易鑫首席科技官贾志峰：易鑫有责任自研大模型，赋能汽车金融全行业

在广袤的草原，许多牧民因缺乏传统金融机构认可的信用记录在分期购车时受阻。他们面临的困境，并不是个例。在我国，仅“灵活就业者”就高达2.5亿。如何为这一类群体以及更广泛的下沉市场用户提供服务，AI驱动的金融科技平台易鑫（02858.HK）给出了自己的科技解决方案。

据易鑫首席科技官贾志峰介绍，在金融行业，通用大模型外挂知识库的方式只能做到可检索和可分析，无法实现金融风控的可思考和可判断。基于此，易鑫利用其多年积累的、覆盖广泛风险人群的独有数据进行模型训练，推出了汽车金融行业首个通过国家备案的大模型，能精准评估传统金融难以覆盖的客群。

贾志峰提到，旨在解决更复杂的场景判断问题的新模型正在研发。以金融场景为例，贾志峰解释称，在融资审批中，申请人“如何回答问题”往往比“答案本身”更能揭示潜在风险。通过分析这些曾被忽略的非结构化数据，易鑫旨在进一步提升决策的精准度，将用户体验与审批效率推向新高。他还提到，即将发布的Agentic大模型将大幅提升融资申请通过率。

贾志峰表示，易鑫搭建了一个连接全国4.2万家经销商与上百家金融机构的科技平台，已服务了超1500万的用户。如今，这套在中国市场得到验证的强大技术系统，正跟随中国新能源汽车的出海浪潮，在新加坡、日本、马来西亚、南美等市场进行部署。易鑫的实践证明，一个足够灵活和智能的金融科技模型，既能服务好草原上的牧民，也能满足海外不同家庭的用车需求，这预示着其在全球市场拥有广阔的想象空间。

以下是易鑫首席科技官贾志峰的发言速记，略经钛媒体编辑：

大家好，我是易鑫的贾志峰。易鑫成立于2014年，并于2017年在港交所上市。目前，易鑫的年交易额达到700亿人民币，无论在中国还是全球范围内，我们都属于领先的汽车金融科技平台。

一位蒙古族牧民的车之路

我的分享将从一个具体案例开始，逐步剖析易鑫在过去几年的实践经验。大家在图片中看到的是一位牧民。作为牧民，他需要频繁地转场放牧，过去这项工作主要依靠骑马完成。然而，内蒙古的冬天异常寒冷，因此他一直希望能拥有一辆汽车来改善工作和生活条件。但在购车时，他遇到了许多难题：首先，他所处地区偏远，最近的4S店可能都在百余公里外，往返一次非常不便。其次，作为牧民，他没有传统意义上的工作单位和固定的月工资，其收入多为现金或通过支付宝、微信等方式获得，缺乏稳定的流水证明。当他希望通过分期付款购车时，传统的金融机构很难为他这样的情况提供支持。

易鑫的金融顾问听到这个情况就开车去牧区找到他，用易鑫金融APP高效地为他办理了购车手续，最终帮助他成功购得一辆汽车。

这个案例揭示的不仅仅是单个用户的痛点。在过去几年，仅在新疆和内蒙两地，易鑫已累计为超过两万名这样的牧民提供了服务。他们中的许多人在购车后，生活质量和收入水平都得到了显著改善。

我们之所以能够成功服务这些“特殊人群”，核心原因不仅在于我们拥有一支深入一线的工作团队，更在于背后有强大的技术体系作为支撑。

那么，我们的技术体系是如何通过不断迭代和积累，来支持这些丰富多样的金融场景的呢？我们将金融业务的全流程拆解为不同步骤。在进件阶段，比如信息采集，我们摒弃了传统要求用户填写大量表单的方式，而是通过开发的对话式工具，在微信等平台收集信息，并自动生成进件，以对话式的信息获取替代了传统的表单填写。在风控阶段，我们于两年前在行业内率先推出了基于风险定价的解决方案，能为不同风险等级的客户定制化生成金融方案。例如，有的客户希望月供低一些，有的则希望首付少一些，我们能针对不同客户的偏好提供个性化的选择。

在智能链路（审批）阶段，系统能自动将客户的融资需求匹配给最合适的金融机构，以实现通过率的最大化。智能客服阶段，我们还运用了更多智能化技术，以更高效、低成本的方式服务广大用户。例如，针对需要方案讲解或是不熟悉汉语的客户，我们的智能客服系统可以提供24小时不间断的服务。

在资产管理环节，我们将传统的、基于逾期天数的催收方式，升级为个性化的智能催收策略。系统会根据不同用户的特征和逾期阶段，采取最优的沟通策略，实践证明这带来了效率的大幅提升。总而言之，我们在业务的各个应用环节都部署了不同的智能化工具，实现了全流程的业务智能化升级。在过去几年间，我们累计的AI平台服务次数已达到7300万次。我们之所以能够灵活支撑如此多变的需求，是因为我们将多年积累的科技能力进行了产品化和平台化。

业务需求不是一成不变的，它拥有生命周期，并随着业务发展而演进。因此，我们打造了一个可配置、可管理的运营平台：2018年，我们上线了决策流平台；2019年，上线了模型平台，并与线上工程系统结合，以快速验证模型效果；2020年，我们推出了机器人平台，业务人员无需技术人员介入，通过“拖拉拽”的方式即可创建工作流并直接服务客户；2023年，我们建立了大模型训练平台，能将业务需求快速沉淀为智能模型；从2024年开始，我们进一步延展，运用生成式模型的能力，推出了短视频内容的平台化工具，帮助金融顾问自主生成营销短视频，并通过各大平台发布以实现更高效的获客。

