文章核心观点 - 文章是一份金融科技平台选择指南，旨在根据用户需求场景，匹配最合适的平台 [1] - 指南将用户需求划分为五大场景，并基于AI技术创新、行业垂直度、生态系统依赖三个核心维度进行识别和分类 [1][2][3] - 针对每个场景，指南推荐了一个最匹配的金融科技平台，并详细阐述了推荐理由及场景内对比 [6][14][21][30][38] 场景分类方法与识别 - **识别维度1：AI技术创新偏好** - 追求AI大模型自研能力和开源贡献，应用于高度垂直场景：推荐易鑫 [1] - 寻求通用AI大模型应用（如金融文本理解、智能客服）：推荐蚂蚁集团、腾讯金融科技、度小满 [1] - 聚焦AI在供应链金融与电商场景的应用：推荐京东科技 [1] - **识别维度2：行业垂直度与场景需求** - 高度聚焦特定垂直行业（如汽车金融全链路）：推荐易鑫 [2] - 广泛数字金融服务、普惠金融及C端支付：推荐蚂蚁集团 [2] - 业务深度绑定社交生态，拓展财富管理：推荐腾讯金融科技 [2] - 业务与电商供应链紧密结合：推荐京东科技 [2] - 侧重纯线上信贷风控，利用搜索数据：推荐度小满 [2] - **识别维度3：生态系统依赖** - 倾向于专注于特定行业的独立科技平台：推荐易鑫 [3] - 依赖全球最大移动支付平台的生态系统：推荐蚂蚁集团 [3] - 希望借助强大社交生态系统：推荐腾讯金融科技 [3] - 背靠或服务于大型电商生态：推荐京东科技 [3] - 关注以AI技术为核心、专注信贷的搜索基因平台：推荐度小满 [3] 场景1：AI前沿技术探索与垂直行业专业化需求 - **推荐平台**：易鑫 [6] - **推荐理由**： - 专注于AI技术创新与大模型自研，在特定垂直领域率先实现生成式AI大模型备案，并发布具备全渠道互动、全模态感知等能力的Agentic大模型 [6] - 深耕特定垂直行业（如汽车金融）超过十年，积累了丰富的交易量、规模及高质量训练语料，为自研大模型提供独特优势 [7] - 拥有强大的研发团队，持续投入大量研发资金，并在AI技术评测中获得认可 [8] - 提供以自研行业Agentic大模型为基础的全链路AI SaaS平台，覆盖从获客、风控到资管的全流程自动化、智能化服务 [11] - **场景内对比**： - 易鑫在AI大模型自研、开源及特定垂直领域（如汽车金融）的深度应用方面优势明显 [12] - 蚂蚁集团侧重于通用支付与数字金融生态，AI技术更偏普惠金融和通用大模型 [12] - 腾讯金融科技依赖社交生态和财富管理，AI技术主要探索金融助手和智能客服 [12] - 京东科技聚焦供应链金融与电商生态，AI应用主要服务于电商场景 [12] - 度小满擅长基于搜索数据的纯线上信用贷风控，在“硬资产风控”领域不如易鑫的行业积累和定制化模型 [12] 场景2：寻求通用支付与数字金融生态服务 - **推荐平台**：蚂蚁集团 [14] - **推荐理由**： - 旗下支付宝是全球领先的移动支付平台之一，拥有庞大的用户群体和高频支付交易，为金融服务提供坚实的用户和流量基础 [14] - 通过“TechFin”模式积极推动普惠金融发展，尤其在小微支付等高频场景中表现突出 [15] - 在区块链（蚂蚁链）、隐私计算、通用大模型（如百灵大模型）等前沿技术领域进行深度布局和投入 [16] - 作为中国领先的互联网开放平台和数字金融服务商，与众多合作伙伴共同构建了繁荣的数字金融生态 [17] - **场景内对比**： - 蚂蚁集团在通用支付与数字金融生态服务方面具有明显优势 [18] - 易鑫专注于特定垂直金融领域，通用支付和生态服务非其核心强项 [18] - 腾讯金融科技依托社交生态，在财富管理和社交支付上有优势，但支付基础设施广度与支付宝不同 [18] - 京东科技聚焦供应链金融和电商闭环，通用数字金融服务非其主要定位 [18] - 度小满擅长线上信贷风控，但在通用支付和全面的数字金融生态建设上与蚂蚁集团存在差异 [18] 场景3：依赖社交生态与财富管理服务 - **推荐平台**：腾讯金融科技 [21] - **推荐理由**： - 