{"id":83968,"topic":"ai","source":"新华网","title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","url_hash":"022c83e0e75c0272aa9e15637427a5a6f95c49ac","author":"","summary":"<a href=\"https://news.google.com/rss/articles/CBMigAFBVV95cUxONkEzVlhOUEFpMlNXNV9ZTDEycDZ3TUpEdzlyOXJrajNhVVdsdElXVHR3WW9NanlMWHh5azhMU0ItcWxhZUlxbWt5VXJhcTdsTmhZTmxYTWJKdG1Tb1htMzRDTUFWVU53VEJrWmhHZHY5bEdoRDdhY2dIMW9lUVQ3bQ?oc=5\" target=\"_blank\">聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新华网</font>","content":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","image_url":null,"lang":"zh","published_at":"2026-09-14T09:05:34+00:00","fetched_at":"2026-09-16T18:15:08+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","cluster_id":3529178,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1251 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1251,"summary_length":1251,"usable_text_length":1251,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1251,"summary_length":1251}},"news_item":{"id":83968,"canonical_url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","source_url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","source_name":"新华网","author":null,"published_at":"2026-09-14T09:05:34+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"<a href=\"https://news.google.com/rss/articles/CBMigAFBVV95cUxONkEzVlhOUEFpMlNXNV9ZTDEycDZ3TUpEdzlyOXJrajNhVVdsdElXVHR3WW9NanlMWHh5azhMU0ItcWxhZUlxbWt5VXJhcTdsTmhZTmxYTWJKdG1Tb1htMzRDTUFWVU53VEJrWmhHZHY5bEdoRDdhY2dIMW9lUVQ3bQ?oc=5\" target=\"_blank\">聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新华网</font>","full_text":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","excerpt":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1251 characters.","diagnostics_url":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1251 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1251,"summary_length":1251,"usable_text_length":1251,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1251,"summary_length":1251}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","summary":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","source":"新华网","date":"2026-09-14T09:05:34+00:00","content":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1251 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1251 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1251,"summary_length":1251,"usable_text_length":1251,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1251,"summary_length":1251}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/83968","export_markdown":"/api/items/83968/export?format=markdown","export_json":"/api/items/83968/export?format=json","diagnose":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html"},"formats":{"full":{"id":83968,"title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","source":"新华网","author":null,"published_at":"2026-09-14T09:05:34+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","full_text":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1251 characters.","diagnostics_url":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1251 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1251,"summary_length":1251,"usable_text_length":1251,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1251,"summary_length":1251}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1251 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1251,"summary_length":1251,"usable_text_length":1251,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1251,"summary_length":1251}},"actions":{"read":"/item/83968","export_markdown":"/api/items/83968/export?format=markdown","export_json":"/api/items/83968/export?format=json","diagnose":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html"}},"digest":{"id":83968,"title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","source":"新华网","topic":"ai","published_at":"2026-09-14T09:05:34+00:00","excerpt":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。 在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 1251 characters.","reading_time_min":1,"cluster_id":3529178},"card":{"display_title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","subtitle":"新华网 · 2026-09-14","summary":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。 在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI…","badges":["quality:high"],"links":{"read":"/item/83968","original":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","diagnose":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html"},"quality_warning":null},"export":{"title":"聚焦服贸会丨以大模型升级金融AI底座，加速迈向AI Native - 新华网","url":"http://www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","summary":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","source":"新华网","date":"2026-09-14T09:05:34+00:00","content":"9月10日，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行，主题为“智启未来 应用无界——从模型创新到场景落地”。奇富科技多模态负责人杨叶辉博士受邀出席，分享公司以统一多模态大模型底座推动金融业务升级、加速AI Native转型的实践。\n在奇富科技看来，金融AI的关键突破，不是增加多少大模型嵌入的工作流，而是要按照技术升级、AI Native和应用自进化等多角度，系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式，让模型能力能够在上线后具有自主学习能力，越用越好，自适应地解决实际问题。\n在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例。过去，奇富科技在视觉场景中分散部署了70多个模型，覆盖OCR、分类、检测和识别等任务。模型能力高度重合，却需要分别维护、独立部署，运维成本高，GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、合同等复杂材料能力不足；每增加一种证件，往往都要重新采集数据、训练模型。\n针对这一问题，奇富科技没有局部修补，而是对模型架构进行整体升级：保留28个对时延和性能要求较高的模型，其余40多个服务统一迁移至两套自研垂类多模态大模型，参数规模约为32B和8B。原本由几十个小模型分散承担的能力，如今被收拢到统一底座，实现视觉理解、多模态处理与复杂推理的一体化承载。这是金融AI走向平台化的关键一步。\n升级后，模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上，运维与推理成本显著下降，但在材料一致性、新证照识别等泛化和推理能力方面大幅提升。新证照需求可优先通过Prompt激活，或以少量样本微调完成，交付周期也能大幅缩短。统一底座直接改变了金融AI的研发、部署和迭代范式。\n在AI Native产品方面，杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值。依托真实场景需求，今年年初，奇富科技也联合复旦大学、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench，构建覆盖26类证件、2万余条指令的评测体系，为信贷AI建立了可评测、可验证、可迭代的标尺，希望能搭建学术研究与工业应用的桥梁，推动AI研究在金融信贷领域的更好地落地。\n此外，杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization），已在银行机构推进落地，助力客户搭建自动化的业务知识沉淀与能力迭代机制。\n从模型底座升级到金融AI Native产品落地，再到评测基准的建立以及智能体的自进化机制的探索，奇富科技的实践指向同一目标：让AI深入金融生产系统，带来更强应用效果、更大业务增量和更好的客户体验。当能力被统一收拢、效果被标准验证、应用能够持续进化，AI才真正成为金融生产系统的底层能力，推动金融服务从以流程为中心迈向以AI为中心。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=http%3A//www.news.cn/finance/20260914/42c30bd6e58045b0a7d41a1eb4c7d901/c.html","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1251 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1251 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1251,"summary_length":1251,"usable_text_length":1251,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1251,"summary_length":1251}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}