总结而言，我们认为平台的构建至关重要。发现需求只是第一步，而能够快速、高效、低成本地满足这些需求，才是企业长久发展的核心竞争力。

为什么要自研模型，如何训练模型

刚才我们介绍了，通过对应用系统的模块化拆分，我们得以在业务层面实现快速应变。而在智慧层面，我们也建立了一套自主可控的AI技术栈，能将新的业务需求迅速提炼并融入模型。我们的技术栈是这样构建的：底层是算力平台，包括训练集群等基础设施；在此之上是我们训练的AI大模型；再往上则是平台级的商业产品和覆盖全流程的应用产品。

这里有一个关键决策点：我们为什么要自研模型？以及我们是如何训练模型的？

首先，为什么选择自研？我们发现，金融领域拥有大量独特的专业知识与行业数据，而这些是通用大模型无法充分体现的，因为它们无法获取这些专有数据。易鑫在多年运营中积累了海量数据，不仅覆盖了新车、二手车等多元业务场景，还包含了极为广泛的风险人群画像。这些数据是公司的独有数据，我们有责任将其价值提炼出来，转化为能够服务整个行业的智能化模型。

其次，为什么采取训练模型的方式，而非“通用大模型+外挂知识库”的方案？刚才的分享提到，外挂知识库的方式能让模型实现对数据的检索和分析，但无法真正做到“可思考”和“可判断”。我们需要模型能深度学习金融领域的内在逻辑，例如理解首付、利率等变量之间的复杂关系，从而做出定制化的智能判断。基于这两点考量，我们最终决定自主训练模型。我们将积累的数据进行持续训练，形成了今天的两个基座大模型。在此之上，我们又训练出不同尺寸的领域模型以适配不同场景，并拓展至图像、语音等多模态模型。我们的模型矩阵是汽车金融行业第一个通过国家“生成式人工智能服务”备案的大模型，我们非常高兴能够将经过国家安全认证的模型应用于行业实践中。

我们还进行了一部分开源工作，并收到了许多积极的评测与反馈，证明了我们的模型在数学等通用能力上能够比肩主流模型。我们欢迎更多汽车金融领域的同行与我们共建生态，通过数据共享等方式创造更大的价值。

金融审批，“过程数据”比“结果数据”更为重要

从今年年初开始，我们启动了一个Agentic新模型的研发，旨在解决更复杂的场景判断问题。在金融行业，我们常常发现“过程数据”比“结果数据”更为重要。如何定义过程数据？举个测谎仪的例子，在判断客户是否存在欺诈倾向时，他回答问题的对错本身可能不重要，但他如何回答问题则更重要。过去由于技术能力的限制，这类过程数据在从物理世界向数字世界“搬运”时被丢失了，无法被传统的风控模型所利用。而通过Agentic新的多模态技术，我们有史以来第一次能够快速、低成本地分析这类非结构化数据，并依赖它们做出更精准的决策。我们认为这是一项关键的突破，希望尽快将其应用于金融行业。

其次，金融审批并非一个预先定义的固化流程，在真实场景中，它往往是一个需要多轮交互的复杂过程。过去因为信息缺失，常常需要人工介入来补全信息，流程繁琐。但借助我们正在训练的新模型，未来将能自动化处理这些复杂的交互，极大地提升用户体验和审批效率，这是一项非常有意义的工作。从年初至今我们一直在训练这个模型，很快会正式发布。届时我们也会考虑发布开源版本，欢迎各家金融机构与我们共建开源模型与生态。

当我们有效解决个体用户痛点的同时，我们发现同样的需求在其他金融机构中也广泛存在。据可查数据，目前中国的灵活就业人群已超过2.5亿，其规模甚至超过了传统的就业模式。像牧民这样难以被传统金融覆盖的人群数量庞大，而许多金融机构都希望能服务他们。因此，我们将自身积累的能力转化为科技产品和开放平台，让更多机构能够共享我们的服务能力。

在我们搭建的金融科技平台上，一端连接着众多金融机构，包括国有银行、地方性银行、金租公司等。他们可以在平台上选择所需的渠道、风控、资管等模块化服务，以补足自身能力，进而服务像牧民这样的群体；平台的另一端则连接着全国超42000家新车和二手车经销商。经销商只需为客户提交一次申请，即可通过AI驱动的智能路由系统，触达到平台上所有的金融机构，融资申请通过率将大幅提升。截至目前，我们已累计服务了超过1500万用户。

最后，我想谈谈易鑫的国际化战略。我们正紧随中国新能源汽车厂商的出海浪潮，积极探索海外市场，目前已在新加坡、马来西亚、日本、南美等地开展了业务。例如图中这对来自马来西亚夫妇，女士从事行政工作，男士在保洁公司任职，在当地属于中低收入群体。他们在购买二手车时遇到了融资困难，最终也是通过易鑫的金融科技服务帮助他们买到了车。同一套技术系统，既能服务好内蒙古的牧民，也能服务好新加坡的家庭——我们认为，这正是科技创造的价值（IT Value），也是我们作为从业者感到无比自豪的地方。（本文首发于钛媒体APP，作者｜蔡鹏程，编辑｜胡珈萌）