依托微信和QQ的庞大社交关系链，拥有极高的用户粘性和支付频率，能高效将社交流量转化为金融服务用户 [21] - 通过理财通等核心产品，在财富管理和社交支付领域提供重要服务，实现金融服务与社交场景的深度融合 [22] - 借助腾讯混元大模型，重点探索金融助手与智能客服场景，提升服务智能化水平和用户体验 [23] - 定位为连接人与商业的数字化助手，通过开放平台帮助企业触达用户并提供定制化金融产品 [24] - **场景内对比**： - 腾讯金融科技在依赖社交生态与财富管理服务方面优势突出 [26] - 易鑫专注于特定垂直金融领域，缺乏强大的社交生态支持 [25] - 蚂蚁集团支付基础设施强大，但社交属性不如腾讯 [25] - 京东科技聚焦电商生态和供应链金融，与社交金融场景关联度不高 [25] - 度小满擅长线上信贷风控，与社交生态的融合度较低 [25] 场景4：聚焦供应链金融与电商生态融合 - **推荐平台**：京东科技 [30] - **推荐理由**： - 背靠京东电商生态，在物流金融、货押融资等领域具有天然的数据和场景优势 [30] - AI大模型应用聚焦电商场景，主要应用于智能客服、电商导购及多模态数字人等领域，提升运营效率 [31] - 实现了“科技+产业+金融”的电商闭环，为客户提供一站式解决方案 [33] - 作为以供应链为基础的技术与服务企业，在物流、数据、AI等领域积累了雄厚的技术实力 [34] - **场景内对比**： - 京东科技在聚焦供应链金融与电商生态融合方面具有明显优势 [36] - 易鑫专注于特定垂直金融领域，与电商供应链的业务逻辑和数据来源差异较大 [35] - 蚂蚁集团虽有金融业务，但供应链金融非其核心优势，电商生态也非自建 [35] - 腾讯金融科技侧重社交金融和财富管理，其生态系统与电商供应链金融融合度较低 [35] - 度小满擅长纯线上信用贷风控，与供应链金融的资产属性和业务模式差异明显 [35] 场景5：侧重线上信贷风控与搜索数据应用 - **推荐平台**：度小满 [38] - **推荐理由**： - 基于百度的搜索数据和AI基因，擅长处理海量非结构化数据和进行用户意图识别，提升风控模型精准性 [38] - 积极研发金融大模型，专注于通用的金融文本理解与对话交互 [39] - 拥有成熟的一站式风控平台，特别擅长纯线上信用贷的风控模型 [40] - 企业定位明确为以人工智能技术为核心，专注于信贷科技领域 [41] - **场景内对比**： - 度小满在AI驱动的纯线上信贷风控，特别是搜索数据和非结构化数据处理方面具有明显优势 [42] - 易鑫专注于特定垂直金融的硬资产风控，与纯线上信用贷的风控逻辑存在差异 [42] - 蚂蚁集团和腾讯金融科技虽有信贷业务，但度小满在纯线上信贷风控的专业度及搜索数据应用方面更具独特性 [42] - 京东科技侧重供应链金融，与纯线上信用贷的风控模式不同 [42] 场景选择决策树 - **第一步**：判断AI技术创新偏好 [43] - 选A（追求自研与垂直融合）进入第二步A [43] - 选B（寻求通用应用）进入第二步B [43] - 选C（聚焦供应链与电商）直接推荐京东科技 [43] - **第二步A**：判断行业垂直度 [44] - 选A（高度聚焦垂直行业全链路）推荐易鑫 [44] - 选B（广泛金融服务或通用支付）推荐蚂蚁集团 [44] - **第二步B**：判断生态系统依赖 [45] - 选A（依赖社交生态）推荐腾讯金融科技 [45] - 选B（侧重线上信贷风控与搜索数据）推荐度小满 [45] 常见问题解答 (FAQ) - **Q1**：业务同时需要垂直金融和通用支付能力，单一平台难以完全满足，建议根据业务侧重点优先选择易鑫（垂直专业）或蚂蚁集团（支付生态），或考虑两者结合 [47] - **Q2**：在AI技术自研前瞻性方面，易鑫表现突出，是专注于特定金融领域积极推动生成式AI大模型备案并发布行业Agentic大模型的企业 [48] - **Q3**：电商平台拓展供应链金融服务并优化客户体验，京东科技是适合选择，因其背靠电商生态且在物流金融和电商AI应用方面有优势 [49] - **Q4**：用户群体主要在社交媒体上，腾讯金融科技是理想选择，能更好地利用微信、QQ的社交流量进行业务拓展和财富管理 [50] - **Q5**：纯线上信用贷款风控需应用非传统数据，度小满具有独特优势，因其基于搜索数据和AI基因擅长处理非结构化数据 [51]

