在廣袤的草原，許多牧民因缺乏傳統(tǒng)金融機構(gòu)認(rèn)可的信用記錄在分期購車時受阻。他們面臨的困境，并不是個例。在我國，僅“靈活就業(yè)者”就高達2.5億。如何為這一類群體以及更廣泛的下沉市場用戶提供服務(wù)，AI驅(qū)動的金融科技平臺易鑫（02858.HK）給出了自己的科技解決方案。

據(jù)易鑫首席科技官賈志峰介紹，在金融行業(yè)，通用大模型外掛知識庫的方式只能做到可檢索和可分析，無法實現(xiàn)金融風(fēng)控的可思考和可判斷。基于此，易鑫利用其多年積累的、覆蓋廣泛風(fēng)險人群的獨有數(shù)據(jù)進行模型訓(xùn)練，推出了汽車金融行業(yè)首個通過國家備案的大模型，能精準(zhǔn)評估傳統(tǒng)金融難以覆蓋的客群。

賈志峰提到，旨在解決更復(fù)雜的場景判斷問題的新模型正在研發(fā)。以金融場景為例，賈志峰解釋稱，在融資審批中，申請人“如何回答問題”往往比“答案本身”更能揭示潛在風(fēng)險。通過分析這些曾被忽略的非結(jié)構(gòu)化數(shù)據(jù)，易鑫旨在進一步提升決策的精準(zhǔn)度，將用戶體驗與審批效率推向新高。他還提到，即將發(fā)布的Agentic大模型將大幅提升融資申請通過率。

賈志峰表示，易鑫搭建了一個連接全國4.2萬家經(jīng)銷商與上百家金融機構(gòu)的科技平臺，已服務(wù)了超1500萬的用戶。如今，這套在中國市場得到驗證的強大技術(shù)系統(tǒng)，正跟隨中國新能源汽車的出海浪潮，在新加坡、日本、馬來西亞、南美等市場進行部署。易鑫的實踐證明，一個足夠靈活和智能的金融科技模型，既能服務(wù)好草原上的牧民，也能滿足海外不同家庭的用車需求，這預(yù)示著其在全球市場擁有廣闊的想象空間。

以下是易鑫首席科技官賈志峰的發(fā)言速記，略經(jīng)鈦媒體編輯：

大家好，我是易鑫的賈志峰。易鑫成立于2014年，并于2017年在港交所上市。目前，易鑫的年交易額達到700億人民幣，無論在中國還是全球范圍內(nèi)，我們都屬于領(lǐng)先的汽車金融科技平臺。

一位蒙古族牧民的車之路

我的分享將從一個具體案例開始，逐步剖析易鑫在過去幾年的實踐經(jīng)驗。大家在圖片中看到的是一位牧民。作為牧民，他需要頻繁地轉(zhuǎn)場放牧，過去這項工作主要依靠騎馬完成。然而，內(nèi)蒙古的冬天異常寒冷，因此他一直希望能擁有一輛汽車來改善工作和生活條件。但在購車時，他遇到了許多難題：首先，他所處地區(qū)偏遠，最近的4S店可能都在百余公里外，往返一次非常不便。其次，作為牧民，他沒有傳統(tǒng)意義上的工作單位和固定的月工資，其收入多為現(xiàn)金或通過支付寶、微信等方式獲得，缺乏穩(wěn)定的流水證明。當(dāng)他希望通過分期付款購車時，傳統(tǒng)的金融機構(gòu)很難為他這樣的情況提供支持。

易鑫的金融顧問聽到這個情況就開車去牧區(qū)找到他，用易鑫金融APP高效地為他辦理了購車手續(xù)，最終幫助他成功購得一輛汽車。

這個案例揭示的不僅僅是單個用戶的痛點。在過去幾年，僅在新疆和內(nèi)蒙兩地，易鑫已累計為超過兩萬名這樣的牧民提供了服務(wù)。他們中的許多人在購車后，生活質(zhì)量和收入水平都得到了顯著改善。

我們之所以能夠成功服務(wù)這些“特殊人群”，核心原因不僅在于我們擁有一支深入一線的工作團隊，更在于背后有強大的技術(shù)體系作為支撐。

那么，我們的技術(shù)體系是如何通過不斷迭代和積累，來支持這些豐富多樣的金融場景的呢？我們將金融業(yè)務(wù)的全流程拆解為不同步驟。在進件階段，比如信息采集，我們摒棄了傳統(tǒng)要求用戶填寫大量表單的方式，而是通過開發(fā)的對話式工具，在微信等平臺收集信息，并自動生成進件，以對話式的信息獲取替代了傳統(tǒng)的表單填寫。在風(fēng)控階段，我們于兩年前在行業(yè)內(nèi)率先推出了基于風(fēng)險定價的解決方案，能為不同風(fēng)險等級的客戶定制化生成金融方案。例如，有的客戶希望月供低一些，有的則希望首付少一些，我們能針對不同客戶的偏好提供個性化的選擇。

