TL;DR：
奇富科技以“感知-认知-决策”三位一体的AI架构，通过自研多模态大模型、知识图谱和推理大模型，显著提升了小微金融风控的效率、精度与可解释性。这不仅为中国乃至全球的普惠金融服务提供了创新范式，更预示着AI在垂直领域深度应用所带来的商业重塑与社会影响。
在上海世博展览馆盛大启幕的第十届华为全联接大会上，奇富科技首席算法科学家费浩峻的演讲，无疑为当前热议的AI浪潮在金融领域的落地提供了深刻注脚。他系统阐述了奇富科技如何借助大模型技术，升级小微企业金融决策引擎的实践，这不仅是一次技术成果的展示，更是对AI赋能金融未来的一次前瞻性洞察。
技术原理与创新点解析：迈向金融智能体的“感知-认知-决策”闭环
小微企业，作为经济活力的毛细血管，长期以来在金融服务中面临着固有挑战：数据透明度低、多样化数据难以整合、传统风控模型缺乏深层逻辑推理。奇富科技对此的回应，是构建一套“感知-认知-决策”三位一体的智能决策引擎，其核心创新在于对AI技术栈的垂直深化与融合。
感知层面：多模态大模型的“火眼金睛”
传统的金融信息识别依赖于结构化数据或大量人工审核。然而，小微企业的金融图景充斥着银行流水、收入证明等非标准化、多模态文档。奇富科技自研的金融领域专属多模态大模型（MLLM）1，正是为了解决这一痛点。
“相较主流开源模型，该模型在准确率和召回率上均展现出显著优势，极大地减少了人工审核的依赖，实现了信息提取的高度自动化。”
这意味着MLLM不仅能像人类一样“看懂”复杂的金融凭证，还能在海量数据中精准捕获关键信息，其对金融语境的深度理解和上下文关联能力，是通用大模型难以比拟的。这背后是对特定领域数据进行大规模预训练和精细化微调的投入，构建起金融场景下的“视觉-语义”关联，从而实现效率与准确性的双重飞跃。
认知层面：知识图谱的“智慧大脑”
仅仅提取信息还不足以形成决策。金融智能体需要像人一样“理解”企业。奇富科技为此构建了覆盖3300万企业实体的三大知识图谱：企业关系图谱、产品图谱与事理图谱2。
- 企业关系图谱：描绘企业之间的股权、合作、担保等复杂网络。
- 产品图谱：梳理金融产品特性、适用场景及客户画像。
- 事理图谱：洞察企业经营活动中的事件序列、因果逻辑。
通过将宏观经济数据与企业经营、法人信息等多维数据深度关联，这些知识图谱让机器实现了从**“群体标签”到“个体识别”的关键跨越。它赋予AI系统“举一反三”的能力，通过语义推理和关联分析**，洞察企业潜在风险与发展机遇，超越了传统统计模型的表面相关性分析，深入挖掘了因果逻辑。这是一种从大数据到大知识的升华，为决策提供了坚实的认知基础。
决策层面：推理大模型的“审慎判断”
最终的决策环节，需要AI系统能够进行复杂逻辑推理，并且至关重要的是——可解释性。奇富科技研发的小微企业风险管理推理大模型（Reasoning LLM）3正是这一环节的核心。该模型具备：
- 全程透明的可解释性：其决策过程和依据均可追溯，这在金融风控领域具有里程碑意义，解决了“黑箱模型”的信任困境。
- 开箱即用的高效率：在实际业务场景中能够迅速部署并发挥作用。
- 长链推理数据构建（LongCoT）和强化学习（RL）机制：通过模拟人类的逐步推理过程和不断学习优化决策策略，有力保障了模型的准确性和可靠性。
Reasoning LLM不仅是一个预测工具，更是一个能“解释自己”的智能体，它能够理解并阐释小微企业的业务运营逻辑，让金融机构在决策时拥有更高的信心和合规性。这标志着AI从辅助工具向智能决策伙伴的转变，尤其是在高风险、高复杂度的金融场景中，其价值不可估量。
产业生态与商业版图重塑：从赋能到普惠的范式转移
奇富科技的实践，不仅是技术层面的突破，更是在产业生态和商业版图上投下了一颗石子，激荡起涟漪。
