7月28日，在2025世界人工智能大会（WAIC）的“AI商业落地论坛”上，奇富科技分享其在AI技术从概念热潮转向实际应用过程的洞察。

奇富科技首席算法科学家费浩峻指出，金融AI的核心竞争力，在于数据资产、真实场景与金融科技基因三者的深度融合及其产生的协同效应。

他表示，在金融信贷领域，授信决策智能体系统与传统的风控体系的差别表现在三大方面：

首先，从范围而言，智能体系统的范围更大，包含整个信贷的全流程，而不是仅有风控；

第二，就能力值而言，智能体系统更多是一些类人的操作，有更多根据模型判断再进行编排决策的能力，而传统的风控系统可以理解为遵循固定的工作流程；

第三，就系统本身构成而言，传统风控模式可以简单理解为“软件的能力+大数据的能力+小模型加风险策略”的耦合系统；而智能体将三者融合，减少人为决策，以大模型为驱动，而大模型本身是学习过去无数专家经验和决策路径的。

他认为，智能体本身植根于应用场景。为了解决金融领域的实际问题，在这一领域没有可以直接使用的通用大模型。此外，智能体的信贷审批流程主要依赖其背后的大模型，而这个大模型也不是通用的。因此我们需要不断地训练模型，让它更懂金融业务，更懂金融场景。

自2023年启动金融大模型战略以来，奇富科技聚焦AI技术在金融业的落地应用，推动公司服务模式从为银行提供技术解决方案，升级为向银行输出AI“生产力”。

2025年，奇富科技打造了行业首个赋能信贷核心业务的智能体，由端到端授信决策智能体、小微企业信用评估、AI合规助手、AI决策助手、AI审批官等众多模块构成，已在各业务场景发挥作用。

其中，效率的跃升最为直观：智能体从辅助角色进化成独立的“数字员工”，客服领域多个智能体协同已能承担大部分工作，研发智能体更是7*24小时运转，推动核心场景模型AUC显著提升1%。

此外，智能体对感知与认知能力的升级同样深刻——多模态智能体快速理解用户，驱动关键模型AUC提升近一个点；画像增强智能体对传统统计画像进行社科维度补充，优化了70%以上用户的收入、资产等核心标签，重塑了产品结构。

费浩峻表示，智能体对金融领域所带来的更深层次变革，在于生产模式的演进——端到端风险决策智能体初具雏形，将超过700个模型、7000多个策略模块、过亿历史决策融入大模型，正逐步成为传统风控体系的有力补充。

基于信贷超级智能体的有力支撑，截至2025年3月，奇富科技旗下银行业数智化解决方案提供商奇富数科金融科技赋能的业务规模同比飙升约144%。奇富数科与多家银行的AI+金融战略合作加速落地。

费浩峻指出，要进一步提升智能体的准确度，主要在于知识激活、知识注入，以及开放透明的评估体系。

首先，知识激活就是通过图谱对某些知识进行前序筛选，然后把相关知识给大模型激活，确保输入知识的准确性。比如我们观察到，有时候大模型仍会产生幻觉，为了避免幻觉导致智能体的“智力”受到约束，因此我们需要找到两者之间的平衡，但这一问题的本质还是知识的激活能力。

第二，是整个知识的注入，即把过去成熟经验，通过SFT（监督微调，Supervised Fine-Tuning）、强化学习训练到整个模型，保证其准确度。

第三，开放透明的评估体系是框架层面上的要求，其实更加关键。信贷评估涉及众多流程。因此要求整个流程都得公开透明，其难点还在于在应用层将众多信息还原成可评估数据指标。

费浩峻透露，奇富科技通过数据资产沉淀、场景实践深耕与金融科技基因的融合，实现了差异化突围，这对AI产业落地的启发在于——唯有兼具技术深度与产业洞察，才能将AI技术的应用效能最大化。