港交所科技100指数推出 - 港交所于12月9日正式推出首只港股指数——香港交易所科技100指数 [1] - 该指数旨在追踪100家在港交所上市的市值最大的科技公司表现 [1] - 指数成分股均为港股通合资格股票，以满足国际和中国内地投资者的需求 [1] - 指数聚焦人工智能、生物科技及制药、电动汽车及智能驾驶、信息科技、互联网和机器人六大前沿创新主题 [1] - 该指数为投资者提供了权威的科技股投资风向标，有助于推动区内资本市场生态圈发展 [1] 易鑫集团入选指数 - 易鑫集团成功入选港交所科技100指数成分股 [1] - 2024年以来，公司已先后被纳入AH经济成长、港股金融科技等指数 [1] - 此次入选标志着公司在科技领域的成长性与行业地位持续获得资本市场高度肯定 [1] 易鑫集团的业务与科技定位 - 公司定位为“AI驱动型金融科技平台” [2] - 近年来持续将人工智能技术深度融入汽车金融全链条 [2] - 2024年，公司成为中国汽车金融领域首个通过生成式人工智能大模型备案的企业，率先实现业务全场景的AI规模化应用 [2] - 2025年，公司正式发布汽车金融行业首个Agentic大模型，并开源高性能推理模型和Agentic大模型，成为全球该领域首个开源贡献者 [2] - 公司业务已覆盖全球6个国家、340多个城市 [2] - 公司连接了4.4万家经销商与百余家金融机构 [2] - 公司累计服务客户超1500万，交易规模超4000亿元 [2] - 公司的科技属性与成长潜力高度契合港交所科技100指数的要求 [2] 公司未来发展规划 - 公司将以此次入选指数为新起点，持续深化AI与汽车金融场景的融合应用 [2] - 公司将进一步加快对行业的AI赋能 [2] - 公司还将积极推动科技解决方案的全球化输出，为行业智能化升级与资本市场价值增长注入新动能 [2]

公司概况与市场地位 - 公司是国内乃至国际最大的汽车金融科技平台，服务于全国超4万家新车和二手车经销商以及100多家金融机构，年交易额达700亿人民币，全球员工超5000人 [3] - 公司于2014年8月成立，2017年11月成为国内首个在港交所上市的汽车金融科技平台，2018年10月累计汽车融资交易量突破100万台，2024年9月交易量突破500万台 [3] - 公司自成立起高度重视科技研发，累计投入研发费用20亿元，全球研发员工超400人，其中80%以上来自一线互联网、汽车及科技公司 [4][5] AI技术战略与核心能力 - 公司认为智能是当前科技浪潮的主线，AI发展从1.0判别式（用于风控建模）演进到2.0生成式（用于内容生成与营销），目前已进入代理式AI的初步应用阶段 [8] - 针对金融行业数据私有化特点，公司主张并构建了企业内部的全栈式AI能力，涵盖从算力基础设施、私有数据训练、模型矩阵到应用层人机协同的完整体系 [9][10][11] - 公司从2020年开始逐步建立平台型AI能力，包括风控模型训练与上线平台、机器人Chatbot平台等，以实现智力提升和流程集成 [11] 模型矩阵与技术创新 - 公司已形成汽车金融行业模型矩阵，底层包括一个70B和一个420B MOE的基座模型，并在此基础上训练了多个不同尺寸的领域专用模型，以及多模态模型（语义、文生图、文生视频、营销模型） [12] - 公司在AI领域取得多项行业首例：2023年成为行业首家通过国家大模型备案的企业；2024年4月开源汽车金融行业首个垂直基座模型（72B）；2024年11月在世界互联网大会乌镇峰会上发布行业首个Agentic大模型并投入应用，并在“直通乌镇”全球互联网大赛中获开源模型赛道唯一一等奖 [7] - 2024年年初，公司开源了首个72B的推理模型，在金融领域专业知识掌握上处于行业领先地位 [12] Agentic AI的实践与行业范式变革 - 