在智能鏈路（審批）階段，系統(tǒng)能自動將客戶的融資需求匹配給最合適的金融機構(gòu)，以實現(xiàn)通過率的最大化。智能客服階段，我們還運用了更多智能化技術(shù)，以更高效、低成本的方式服務(wù)廣大用戶。例如，針對需要方案講解或是不熟悉漢語的客戶，我們的智能客服系統(tǒng)可以提供24小時不間斷的服務(wù)。

在資產(chǎn)管理環(huán)節(jié)，我們將傳統(tǒng)的、基于逾期天數(shù)的催收方式，升級為個性化的智能催收策略。系統(tǒng)會根據(jù)不同用戶的特征和逾期階段，采取最優(yōu)的溝通策略，實踐證明這帶來了效率的大幅提升?？偠灾覀冊跇I(yè)務(wù)的各個應(yīng)用環(huán)節(jié)都部署了不同的智能化工具，實現(xiàn)了全流程的業(yè)務(wù)智能化升級。在過去幾年間，我們累計的AI平臺服務(wù)次數(shù)已達到7300萬次。我們之所以能夠靈活支撐如此多變的需求，是因為我們將多年積累的科技能力進行了產(chǎn)品化和平臺化。

業(yè)務(wù)需求不是一成不變的，它擁有生命周期，并隨著業(yè)務(wù)發(fā)展而演進。因此，我們打造了一個可配置、可管理的運營平臺：2018年，我們上線了決策流平臺；2019年，上線了模型平臺，并與線上工程系統(tǒng)結(jié)合，以快速驗證模型效果；2020年，我們推出了機器人平臺，業(yè)務(wù)人員無需技術(shù)人員介入，通過“拖拉拽”的方式即可創(chuàng)建工作流并直接服務(wù)客戶；2023年，我們建立了大模型訓(xùn)練平臺，能將業(yè)務(wù)需求快速沉淀為智能模型；從2024年開始，我們進一步延展，運用生成式模型的能力，推出了短視頻內(nèi)容的平臺化工具，幫助金融顧問自主生成營銷短視頻，并通過各大平臺發(fā)布以實現(xiàn)更高效的獲客。

總結(jié)而言，我們認(rèn)為平臺的構(gòu)建至關(guān)重要。發(fā)現(xiàn)需求只是第一步，而能夠快速、高效、低成本地滿足這些需求，才是企業(yè)長久發(fā)展的核心競爭力。

為什么要自研模型，如何訓(xùn)練模型

剛才我們介紹了，通過對應(yīng)用系統(tǒng)的模塊化拆分，我們得以在業(yè)務(wù)層面實現(xiàn)快速應(yīng)變。而在智慧層面，我們也建立了一套自主可控的AI技術(shù)棧，能將新的業(yè)務(wù)需求迅速提煉并融入模型。我們的技術(shù)棧是這樣構(gòu)建的：底層是算力平臺，包括訓(xùn)練集群等基礎(chǔ)設(shè)施；在此之上是我們訓(xùn)練的AI大模型；再往上則是平臺級的商業(yè)產(chǎn)品和覆蓋全流程的應(yīng)用產(chǎn)品。

這里有一個關(guān)鍵決策點：我們?yōu)槭裁匆匝心Ｐ?？以及我們是如何?xùn)練模型的？

首先，為什么選擇自研？我們發(fā)現(xiàn)，金融領(lǐng)域擁有大量獨特的專業(yè)知識與行業(yè)數(shù)據(jù)，而這些是通用大模型無法充分體現(xiàn)的，因為它們無法獲取這些專有數(shù)據(jù)。易鑫在多年運營中積累了海量數(shù)據(jù)，不僅覆蓋了新車、二手車等多元業(yè)務(wù)場景，還包含了極為廣泛的風(fēng)險人群畫像。這些數(shù)據(jù)是公司的獨有數(shù)據(jù)，我們有責(zé)任將其價值提煉出來，轉(zhuǎn)化為能夠服務(wù)整個行業(yè)的智能化模型。

其次，為什么采取訓(xùn)練模型的方式，而非“通用大模型+外掛知識庫”的方案？剛才的分享提到，外掛知識庫的方式能讓模型實現(xiàn)對數(shù)據(jù)的檢索和分析，但無法真正做到“可思考”和“可判斷”。我們需要模型能深度學(xué)習(xí)金融領(lǐng)域的內(nèi)在邏輯，例如理解首付、利率等變量之間的復(fù)雜關(guān)系，從而做出定制化的智能判斷?；谶@兩點考量，我們最終決定自主訓(xùn)練模型。我們將積累的數(shù)據(jù)進行持續(xù)訓(xùn)練，形成了今天的兩個基座大模型。在此之上，我們又訓(xùn)練出不同尺寸的領(lǐng)域模型以適配不同場景，并拓展至圖像、語音等多模態(tài)模型。我們的模型矩陣是汽車金融行業(yè)第一個通過國家“生成式人工智能服務(wù)”備案的大模型，我們非常高興能夠?qū)⒔?jīng)過國家安全認(rèn)證的模型應(yīng)用于行業(yè)實踐中。

