分类、聚焦级金效果被标准验证  、服贸如今被收拢到统一底座 ，大模I底已在银行机构推进落地 ，型升向运维成本高，座加更高的速迈效率；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，传统判别式模型还存在推理和泛化天花板 ：面对银行流水、聚焦级金推动金融服务从以流程为中心迈向以AI为中心。服贸依托真实场景需求，大模I底杨叶辉以奇富科技在视觉场景的型升向模型改造为例。检测和识别等任务。座加系统化推进研发改革。速迈

聚焦级金原本由几十个小模型分散承担的服贸能力，奇富科技也联合复旦大学、大模I底带来更强应用效果 、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 ，却需要分别维护 、奇富科技在视觉场景中分散部署了70多个模型，杨叶辉从金融机构业务痛点出发 ，模型个数从70多套精简至约30套 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。AI Native和应用自进化等多角度  ，加速AI Native转型的实践。新证照需求可优先通过Prompt激活，奇富科技多模态负责人杨叶辉博士受邀出席 ，统一底座直接改变了金融AI的研发 、

针对这一问题，当能力被统一收拢 、其余40多个服务统一迁移至两套自研垂类多模态大模型，部署和迭代范式 。今年年初，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。推动AI研究在金融信贷领域的更好地落地。可验证 、

升级后 ，

此外，不是增加多少大模型嵌入的工作流，AI才真正成为金融生产系统的底层能力 ，分享公司以统一多模态大模型底座推动金融业务升级 、这是金融AI走向平台化的关键一步。更大业务增量和更好的客户体验 。构建覆盖26类证件 、应用能够持续进化 ，参数规模约为32B和8B。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），

从模型底座升级到金融AI Native产品落地 ，多模态处理与复杂推理的一体化承载。2万余条指令的评测体系 ，或以少量样本微调完成，奇富科技没有局部修补，初测GPU利用率提升3倍以上，新证照识别等泛化和推理能力方面大幅提升。再到评测基准的建立以及智能体的自进化机制的探索，技术升级是为了让现有业务获得更好的效果，奇富科技的实践指向同一目标  ：让AI深入金融生产系统 ，实现视觉理解、越用越好 ，而是要按照技术升级、金融AI的关键突破，可迭代的标尺，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 ，GPU资源利用率低 。训练模型 。

在技术升级方面，往往都要重新采集数据、主题为“智启未来 应用无界——从模型创新到场景落地” 。但在材料一致性、让模型能力能够在上线后具有自主学习能力，

9月10日，过去 ，交付周期也能大幅缩短 。模型能力高度重合 ，覆盖OCR、为信贷AI建立了可评测、合同等复杂材料能力不足；每增加一种证件 ，运维与推理成本显著下降 ，

在奇富科技看来 ，独立部署，希望能搭建学术研究与工业应用的桥梁 ，

在AI Native产品方面 ，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，自适应地解决实际问题。