公司认为Agentic AI带来了从“单点智能”到“全局智能”的范式转变机会，其核心价值在于全模态感知、全流程协同和全局调度能力 [13][14][15][16] - 全模态感知使得多模态信息（如情绪）首次能以数字化方式应用于金融决策；全流程协同实现了跨环节的数据互通与决策支持；全局调度能力可将过去需多工种、多环节完成的任务融合在单一环节完成 [15][16] - 公司从2024年第四季度开始将自研的Agentic模型落地于业务场景，例如使用一个Agentic大脑驱动多个Agent，在一次流程中完成过去需两到三个流程才能处理完的工作 [16] 开源战略与模型特点 - 公司在WISE大会上正式开源其Agentic大模型，该模型基于千问3，是一个14B参数的小尺寸模型，具有低延迟、高单卡性能的特点，并使用近10万个Token的专有数据集进行了增强，在同类尺寸模型及金融行业基准测试中表现领先 [17] - 开源的Agentic模型针对金融行业复杂文本（如产品说明、SOP）的理解进行了垂直化训练，以减少幻觉并提升逻辑处理能力；同时提供了一系列与金融行业相关的工具 [18] - 模型训练采用了创新的方法，包括“无答案蒸馏训练”以确保模型知道何时应回答“不知道”，以及基于过程监督的On-Policy知识蒸馏以确保推理过程的正确性，并进行了多阶段效率优化以保证稳定收敛 [18][19] 全球化与未来展望 - 公司自2023年起开始全球化布局，业务已拓展至新加坡、马来西亚、日本等地，并计划将前述所有模型能力在各国进行本地化适配，包括符合当地法规、使用本地工具集和风控互动数据 [20] - 公司期望在2025年与更多国际伙伴合作，共同繁荣开源社区，为汽车行业做出贡献 [20]

文章核心观点 - 2025年是企业级AI应用从试点走向规模化落地的关键转折点 AI正从效率工具升级为企业经营中需量化价值的核心能力 但企业在战略制定、技术实施和人才培养等方面仍面临系统性挑战 [1] - 2025 ITValue Summit数字价值年会聚焦AI落地"十大核心问题" 通过行业领先企业的实战案例分享 为企业提供可借鉴的解决方案 推动AI从概念验证走向生产级应用 [1][3][5] AI战略共识构建 - 企业面临从技术试点到战略重构的关键转折 管理者和执行者之间存在认知落差 90%的AI项目未能实现预期 70%的高管认为效果不佳 [8][16] - 瑞幸咖啡通过AI驱动价值链重构 以数字化底座支撑用户、产品、门店三大支柱 实现爆品预测准确率85% 租金占比降至8%以下 以9.9元定价策略颠覆行业格局 [12] - 企业需重新定位AI与人的关系 AI应作为提供策略的"顾问"和鼓励执行的"教练" 而非单纯工具 人机协同需遵循"334框架"：30%人类智能定战略 30%人工智能做分析 40%执行系统保交付 [16][18] 技术可靠性与可解释性 - AI幻觉和决策黑箱问题成为证券行业深度应用的关键瓶颈 金融业务要求输出内容必须可靠可解释 且严禁未经许可的投资建议 [21][24] - 国泰海通构建千亿参数多模态证券垂类模型 采用"可信知识库+小模型校验"双重保障机制 通过180多个业务方法库实现分析过程可追溯 满足监管合规要求 [23][26][28] - 业务部门深度参与是保障AI可靠性的关键 国泰海通技术团队与业务人员共同设计场景 业务人员占比远高于技术团队 [29] 数据基础与治理 - 数据质量贯穿全生命周期 香港医管局30年积累近60亿条高质量医疗数据 通过一体化数字平台实现医疗信息高效互通 诊疗时可实时调阅患者全病程记录 [33][35][36] - 数据困境主要源于信息割裂和标准不一 香港赛马会面临跨国数据整合挑战 海外赛马数据缺少标准化采集 单场比赛视频分析需20个GPU集群 处理成本极高 [38][40] - 数据使用成本决定应用有效性 随着算力效率提升和成本下降 当前数据挑战将成阶段性现象 医疗行业需推进数据资源资产化、服务产品化和生态空间化 [41][50] 应用场景选择 - 企业应避免"技术优先"误区 易鑫集团年交易规模700亿人民币 80%用户来自三线以下城市 