7月20日消息，在2026世界人工智能大会暨人工智能全球治理高级别会议上，奇富科技带来题为《从智能风控到金融智能体：AI Native重构普惠信贷的安全增长范式》的主题分享。
奇富科技首席AI科学家杨青表示，金融AI的下一阶段，不是让大模型停留在问答、写作和单点提效，而是让AI逐层进入金融生产系统，重构数据理解、业务模型、流程执行和决策服务。
2026世界人工智能大会，奇富科技首席AI科学家杨青演讲现场
在普惠信贷进入高质量发展阶段的背景下，行业面临的核心问题已经不只是扩大覆盖，而是在降本、控险、合规与可持续之间建立新的平衡。对金融科技平台而言，未来不能依赖高定价覆盖高风险，而要依靠更强的风险识别、更高的运营效率、更精准的用户适配和更稳定的资产质量，支撑成本可负担、风险可控、商业可持续的普惠金融服务。
奇富科技认为，AI不改变金融本质，但会重构金融理解信息、组织模型、执行流程和治理责任的方式。大模型落地金融，也不可能从问答一步跳到核心决策，而是沿着“知识、数据、模型、交互、流程、决策”逐层进入生产系统。
围绕这一判断，奇富科技提出金融大模型应用六层路径：第一层是知识工作提效，让运营、合规、分析等岗位形成“Prompt+初稿生成+专家复核”的新工作方式；第二层是复杂数据结构化，把证件、合同、流水、报告、对话、视频等复杂金融材料转化为可解释、可入模、可评测的业务变量；第三层是业务模型增强，让大模型参与分类、排序和风险表征学习，增强风控与经营模型；第四层是智能交互与人机协同，让金融服务交互变得更可控、更可留痕、更可质检、更可迭代；第五层是流程Skill化，把专家经验和业务流程沉淀为可复用、可审计、可迭代的能力资产；第六层是信贷业务Agent决策服务，以大模型作为规划中枢，在合规、风险和权限边界内调用模型、规则、Skill与业务系统，形成更完整、更一致、更可审核的决策服务建议。
这一路径背后，体现的是奇富科技对金AI Native的系统化理解：金融大模型的价值不只在模型本身，而在于能否被组织进真实业务流程，并持续产生可验证的业务价值。
在复杂数据结构化方面，奇富科技自研并开源FCMBench评测体系，面向金融信贷场景中的多模态材料理解能力进行系统评估。其核心目标不是“做榜单”，而是让复杂材料理解成为可验证、可迭代、可落地的工程能力。
在业务模型增强方面，奇富科技探索征信大模型技术路线，不是让大模型简单生成解释，而是让其参与分类、排序和风险表征学习，形成可验证、可入模的风险子分。这意味着大模型正在从内容生成工具，进一步进入业务模型开发流程。
在流程Skill化方面，奇富科技近期推出并开源自动建模框架ModelEvo，尝试将建模专家的任务澄清、样本构建、特征挖掘、模型开发、效果评估和报告复盘等流程沉淀为Skill Pipeline。相比传统AutoML，ModelEvo更强调业务知识、流程经验和结果反馈的持续沉淀，让金融专业流程在执行、复盘和更新中不断自我迭代。
在更高层次的信贷业务Agent方向，奇富科技将AI审批官作为典型实践之一。AI审批官不是替代审批人员直接做决定，而是在合规与风险边界内理解申请材料和业务状态，调用风控模型、审批规则和合规校验工具，生成审批建议、关键依据与人审要点，辅助审批人员做出更完整、更一致、更可审核的判断。
值得注意的是，奇富科技将本体建设视为企业走向AI Native的关键底座。大模型并不缺金融通识，真正缺的是对企业内部业务语境的理解。不同团队之间的指标口径、风险语义、业务概念和上下文关系，如果不能被结构化沉淀，大模型就很难稳定进入企业生产系统。
因此，本体建设的核心，不是把知识库整理得更漂亮，而是把企业内部业务语义变成机器可理解、业务可复核、流程可复用的共同语言。它是连接通用大模型与企业级智能体的关键基础设施。
从智能风控到金融智能体，奇富科技给出的不是一个单点应用方案，而是一条金融AI Native的系统化路径：以知识工作提效为起点，以复杂数据结构化和业务模型增强为核心能力，以人机协同、流程Skill和业务Agent为生产形态，并以业务本体与可信治理作为底座。
这也意味着，金融AI的竞争正在从“谁接入了更强的大模型”，转向“谁能把数据、模型、流程、Skill、Agent、本体和治理组织成可信的金融生产系统”。
面向未来，奇富科技将持续推进AI Native在普惠信贷场景中的落地探索，让金融生产系统变得更智能、更可信、更可持续，助力普惠信贷在服务真实需求的同时，实现更高质量的安全增长。