我們還進行了一部分開源工作，并收到了許多積極的評測與反饋，證明了我們的模型在數(shù)學(xué)等通用能力上能夠比肩主流模型。我們歡迎更多汽車金融領(lǐng)域的同行與我們共建生態(tài)，通過數(shù)據(jù)共享等方式創(chuàng)造更大的價值。

金融審批，“過程數(shù)據(jù)”比“結(jié)果數(shù)據(jù)”更為重要

從今年年初開始，我們啟動了一個Agentic新模型的研發(fā)，旨在解決更復(fù)雜的場景判斷問題。在金融行業(yè)，我們常常發(fā)現(xiàn)“過程數(shù)據(jù)”比“結(jié)果數(shù)據(jù)”更為重要。如何定義過程數(shù)據(jù)？舉個測謊儀的例子，在判斷客戶是否存在欺詐傾向時，他回答問題的對錯本身可能不重要，但他如何回答問題則更重要。過去由于技術(shù)能力的限制，這類過程數(shù)據(jù)在從物理世界向數(shù)字世界“搬運”時被丟失了，無法被傳統(tǒng)的風(fēng)控模型所利用。而通過Agentic新的多模態(tài)技術(shù)，我們有史以來第一次能夠快速、低成本地分析這類非結(jié)構(gòu)化數(shù)據(jù)，并依賴它們做出更精準(zhǔn)的決策。我們認(rèn)為這是一項關(guān)鍵的突破，希望盡快將其應(yīng)用于金融行業(yè)。

其次，金融審批并非一個預(yù)先定義的固化流程，在真實場景中，它往往是一個需要多輪交互的復(fù)雜過程。過去因為信息缺失，常常需要人工介入來補全信息，流程繁瑣。但借助我們正在訓(xùn)練的新模型，未來將能自動化處理這些復(fù)雜的交互，極大地提升用戶體驗和審批效率，這是一項非常有意義的工作。從年初至今我們一直在訓(xùn)練這個模型，很快會正式發(fā)布。屆時我們也會考慮發(fā)布開源版本，歡迎各家金融機構(gòu)與我們共建開源模型與生態(tài)。

當(dāng)我們有效解決個體用戶痛點的同時，我們發(fā)現(xiàn)同樣的需求在其他金融機構(gòu)中也廣泛存在。據(jù)可查數(shù)據(jù)，目前中國的靈活就業(yè)人群已超過2.5億，其規(guī)模甚至超過了傳統(tǒng)的就業(yè)模式。像牧民這樣難以被傳統(tǒng)金融覆蓋的人群數(shù)量龐大，而許多金融機構(gòu)都希望能服務(wù)他們。因此，我們將自身積累的能力轉(zhuǎn)化為科技產(chǎn)品和開放平臺，讓更多機構(gòu)能夠共享我們的服務(wù)能力。

在我們搭建的金融科技平臺上，一端連接著眾多金融機構(gòu)，包括國有銀行、地方性銀行、金租公司等。他們可以在平臺上選擇所需的渠道、風(fēng)控、資管等模塊化服務(wù)，以補足自身能力，進而服務(wù)像牧民這樣的群體；平臺的另一端則連接著全國超42000家新車和二手車經(jīng)銷商。經(jīng)銷商只需為客戶提交一次申請，即可通過AI驅(qū)動的智能路由系統(tǒng)，觸達到平臺上所有的金融機構(gòu)，融資申請通過率將大幅提升。截至目前，我們已累計服務(wù)了超過1500萬用戶。

最后，我想談?wù)勔做蔚膰H化戰(zhàn)略。我們正緊隨中國新能源汽車廠商的出海浪潮，積極探索海外市場，目前已在新加坡、馬來西亞、日本、南美等地開展了業(yè)務(wù)。例如圖中這對來自馬來西亞夫婦，女士從事行政工作，男士在保潔公司任職，在當(dāng)?shù)貙儆谥械褪杖肴后w。他們在購買二手車時遇到了融資困難，最終也是通過易鑫的金融科技服務(wù)幫助他們買到了車。同一套技術(shù)系統(tǒng)，既能服務(wù)好內(nèi)蒙古的牧民，也能服務(wù)好新加坡的家庭——我們認(rèn)為，這正是科技創(chuàng)造的價值（IT Value），也是我們作為從業(yè)者感到無比自豪的地方。（本文首發(fā)于鈦媒體APP，作者｜蔡鵬程，編輯｜胡珈萌）