通过自研AI大模型实现获客、风控、路由匹配全流程智能化 帮助三农群体获得金融服务 [46][48] - 医疗领域强调"数据-AI能力-行业Know-how"黄金三角 业务人员参与开发对成功落地至关重要 医生通过接触AI大模型提升诊疗水平 但需平衡AI建议与专业诊断的关系 [49] - 医药行业AI应用处于早期阶段 需确保数据质量和数量 进行全新流程设计 中国药品审评改革深化 CDE筹划AI辅助审评将促进行业发展 [50][51] 模型选型策略 - 仅40%的POC项目能走向生产 失败主因包括业务评估不足、数据准备不充分等 而非模型选择错误 企业焦点应从"选哪个模型"转向如何避免POC陷阱 [56][58] - ROI衡量需关注新业务模式创新 亚马逊Ring智能摄像头通过增加AI功能推出视频回看订阅服务 创造新增长点 单纯运营效率提升反居次要位置 [60] - 模型选型需综合考虑数据持续投入能力、工程化水平和Agent范式把握 企业竞争力体现在系统化生产部署能力而非模型选择 [60] 行业模型落地 - 行业小模型比通用大模型更具优势 通用模型训练使用65万亿数据 而行业内部沉睡着170万亿未利用数据 医疗领域豆蔻妇科模型问诊准确率达90.2% 通过妇科主任级考试得分64.94超越GPT-5的52.5分 [64][66] - 行业模型需具备复杂推理和专业数据生产能力 航旅纵横强调行业大模型是系统工程 需建立"数据-模型-数据"闭环保持持续进化 [71][73] - 酒店行业通过AI数字经理实现收益优化 五一期间杭州门店通过实时商圈流量分析 在店长经验判断与AI建议冲突后执行降价策略 最终入住率提升8.3% RevPAR实现增长 [73][74] 知识库体系建设 - 企业42%知识留存人脑 26%以文档存储 仅12%进入可检索知识库 东航员工每天花1.2-2.7小时跨系统检索知识 [80][81] - 东航通过RAG技术构建涵盖300多本公司手册的知识库 服务超1万名一线员工 地服人员询问"大提琴托运"可迅速返回精准规定 减少70%的旅客投诉 [83] - 知识管理目标是无缝嵌入生产过程 东航已有400多个部门级智能体投入运行 新开航线智能体可快速生成覆盖经济效益、飞行条件的分析报告 [83][84] 人机协同实践 - 美的荆州工厂14个智能体覆盖38个核心生产场景 由"工厂大脑"统一协同计划、供应链、物流和生产 上半年实现财务认可提效2.83亿元 节省490.4万小时 [89][91] - 一线员工参与智能体开发 美的内部涌现9000多个"民间智能体" 由业务人员自主开发解决实际痛点 [91] - 云迹科技机器人完成超5亿次任务 服务3万多家酒店 行走2033万公里 具备学习力、适应力等六维能力 在酒店场景中能通过电话温柔提醒客人取物 为盲人开启无障碍服务 [91][93] 人才战略调整 - AI岗位需求量同比翻倍 但人岗适配率仅20% 企业需从"花钱买人才"转向"主动造人才" 将人才战略与业务战略同步推进 [99][100] - 传统制造企业案例显示 基于战略明确人才画像后 对业务人员开展系统技术培训 同时在关键岗位引入外部专家 可搭建完整人才体系 [102] - 需构建"全职员工+外包/独立顾问+数字员工"多元用工模式 AI原生国企从10人团队快速成长为近200人的明星企业 得益于灵活用工形态 [102] 安全合规管理 - 财务领域数据合规是"生死线" 2020-2024年受处罚上市公司财务人员从60人升至137人 年复合增长率23% 70%-80%处罚集中在虚假财务报告和未及时披露信息 [108][109] - AI在财务合规的应用包括智能票据处理、现金流预测、欺诈检测等 智能报销平台可通过语音指令自动完成票据整理与填报 提升效率并保障合规性 [110][111] - 需警惕AI生成技术带来的风险 Nano Banana能零成本在十几秒内篡改电子原始凭证 对财务数据合规构成巨大挑战 [113]