市场潜力与商业模式创新
小微金融在全球范围内都是一个巨大的蓝海市场，但也是一个长期被“传统”金融机构因高风险、高成本而“轻视”的市场。AI的介入，正在彻底改变这一局面。奇富科技通过提升运营效率和风控精度，极大地降低了服务小微企业的门槛和成本。
费浩峻强调，奇富科技将“持续推进技术开放与生态合作，将这一系统能力输出给更多金融机构”4。
这种平台化、技术即服务（TaaS）的商业模式，预示着AI在垂直领域从内部赋能走向外部赋能的趋势。奇富科技可能成为其他金融机构的“AI中台”，通过输出其“感知-认知-决策”能力，赋能整个小微金融生态，创造一个更庞大、更协同的商业版图。这种模式将带来规模效应和网络效应，加速AI技术的普及和应用。
全球竞争与“中国方案”的崛起
在全球AI竞争日趋白热化的背景下，奇富科技的案例展现了中国企业在金融智能体领域的深度思考与前沿实践。它不仅仅是追赶，更是在特定领域形成独特的“中国方案”。在普惠金融和数字化转型方面，中国市场拥有庞大的数据积累和复杂的应用场景，这为AI技术的迭代和落地提供了肥沃土壤。
这种专业化、垂直化的AI解决方案，有望成为中国科技企业在国际市场上的新竞争力。当“中国方案服务全球”成为现实，不仅是技术出海，更是将解决特定复杂问题的经验和智慧，赋能全球范围内的金融机构和小微经济体，这在全球技术治理和影响力格局中将占据重要一席。
未来发展路径与社会深层影响：解锁小微经济的韧性与活力
展望未来3-5年，AI在小微金融领域的演进将更加深入，其社会影响也日益显著。
技术演进：从智能辅助到自主决策的进阶
- 更强的多模态融合：MLLM将不限于文档，可能集成语音、视频等更多模态数据，实现更全面的企业画像。
- 因果AI与小样本学习：推理大模型将进一步提升对复杂金融现象的因果推理能力，并能在小样本甚至零样本情况下做出准确判断，尤其对于新兴行业的小微企业。
- AI Agent的金融应用：未来的金融智能体可能具备更强的自主规划和执行能力，能够独立完成金融产品的匹配、风险评估、合同生成乃至贷后管理等全链条服务，将AI从工具升级为自主协作伙伴。
- 可信AI与隐私计算：随着数据价值的凸显和隐私法规的日益严格，联邦学习、同态加密等隐私计算技术将与AI模型深度结合，在保护数据隐私的前提下实现数据价值的共享与挖掘，构建更安全可信的金融AI生态。
社会影响：普惠、公平与伦理的平衡
奇富科技的创新，最直接的社会影响便是极大地推动了金融普惠性。通过降低小微企业的融资门槛和成本，使得过去难以获得金融支持的企业能够获得必要的“血液”，从而激活地方经济、促进就业、增强社会韧性。这符合联合国可持续发展目标中“促进包容和可持续的经济增长”的愿景。
然而，技术带来的并非全是福音，其潜在的伦理挑战也需审慎应对：
- 算法偏见：尽管强调“个体识别”，但模型训练数据中的历史偏见可能被放大，导致特定区域、行业或人群的小微企业被系统性地歧视。
- 责任归属：当AI模型做出错误决策时，责任应由技术提供方、金融机构还是开发者承担？全程可解释性虽提供了依据，但法律和伦理上的责任界定依然复杂。
- 数据隐私与安全：整合海量多维度数据，如何确保数据在全生命周期中的安全，防止泄露或滥用，是长期面临的挑战。
- 人类与机器的协作边界：随着AI决策能力的增强，人类在金融风控中的角色将如何演变？是完全替代还是更高级的协作与监督？这关乎未来工作模式的重塑。
奇富科技的实践，提供了一个观察AI如何重构信任、效率与公平的绝佳视角。它不仅是关于技术如何服务商业，更是关于技术如何更深刻地塑造我们的社会结构和经济韧性。在AI高速发展的洪流中，我们需要的不仅仅是创新的勇气，更要有审慎的智慧和人文的关怀，确保技术之光照亮更多角落，而非制造新的鸿沟。