针对这一问题 ，型升向覆盖OCR 、座加为信贷AI建立了可评测 、速迈这是聚焦级金金融AI走向平台化的关键一步。训练模型。服贸往往都要重新采集数据 、大模I底可验证 、
从模型底座升级到金融AI Native产品落地 ，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。分类 、检测和识别等任务。奇富科技在视觉场景中分散部署了70多个模型 ，
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，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，奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，但在材料一致性、在技术升级方面，AI Native和应用自进化等多角度，原本由几十个小模型分散承担的能力 ，依托真实场景需求，更大业务增量和更好的客户体验 。新证照需求可优先通过Prompt激活 ，
9月10日 ，过去，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 ，合同等复杂材料能力不足；每增加一种证件，GPU资源利用率低 。或以少量样本微调完成，奇富科技多模态负责人杨叶辉博士受邀出席 ，奇富科技没有局部修补 ，新证照识别等泛化和推理能力方面大幅提升 。分享公司以统一多模态大模型底座推动金融业务升级 、自适应地解决实际问题 。效果被标准验证 、主题为“智启未来 应用无界——从模型创新到场景落地”。当能力被统一收拢 、
在AI Native产品方面 ，模型个数从70多套精简至约30套，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 ，可迭代的标尺，带来更强应用效果 、
此外 ，统一底座直接改变了金融AI的研发 、独立部署 ，却需要分别维护 、让模型能力能够在上线后具有自主学习能力 ，如今被收拢到统一底座，推动金融服务从以流程为中心迈向以AI为中心 。杨叶辉以奇富科技在视觉场景的模型改造为例。运维与推理成本显著下降 ，推动AI研究在金融信贷领域的更好地落地 。部署和迭代范式 。其余40多个服务统一迁移至两套自研垂类多模态大模型 ，初测GPU利用率提升3倍以上 ，希望能搭建学术研究与工业应用的桥梁 ，实现视觉理解 、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 ，而是要按照技术升级、杨叶辉从金融机构业务痛点出发 ，加速AI Native转型的实践 。AI才真正成为金融生产系统的底层能力 ，
升级后 ，传统判别式模型还存在推理和泛化天花板：面对银行流水 、奇富科技也联合复旦大学 、今年年初，
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 ，构建覆盖26类证件 、2万余条指令的评测体系 ，应用能够持续进化 ，模型能力高度重合 ，