专题：第八届中国金融科技论坛

　　中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。奇富数科总裁周旭强出席并演讲。

　　以下为演讲实录：

　　周旭强：各位来宾、各位朋友，大家好。我是奇富数科的周旭强。

　　前面几位领导和嘉宾分享的还是挺宏观，当然也有案例，我可能从企业内部的具体实践来给大家做一个分享。周末的时候我做这一份PPT，我用了我们内部自己搭建的一个AI办公的平台来做，今天给大家呈现的PPT当中大概有40%我是采用了AI给我的结果的，我大概改了60%。标题：从智力到智能，这个是AI帮我想的，但是副标题我自己加的。为什么用这个名字呢？过去我们银行业不管是20年还是30年，我们的线上化系统，各种信息科技系统、各种风控系统、各种模型策略，依赖于人类的智力，也就是依赖于专家，相对比较专业的事情还是得专家来做，不管是系统开发还是模型的搭建，今天AI大模型出来之后，我们已经有了一些切实可行的办法，能够让这些专家人脑的智力沉淀在模型当中形成一种智能，从而能够让我们更多的，不管是C端用户还是内部的员工还是广大的客户经理去具备一定程度上专家智力的能力，所以这是我取这个标题的原因。

　　我们公司奇富科技是一家在美国和香港两地上市的企业，在3年前我们内部成立了AI大模型部开启了AI赋能金融业务实践的历程，从今年年初开始，我们开始搭建内部的AI办公的能力，所以总体来讲我们今天搭建了一横多纵全栈式的解决方案。

　　一横就是底下的这个，我们本身是一家类金融企业，所以我们是想打造面向银行业、金融机构一种企业级的AI办公的平台，我们的名字叫Qwork，下面会具体介绍。N纵是指围绕金融，尤其是银行的各个业务场景去打造了一系列的各个垂直领域的智能体，主要是在两个领域。

　　第一个是授信与风险管理的领域，我们搭建了多智能体，包括我们服务客户经理和风险经理的AI尽调员。以及我们服务审查审批人员的AI审批官，当然我们还服务风险管理团队工作人员的AI模型师、AI反诈师和AI策略师。这些智能体核心要解决什么问题呢？过去尤其是中小银行他不太具备量化风险管理的专家人才团队，很多中小银行，包括5000亿资产规模的银行，内部真正能够搞策略模型的人，就是小于5个人的银行大有人在，所以它就依赖外部的科技公司找到不靠谱的科技公司很有可能搞出一堆的风险，但是这样的工作我们今天能不能用AI大模型去获得呢？我后面会去分享是可以的。

　　第二个领域是在营销增长的领域，我们也构建了服务信贷客户经理的AI信贷员，当然我们也有服务财富客户经理的AI财富师，还有AI督导员，是服务于支行行长、服务于客户经理的业绩管理的一个智能体。还包括AI操作员，把客户经理日常重复性的操作类的、流程类的工作用AI操作员来承担一部分。当然也包括AI增长官，AI增长官是服务于总行的业务部，去实现一项业务增长的中枢大脑。当然我们也有其他的在合规、智能投放等方面的一系列的智能体，形成了横向、纵向智能体的矩阵。

　　首先介绍这一横，这一横是什么呢？是我们内部已经在大范围实践的面向金融办公场景的一个AI工作平台，我们叫Qwork，这个Qwork我们内部做到什么程度呢？首先它把我们企业内部，因为我们企业有几千名的员工，把我们内部的各种系统、数据、文档、知识以及包括沉淀经验的分析报告，都喂给AI，这个AI是本地部署，我们也可以调用云端公有云的AI。包括邮箱系统、OA系统、内部即时协同的系统，我们还有一个T5T系统，全员每周五写下周你最重要的五件事，就像黄仁勋的管理，有点类似。还包括云文档系统，这是一个巨大的系统，内部梳理了20多万份各种各样的云文档，自带权限管理的云文档系统。这个云文档系统也包含了很多专业的分析文档，比如说如何去开发一份策略分析的报告，这个报告实际上AI学会之后会做很多事情，也包括内部生产系统，我们的数据平台、风控系统、运营系统、投放系统都接上了，甚至包含后台系统、人力资源、财务、行政系统，这些所有的系统业务数据有的通过MCP，有的通过API接上，这是第一件事情。