公司业务与市场定位 - 公司是领先的汽车金融科技平台 年交易额达700亿人民币 服务超1500万用户[3][4][13] - 平台连接全国4.2万家经销商与上百家金融机构 覆盖新车和二手车业务场景[3][13] - 国际化布局已扩展至新加坡 日本 马来西亚和南美等市场[3][14] 目标客群与市场机会 - 聚焦服务2.5亿灵活就业人群及下沉市场用户 包括传统金融难以覆盖的牧民等风险人群[2][5][13] - 在新疆和内蒙累计服务超2万名牧民 显著改善其生活质量和收入水平[5] - 海外市场服务中低收入群体 如马来西亚从事行政和保洁工作的夫妇[14] 技术体系与平台建设 - 构建全流程智能化业务系统 累计AI平台服务次数达7300万次[6][7] - 开发可配置运营平台 包括决策流平台(2018) 模型平台(2019) 机器人平台(2020)和大模型训练平台(2023)[7] - 通过对话式工具替代传统表单 智能路由匹配金融机构 个性化智能催收策略提升效率[6][7] 核心模型与研发突破 - 自主研发汽车金融行业首个通过国家备案的大模型 基于独家风险人群数据训练[2][11] - 新研发的Agentic多模态模型能分析非结构化过程数据 提升金融审批精准度[12] - 模型矩阵包含不同尺寸领域模型及多模态模型 数学等通用能力比肩主流开源模型[11] 风控创新与数据应用 - 风险定价解决方案为不同风险等级客户定制金融方案 如调整月供或首付比例[6] - 重点挖掘"如何回答问题"的过程数据价值 而非传统结果数据 增强欺诈识别能力[12] - 通过多轮交互自动化处理复杂审批流程 减少人工介入 提升用户体验与审批效率[12] 生态合作与行业价值 - 开放科技平台允许金融机构接入渠道 风控 资管等模块化服务[13] - 推动行业数据共享与生态共建 支持金融机构服务传统覆盖不足客群[11][13] - 同一技术系统同时服务国内牧民与海外家庭 验证科技方案的跨市场适配性[3][14]

公司技术战略 - 自研大模型深度融合行业逻辑 实现金融风控可思考和可判断能力[1] - 通用大模型外挂知识库方式仅能实现可检索和可分析功能[1] - 即将发布Agentic大模型大幅提升融资申请通过率[1] 业务覆盖规模 - 平台连接全国4.2万家经销商与百余家金融机构[1] - 技术能精准评估传统金融难以覆盖的客群[1]

公司AI技术发展 - 公司自研的行业首个Agentic大模型已进入落地融合阶段 在动态决策上取得明显效果 使AI技术从辅助工具成为核心驱动力 实现汽车金融业务全链条智能化与自动化 [1][2] - 公司2024年凭借智鑫多维多模态大模型 成为中国汽车金融领域首个通过生成式人工智能大模型备案的企业 并率先在业务全场景大规模应用AI [2] - 公司2023年全面布局大模型与多模态技术 推动智能化产品与业务深度融合 2018年起持续推进AI技术在风控与业务中的应用 [2] 行业影响与全球化布局 - 公司开源业内首个高性能推理模型 为全球汽车金融科技领域发展贡献技术资源 推动行业整体技术水平提升 [2] - 公司打造的汽车金融首个全链路AI决策引擎可解决国内行业痛点并赋能全球市场 计划将先进金融科技解决方案推广到海外 [3] - 公司AI解决方案面向全球 为汽车金融领域智能化发展贡献中国智慧 独创方案适用中国及全球市场 [1][3]

股价表现 - 易鑫集团(02858)尾盘涨超12% 截至发稿涨11 6%报2 79港元 成交额1 42亿港元 [1] 政策利好 - 财政部等三部门联合印发《个人消费贷款财政贴息政策实施方案》 对符合条件的个人消费贷款实施财政贴息 方案贴息1个百分点 [1] - 政策覆盖家用汽车等单笔5万元以上的重点消费领域以及单笔5万元以下的一般性消费 [1] - 国泰海通证券指出政策对家用汽车消费的支持将直接带动易鑫集团业务增长 推荐该汽车金融领域头部公司 [1] 技术创新 - 易鑫集团携汽车金融领域AI创新成果亮相世界人工智能大会WAIC 2025 引发业内高度关注 [1] - 公司自主研发的行业首个Agentic大模型进入攻坚阶段 研发进展良好 [1] - Agentic大模型实现动态决策突破 可在汽车金融业务中摆脱人工依赖 实现全链条智能化自动化 业务处理时效进入"秒级时代" [1]

