在近期举办的云栖大会“新‘模’力 新点金：金融大模型技术峰会”上，奇富科技首席算法科学家费浩峻结合企业实践，深入剖析了金融大模型落地的核心逻辑。他提出，行业应摒弃对模型参数规模的盲目追求，转而通过“做小做强”的路径，推动金融AI从依赖人力和模型的粗放模式，向聚焦智能与个体的精细化方向升级，为行业提供了可复制的实践范本。
费浩峻指出，传统机器学习阶段，金融AI的发展面临两大瓶颈：一方面，模型高度依赖人工特征工程，难以直接处理复杂、非结构化的真实数据；另一方面，模型泛化能力不足，不同业务场景需定制独立模型，导致迭代成本高、响应速度慢。这些问题制约了金融AI的规模化应用。
针对上述挑战，奇富科技围绕金融大模型技术构建了四大解决方案。首先，通过“一模型多能”突破泛化限制。以基于千问多模态大模型开发的“AI审批官”为例，该模型可统一处理各类银行单据解析任务，替代过去需要二三十个OCR模型并行运行的冗余模式，显著提升了处理效率与精度。
其次，推动服务从群体标签向个体精准识别转型。费浩峻介绍，奇富科技推出的“小微识别智能体”通过组合分析小微企业的多维度信息，逐步逼近其真实经营状态，实现从“归类式”服务向“个体化”服务的转变，真正做到“看见个体、发现个体、服务个体”。
第三，通过模型“做小”解决算力与延迟问题。费浩峻强调，大模型的发展并非参数规模越大越好，而是要在保证效果的前提下优化模型效率。例如，奇富科技与阿里云合作，将模型蒸馏技术应用于“小微智能体”，在确保服务效果的同时，使模型效率提升数千倍，为“个体级”精准服务的大规模落地提供了可能。
最后，强化决策可解释性以筑牢合规基础。费浩峻表示，金融行业对模型“可信度”的要求极高，决策的合理性与可追溯性是核心合规条件。为此，奇富科技在风控等关键场景构建了“端到端风险决策模型”，通过输出思维链数据与推理链路，使决策过程可追溯、可挑战、可修正，有效提升了模型的可信度。
费浩峻认为，金融大模型的核心价值不在于参数规模，而在于能否在复杂场景中实现“精准、高效、可信”的平衡。奇富科技将持续深化大模型在金融领域的应用，通过更智能、更可信的AI能力，助力金融机构提升服务效率与风险管理水平，推动技术创新真正服务于每一个微观个体。