　　让AI接上这么多数据之后，我们在使用之前，我们在底下一排要的几件很重要的事情。一是权限管理，这个权限管理是至关重要的，我们今天一定要让AI只能访问它的操作用户能访问的这些数据。二是基础模型的路由，我们内部部署了DeepSeek V4，当然我们也会调用公有云的智谱、Kimi、GPT等多种多样的模型，什么情况下我们采用什么基础模型，这个是有一套路由的规则的。

　　第三件事就是Agent平台的路由，比如说我们用GPT模型的时候，你用Codex肯定会更匹配一些，什么时候用Claude Code，什么时候用Codex等等，我们有一个路由的体系。

　　第四件事是右下角的，也是非常重要的，叫AI安全网关，尤其是我们什么时候可以用国内的公有云大模型，什么时候可以用国外的公有云大模型，什么时候只能够用本地的公有云大模型的时候，这就是AI网关要做的事情。我们根据任务指令里面包含的关键词MCP、Skill的类型，甚至你的URL等等是否包含敏感信息、重要信息或者说是一般信息、不敏感的信息，我们来决定什么时候应该分级处理或者什么时候降级处理，这是非常关键的，把这些能力搭建之后，我们要达到的能力是大幅度降低企业全员去获取以及安全的使用业界最优秀的AI模型能力的门槛，这些工作做完了之后，基本上所有的员工它都有条件去使用到业界最优秀、最强的AI能力，并且在保障安全和权限管理的情况下。

　　这是我提的几个截图，这是我们内部Qwork的界面，我贴了几个截图。我标注出来的，最左边有一个小的标识Qwork，它是集成到自己的企业协同办公工具里面来了，当然它也可以集成到企业微信、钉钉等软件里面去。第二个，我们看到有一些专家技能，就是我们讲的Skill。我们也有连接器，连接器里面集成了一些MCP的协议，连接内部各种数据平台、各种生产系统。我们看右下角，右下角就是我们目前已经搭建的几个基础模型，我们可以选Auto模式，也可以指定选私有云，我们部署了DeepSeek V4-Flash，我们也可以用国内的公有云，我们有多个选项，我们也可以用国外的公有云。这就是前面讲的AI安全网关所需要做的事情，这是我们几个重要的选项。

　　这个地方我们点到专家技能这一页，我们内部有一个技能市场，围绕各个领域有各种各样的技能，当然我们自己的员工，我们的技术人员也可以去开发新的Skill上传到这上面，给其他的同事去复用。

　　这个地方我举了两个小例子，第一个是做这一份PPT的时候给了它一个很大的任务，我让它帮我找出我有权限的所有公司的云文档，包括我过去一年在各大论坛的演讲材料，包括我本地的文件，我指定了两个文件夹给它，我让它帮我做这一份PPT。它一开始就说这个任务的规模很大，它确实花了蛮长的时间，可能大半个小时，最后给我做了这一份PPT，就是我刚才讲的从智力到智能。因为它已经连接到了我在工作场景当中所有的资料，所以它做出来的PPT，比如说我们用豆包帮你做一个，它可能会做得相对通用一些，甚至是相对空洞一些，但是今天我把我能掌握的工作资料全部都喂给它之后，它做出来的PPT就具体得多了，我大概能够用它一半的东西，因为在今天这种高级别的会议上还是需要有一些观点的输出，所以我改了一些。

　　我们看下面，这个就是它给我输出的结果，我给它提示词的时候我忘了讲用PPT格式，它给我输出了HTML格式，我又给它讲了一句话，帮我改成PPT格式，它又帮我加工从PPT格式，这是一个case。

　　第二个case也是蛮有意思的，我问它，我说能不能把我过去7天所有的邮件，我们的Teams，Teams是我们内部协同办公工具所有的对话群消息，以及内部的T5T系统，做一个归纳总结，帮我分析出当前奇富数科公司价值最大的银行客户是谁，以及目前服务过程中问题最多的银行是谁？基本上它答得完全正确，它把我的各种邮件翻出来之后，它最后得出的结论是目前广东华兴银行是我们服务价值最大的客户，因为它根据下面的这些依据，就像人去分析一样，确实是我这个业务当中价值最大的客户。当然它帮我找出了问题最多的银行，找得也很准，我也不展开了。

