使转化率平均提升15%,效率提升30%,人均管理客户数从几百扩展到几千。AI审批官则深入金融最核心的审批与风控环节,实现审查审批0退补件、100%自动化、T+0时效,在风险建模中还能充当“高级建模专家”助理,24小时持续推进工作。

  宋荣鑫表示,从边缘辅助到核心驱动,AI在金融领域的角色转变已是必然。中国拥有全球最复杂的金融场景和最大的用户规模,这为AI在金融领域的深度进化提供了绝佳土壤。奇富科技将继续以AI-Native架构为核心,深耕金融核心场景,推动AI与金融的融合向更深层次发展,为全球金融业智能化升级贡献中国方案。

海量资讯、精准解读,尽在新浪财经APP

责任编辑:郭栩彤

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