易鑫首席AI科学家、高级副总裁张磊：全栈 AI 能力构建汽车金融“中国式方案”| 36氪2025AI Partner百业大会

8月27日，由36氪与中欧国际工商学院联合主办的2025 AI Partner百业大会于北京中关村软件园盛大启幕。本次大会以“中国式方案”为主题，分为“中国式方案”和“谁来定义下一个人工智能时代”两大篇章，围绕“中国式创新的黄金时刻”“超级智能体能否成为下一代AI的核心形态”“中国式方案重塑世界科技竞争格局”“AI+千行百业融合创新的繁荣景象”四大话题，全方位集中呈现中国AI的最新突破与生态体系，分享中国式AI的成长路径和未来前景，探索中国式方案的创新模式。

当日，易鑫首席AI科学家、高级副总裁张磊带来了《AI重塑汽车金融服务生态》的主题分享。

以下为演讲内容，经36氪整理编辑：

各位嘉宾、各位老师：

上午好！非常荣幸能在这里，与大家分享易鑫在 “AI 重塑汽车金融服务生态” 领域的实践与思考。

首先简单介绍易鑫：我们是一家 AI 驱动的金融科技平台，也是国内规模领先的汽车金融科技上市企业 —— 年交易额约 700 亿元，累计在研发与 AI 领域投入超 20 亿元。在技术实力上，我们的大模型是行业内唯一通过国家认证备案的，也是首家实现 DeepSeek 本地化部署、全面应用及模型开源的企业。我们始终认为，要重塑行业、服务生态，必须具备强有力的 AI 基座，AI 能力是核心关键。

回顾 AI 的发展历程，我们可将其分为不同阶段：

在 1.0 判别式 AI 早期，所有业务判断均基于规则，比如金融场景常用的专家评分卡，搜广推早期（如淘宝初期）也多依赖规则，业务流程呈静态；到判别式 AI 后期，虽引入传统机器学习等小模型，但流程依旧静态。

进入 2.0 深层次 AI 阶段，大模型开始参与业务判断，涵盖了特征分析、建模配合等环节，可流程仍未突破静态局限。不难发现，1.0 与 2.0 阶段的人机协作模式，始终是 “人为主、AI 为辅”，AI 更多是深度影响人的业务工作流。

基于实践，我们认为企业深度应用 AI，需具备全栈 AI 能力：既要有 AI 基础设施（含算力硬件、训练与推理一体化软件），也要有 AI 应用能力。依托这些资源，可构建预训练、后训练模型，再基于基座生成不同尺寸的领域模型，进而打造平台产品 —— 这些产品如同 “积木”，前端业务应用时只需灵活组合。

我们构建的行业专属模型矩阵，从下至上涵盖预训练、后训练模型，以及四个尺寸的领域模型。之所以划分不同尺寸，是因领域应用对效果与效率有双重要求：例如高实时性场景，模型尺寸过大会影响响应效率。此外，我们还有 7B 声学模型（用于高保真语音合成与克隆）、2 个推理模型（侧重逻辑推理），以及多模态模型与支持多智能体协作的 Agentic Model。

为何需要垂域模型？通用模型与垂域模型存在 “取舍”：通用模型虽覆盖范围广，但资源消耗高、垂域理解浅；垂域模型则能精准洞察场景需求。比如有用户问 “开了十年油车，想换电车但担心不知名厂商电池安全”，通用模型多围绕油电对比作答，而我们的汽车金融垂域模型能精准捕捉用户 “担心起火” 的核心顾虑，针对性解释风险点，体现出对行业的深度理解。

今年 3 月，我们以 72B 尺寸模型为基座，结合自研训练方法论，开源了具备领域知识的推理模型，其数学与逻辑能力比肩当时顶尖通用模型，还提供全尺寸与量化尺寸两个版本，助力行业共建 AI 能力。

我们的核心目标是构建 “全链路 AI 决策引擎”，且从始至终以产品化方式服务业务：2018 年发布决策流平台，支持 LR、XGBoost 等传统机器学习模型，赋能风控；2019 年推出模型平台，适配大规模深度学习需求；2020 年上线机器人平台，实现算法与模型产品化；2022 年，为适配 AI 发展，推翻三方采购系统，自研 AI 原生话务系统；2023 年起，先后发布 7B 小尺寸大模型、通过国家备案的文生文与多模态大模型，并在 2024 年将大模型全面应用于机器人产品升级，还推出新媒体创作平台，覆盖短视频、直播等营销场景。

金融的本质是 “风险的商业化”，我们将汽车金融业务拆解为三大环节，以 AI 深度赋能：

融资前（渠道 + 进件）：用 AI 搜索能力自动生成渠道分析报告，辅助决策；进件时通过多模态模型自动检索、提取用户资料，实现自动化录入。

融资中（风控 + 智能链路）：除个性化风险模型外，用机器人平台覆盖风控各环节，独创 “智能链路” 模式与算法，为用户匹配最优金融方案；更推出 “端到端风控”，将文本、图片、音视频等原始信息直接输入模型，让模型自主提取特征，同时融合传统可解释性模型，避免人工特征提取的信息损耗。

融资后（客服 + 资管）：客服端除自动回复电话、IM 咨询外，还分析用户声纹、语音语调，预判投诉风险并提前派单；资管端以 AI 制定个性化策略，针对不同风险等级匹配对应方案。

汽车金融行业长期面临 “复杂决策 + 长链路工作流效率低” 的难题，我们认为唯有进入 3.0 Agent AI 阶段才能突破 —— 此阶段以 AI 大模型负责判断，业务流程从静态转为动态，AI 通过与客户、环境的交互实时进化，适配最优流程；人机协作也从 “人为主” 转向 “机器为主”，业务流程围绕机器设计。

目前，我们正以产品化推进 Agent 化，核心是 “AI Agent 业务面 + AI 风控智能链”。以进件预审批环节为例，我们抽象出 “外呼助手、IM 助手、审批助手” 三大智能体：外呼助手自动联系用户，确认意向与资质；同步联动 IM 助手添加用户好友，全程跟进资料搜集（文本、图像、视频等）；资料达标后，IM 助手与审批助手协作完成审批，若需补充材料，再由 IM 助手沟通获取 —— 整个过程无需人工介入，靠智能体协作编排完成，虽流程简洁，但背后攻克了大量技术与算法难关。

如今，易鑫的金融科技解决方案已实现 “国内应用 + 全球拓展”。全球范围内，中美 AI 实力领先，而我们的汽车金融 AI 能力经过市场验证，在全球行业中具备极强竞争力。

以上就是我的分享，谢谢大家！