　　N纵是什么意思呢？我们在授信与风控、营销与增长这两个领域，前面提到我们打造了一系列的智能体去解决营销与增长和授信与风控领域的一系列问题。今天这两个领域我们都在一些银行有落地，授信与风控多智能体，我们在一家全国性股份制银行正在落地过程中，营销与增长多智能体，我们在一家华东区域的上市银行，也已经在落地过程中了，我今天讲两个具体的例子。

　　第一个是AI策略师，过去我们做风险策略，这件事情是依赖还是需要一些专业技术的人才能够干的？这件事情我们今天用AI可以把它做得很好了，我们内部自己的策略团队大量的在使用这个工具，它有六个步骤：第一个步骤是要做基建，我们通过MCP对接到内部必要的数据、集市、仓库等等。第二步是要做知识库的建设，这个非常重要。过去我们的策略专家是怎么干活的，他把他做一份策略的全过程写成报告，写成分析文档，把所有的比如说几百份过去人怎么做的经验形成文档，然后让AI去学会，这个叫知识库的建设，当然也包括金融的通用知识库喂给它。第三步是做数据清洗，如何让AI能够掌握做策略的所有变量、特征，包括他们的含义。第四步就是策略生成，在这一步AI会生成相应的策略规则。第五步就是把策略生成之后如何去做部署和验证，我们今天可以用AI策略打通决策引擎，自动的去做策略的部署和上线前的验证，最后一步是包括策略的持续监控，这些东西我们今天全部都可以用AI去做。

　　有了这个东西之后，它可以基于过去的现状，比如说开发效率优先等等一系列的问题变成今天它具备完整的全流程的AI策略开发的能力，它的好处是什么？

　　一是容易上手，我们感觉有了这个东西之后，可能应届毕业生也可以做了。

　　二是效率得到了大幅度的提升，过去银行做一轮的策略迭代是以月为单位的，一个月也好，三个月也好。今天我们做策略迭代是以小时为单位的，这是一个巨大的效率的提升。

　　三是质量的提升，AI可以挖掘出很多的特征变量是人脑未必能够想出来的。

　　四是经验的传承，以前策略专家离职一个我们很恐慌的，今天不一定了，AI可以沉淀出过去人类很多的智力沉淀在智能系统当中。

　　另一个是AI反诈师。以前我们做反欺诈的时候遇到一批莫名其妙逾期了，我们反欺诈团队要去做案件检视，为什么？问题在哪里？是不是被攻击了？是不是被团伙撸了。我们做案件调查的时候，我们要去看我们的获客系统、风控系统、埋点系统，甚至我们的催收记录，我们要去翻决策引擎里面的很多策略，这件事情你要查出一个可能的被欺诈的事情，要花一周甚至一个月的时间，今天我们如何用AI把分散在各个系统当中格式多种多样的系统让AI去做它可以起到什么效果呢？我们可以看一下。

　　一是自动抓取，人去分析这些工作是以几小时为单位，还得是你熟悉行业系统、熟悉业务技术的，今天我们可以缩短到几分钟。

　　二是把证据和专家经验做归集。

　　三是通过MCP连接必要的外部数据，比如说连企查查，去查他的负面东西。

　　四是用AI大模型很好的做关联团伙的关联。

　　这样之后，我们可以进一步的发现案件中的风险点，去进一步的推出新的反欺诈规则的挖掘和生成。反欺诈规则的挖掘生成之后，可能AI大模型会给你列出几条放在这里，但是我们目前只做候选，不做决定，它把可能的新的规则放在那里给人去候选之后，再由人工去决定选哪些，不选哪些，选哪些之后要不要修改，然后要不要上线，这毕竟是一个比较严肃的事情。

　　这里举了两个小例子来证明今天AI大模型可以很好的依赖专家的智力沉淀到智能系统当中。

　　最后就是简单介绍一下，奇富数科是2019年成立的，我们的使命是持续的推动银行业的数字化和智能化的转型升级，我们有大量的人才储备，我们有很多的实践，我们目前的智能体矩阵已经在很多专业并行的落地当中，后续也希望和在座的各位行业的专家、同仁们有更多的交流。

　　谢谢大家！