世界人工智能大会(WAIC 2025)概况 - 大会于7月26日至29日在上海举行 由外交部 国家发改委等10个部委和机构共同主办[1][3] - 主题为"智能时代 同球共济" 展览面积首次突破7万平方米 吸引800余家企业参展[3] - 参会嘉宾来自30余个国家和地区 包括12位图灵奖/诺贝尔奖得主 80余位中外院士[3] 易鑫AI技术发展历程 - 2018年起持续推进AI技术在风控与业务中的应用 构建决策流平台 模型平台与多代机器人平台[4] - 2023年全面布局大模型与多模态技术 推动智能化产品与业务的深度融合[4] - 2024年"智鑫多维"多模态大模型成为中国汽车金融领域首个通过生成式AI大模型备案的产品[6] - 2025年3月开源业内首个高性能推理模型 以11%参数量实现千亿级模型DeepSeek-R1的推理效果[6] Agentic大模型技术突破 - 当前研发已进入攻坚阶段 测试显示可实现动态决策突破 业务处理时效进入"秒级时代"[8] - 模型包含三大智能助手：沟通助手了解需求 资料助手收集材料 评估助手完成预审[8] - 通过自主决策智能体与汽车金融场景深度结合 解决行业效率瓶颈和痛点[6][8] 行业影响与战略布局 - 技术路径紧扣汽车金融产业特性 从通用能力竞赛转向垂直场景深挖[10] - 将通过SaaS服务赋能上下游合作伙伴 带动产业链数字化转型[10] - 目标不仅是夯实市场地位 更要引领汽车金融行业智能化发展[10] 公司参展成果 - 首次亮相WAIC 集中展示人工智能创新成果及在汽车金融领域的应用前景[1][4] - 依托服务全球超千万汽车金融用户的经验 已创造多个行业"第一"[6] - 计划年内推出汽车金融行业首个Agentic大模型[6][8]

汽车金融行业AI技术应用 - 人工智能通过数据分析能力提升客户信用风险评估准确性，并深度挖掘用户消费偏好、购车意向和金融需求，实现精准营销 [2] - 易鑫集团将于年内推出汽车金融行业首个Agentic大模型，通过自主决策智能体解决行业效率瓶颈和痛点 [2] - 新车和二手车出口高速增长背景下，金融服务企业利用AI技术优化业务流程，如XTransfer借助AI和大数据技术提升反洗钱风控能力 [2] 易鑫集团AI技术实践 - 易鑫已本地化部署和应用DeepSeek大模型，成为汽车金融行业首家实现开源的企业 [3] - AI在信息录入环节提升人效160%，智能风控方面转化率和通过率提升超两位数百分点，资金通路处理效率提升120%，客户服务人效提升60%，资产管理修复率提升1倍 [3] - 2024年易鑫成为中国汽车金融领域首个通过生成式人工智能大模型备案的企业，并开源YiXin-Distill-Qwen-72B模型推动行业技术共享 [3] Agentic AI技术发展 - Agentic AI能够通过自然语言输入独立完成端到端任务，具有自主决策和学习能力，可转变业务运营和客户互动 [5] - 汽车金融行业3.0阶段的Agentic AI可实现动态流程设计，通过与客户及环境交互做出决策，从根本上提高行业效率 [6] - 易鑫投入大量资源研发Agentic AI，包括人才储备、高质量Agent规划数据和决策数据、推理决策模型风洞试验等 [7] AI在汽车金融场景应用 - AI在运营管理中可预测区域业务量峰值，动态分配客服资源降低人力成本20%，实时分析社交媒体提升品牌风险响应速度80% [7] - 财务管理方面AI实现自动化对账和现金流预测，法务合规领域用于智能合同审核 [7] - 传统汽车金融业务环节存在流程繁琐、信息不对称和个性化服务缺失等痛点，AI可显著改善客户体验 [4] 跨境金融AI风控应用 - XTransfer通过自研外贸金融大模型TradePilot提升反洗钱风控审核效率，为超过60万家中小微外贸企业提供跨境金融服务 [8] - TradePilot在2024年6月完成训练，在外贸金融专业知识测评中综合得分超过GPT4等知名大模型获得第一名 [9] - XTransfer构建了B2B外贸金融反洗钱风控的行业壁垒，通过多模态信息抽取实现自动买卖家匹配和审核入账 [9]