All in AI，奇富科技的豹变密码

摘要：“整个世界都判断失误了”，黄仁勋在3月18日的GTC大会上如是宣告。他发现，AI的发展速度并未放缓，恰恰相反，正比以往任何时候都要快。

“整个世界都判断失误了”，黄仁勋在3月18日的GTC大会上如是宣告。他发现，AI的发展速度并未放缓，恰恰相反，正比以往任何时候都要快。

黄仁勋首次提出了 AI 演进的路线图：从当前的生成式 AI（Generative AI）过渡至代理式 AI（Agentic AI），最终迈向物理 AI（Physical AI）。AI正带动人类文明跃迁。

代理式 AI，亦即AI智能体，以其在线上自主完成复杂任务的能力，将与物理 AI成为线上线下两端交相呼应的双子星。

死磕数字智能的奇富科技，其CEO吴海生的观点与之不谋而合。他透过金融视角回望之前的两次革命浪潮，依次是由传统人工和纸面的工作方式向数字化存储系统升级，再向互联网化升级。当下AI技术引领的智能化，正推动金融行业进行第三次革命。

站在金融生产力变革的临界点，奇富决定All in AI。

3月17日，奇富科技（03660/QFIN）发布2024年第四季度及全年业绩公告，营收与利润继续稳健增长，业绩表现全年在线。去年的宏观环境虽难言确定性，但AI大模型在金融领域的创新应用，给足了公司底气。

金融为本，AI为器，奇富走出了一条轻资本、重科技的成长之路，为行业提供了一个AI进化样本。

站上AI时代风口

不谋万世者不足以谋一时。早在2017年，奇富就通过AI算法平台、算法库进行训练，提炼出了能在业务场景落地的系列模型；2023年初更是前瞻性地将大模型确立为公司的战略级项目。

随着2023年AIGC大爆发，奇富率先在行业组建了大模型团队：并于当年推出自研大模型“奇富GPT”，及各项大模型应用，落地于客户服务、软件研发、信用评估等业务场景。积跬步，至千里，2024年12月，奇富携100多个智能体在上海金融科技国际论坛特展周亮相，用确实落地的应用宣告了AI方向的决心，也预示着行业真正从讲概念到拼业务应用。

黄仁勋判断，在AI智能体时代全面到来之际，AI正在经历一个新的拐点，变得越来越智能、应用越来越广泛。

金融行业天生就与AI契合，几乎所有的生产要素全是数字化的，天然适合大模型的训练和生成。AI时代，金融科技公司又将以何种姿态开启新的周期？

去年 3 月，奇富上线了智能体平台 AI STUDIO。该平台的核心优势来自于两项技术：企业级 RAG 和 AI Flow。通过 RAG 技术构建企业级知识库，再利用 AI Flow 的技术把 RAG 的知识串联起来，负责调用企业级知识库和大模型，形成解决问题的智能体。

连接2亿+用户及162家金融机构，奇富打造了自身的“链主”地位，既有数据、又有技术、还有应用场景，得以赋能AI。

截至四季度末，奇富的26个智能体应用达到了商用级别，覆盖了金融企业的全生命周期，比如贷前、贷中、贷后，甚至睡眠客户的管理。从工作内容上涵盖了客户识别、产品服务、金融产品研发和经营分析等核心环节。

例如，小微图谱智能体专注于精准洞察小微用户经营能力，能为用户定制端到端服务方案。

ChatBI智能体融合了deepseek-R1与React推理架构，在用户需求识别准确率上实现突破性进展。

营销助手智能体能实时解析客户需求，整合多渠道营销管理。

未来，将有更多的智能体整合到奇富智能体平台，向金融机构输送智能化的能力，为金融行业进入下一个指数级增长打开了想象空间。

奇富智能体方法论

作为对数据高度依赖的行业，金融堪称是AI的最佳实践场。但同时，大模型的迭代是一场“暴力”填数据、拔规模而造就的美学盛宴，投入高、周期长。

事实上，金融机构并没必要一味地卷参数、卷算力，而是要比拼AI智能体，是否足够贴近真实场景（具备行业know-how），能否把一个任务执行好。

大模型如何在金融行业落地生根？奇富意识到，需满足三大要素：

一是深耕场景。比如在客服场景，AI大模型需协助座席工作人员更精准迅速地捕捉用户意图。拿奇富 Copilot 来说，能面向坐席人员实现 200% 的提效，这离不开奇富 GPT 大模型+场景的持续深耕。

二是数据飞轮。大模型的效果与数据质量息息相关。奇富不仅有T级别海量数据，还对数据进行了大量的清洗工作，质量更高。通过持续迭代的数据反馈机制，确保模型性能形成良性循环。

三是多智能体协作。通过调用多个智能体协作，实现从任务优化升级到自主智能解决问题。最近刷屏的一款通用 AI 智能体Manus，不仅仅是一个聊天AI 工具，而是一个真正的自主智能体，能直接交付完整的任务成果。奇富智能体与其有异曲同工之妙。以风险智能体为例，其会大体评估判断出几个结果：第一，材料信息充分可以直接提供贷款；第二，还需要提供什么材料作为补充；第三，提供任何材料都无法满足借贷需求。这是一个很大的逻辑框架，有可能直接返回，也有可能会再调过来营销智能体。

奇富从实践中得来了以上经验，大模型指挥场景落地，场景又反馈给大模型不断进化，形成了一个螺旋上升的飞轮。

更懂金融业务的金融大模型+更懂金融业务的金融场景反复打磨，才打磨出了这样的金融大模型。经过一年多的积累，奇富智能体大模型已在信贷场景实现了应用破局。

在这个充满不确定性的时代，可以确定的是，大模型时代一定会到来，大模型赋能金融科技这条路一定行得通。那么，谁会是率先冲线的那一个？从奇富身上，或许可以找到答案。

金融与科技双向奔赴

3月17日央行科技工作会议要求：加快金融数字化智能化转型，安全稳妥有序推进人工智能大模型等在金融领域应用。

金融机构既要降本增效，又迫切需要业务创新。这在智能化革命时代是一个挑战。

毕竟，如果金融机构将自己定位成底座大模型研发公司，投入产出比不见得划算。而且只有少数大型金融机构有能力自建私有化生态，更多的中小型金融机构仍需外部的科技助力。即使是有自建能力的大型金融机构，也需要外部协同来加速创新。

因为AI 智能体的应用难度，不在于拼算法，而在于拼场景与用户体验。金融机构未必需要将自己变成一家大模型公司，只要“为我所用”即可。

乔布斯说，在我们为苹果制定战略和愿景时，一开始是从我们能为客户带来怎样的好处开始考虑，我们能将客户带向哪里？而不是一开始先和工程师们一起坐下来，弄清楚我们拥有哪些厉害的技术，然后考虑如何营销它。

奇富自研的数字普惠信贷解决方案FocusPRO，为机构提供了从产品设计、风险管理到用户运营的全链条服务，能够帮助机构快速实现信贷业务的数字化转型。

2024年，FocusPRO新增11家合作金融机构，累计合作机构数达到16家。FocusPRO模式下的放款量月均复合增长率达到17%。

举个例子，奇富与华东一家头部城商行的合作项目中，通过FocusPRO助力该行实现了消费贷款业务的快速增长，客户经理人均月放款产能已达到业内领先的200多万，同时有效控制了风险。