易鑫首席科技官賈志峰：Agentic能力，實現汽車金融行業的全局智能｜WISE2025商業之王

11月27-28日，被譽為“年度科技與商業風向標”的36氪WISE2025商業之王大會，在北京798藝術區傳導空間落地。

今年的WISE不再是一場傳統意義上的行業峰會，而是一次以“科技爽文短劇”為載體的沉浸式體驗。從AI重塑硬件邊界，到具身智能叩響真實世界的大門；從出海浪潮中的品牌全球化，到傳統行業裝上“賽博義肢”——我們還原的不僅是趨勢，更是在捕捉在無數次商業實踐中磨煉出的真知。

我們將在接下來的內容中，逐幀拆解這些“爽劇”背后的真實邏輯，一起看盡2025年商業的“風景獨好”。

易鑫首席科技官 賈志峰

以下是易鑫首席科技官賈志峰先生的演講實錄，經36氪編輯：

賈志峰：大家好！我是易鑫的賈志峰，很高興能站在這里，跟大家分享易鑫在金融行業的AI應用。

易鑫是汽車金融行業的一個金融科技平臺。我們服務全國超4萬家新車和二手車經銷商，以及100多家金融機構，我們的年交易額目前達到了700億人民幣，全球的員工有五千多人。

公司在2014年8月成立，2017的11月成為國內首個在港交所上市的汽車金融科技平臺；到2018年10月份，我們的累計汽車融資交易量突破了100萬臺；今年9月份，我們的交易量突破了500萬臺。

目前我們可以說是國內甚至國際最大的汽車金融科技平臺。

從成立之初，易鑫就一直非常重視科技和研發在業務中的作用。

截至目前，我們累計投入了20億元的研發費用，全球研發的員工人數有400多人，其中80%以上來自一線互聯網公司、汽車公司，以及科技公司。

在AI方面，我們做了以下幾件事情：

第一，我們去年成為了行業里首家通過國家大模型備案的企業；

第二，今年4月份，我們同步開源了汽車金融行業首個垂直的基座模型，它是一個72B的大模型。

第三，在11月初的世界互聯網大會烏鎮峰會上，我們率先發布了汽車金融行業內的首個Agentic大模型并投入應用；此外，歷經多輪專業評委的嚴格評選，易鑫在“直通烏鎮”全球互聯網大賽中，拿下了開源模型賽道的唯一一等獎。

接下來，重點講一下我們在AI領域的一些實踐和心得。

首先，我們認為智能還是這次科技浪潮的主線。我們可以看到AI的智能化發展趨勢，基本上是從1.0的判別式AI，發展到2.0的生成式AI階段。在1.0階段，我們用判別式的AI能力，建設我們的風控模型，到2.0階段，我們用AI能力去生成文案、生成視頻、生成語音，去做跟客戶的營銷和溝通。目前，也就是今年開始，我們看到了代理式的AI在行業的初步應用和實踐。

我們發現金融行業有這么幾個特點，一個是業務中間產生的大量數據，因為合規、個人隱私保護等原因，存在于企業的內部。

這導致了一個現象——市面上的基座大模型，因為有大量的語料，往往在通用能力上，做得比較強，但當進入垂直的領域，尤其是金融領域時，由于缺乏公域的金融行業的特定數據，它在這方面的能力往往會比較弱。

基于這個觀察我們認為，如果要把這種新的、大模型的技術應用在汽車金融行業，我們就需要建立企業內部的全棧式AI能力。

它包括什么？

包括從底座開始，構建我們自己的訓練和推理的集群，包括要根據這個行業的特征，用企業以及行業的大量私有數據，來訓練專有的行業模型，形成自己的模型矩陣。

也包括，在模型治理層面上，需要有一系列平臺級的產品，能讓新的模型快速經過小流量的測試，經過AB驗證，能夠在風險可控的情況下，投入到真正的業務場景中，跑出Benchmark，再反饋到模型訓練當中，快速實現模型迭代。

以至于包括在應用層，我們需要把模型的能力和人工的能力，無縫地有效結合起來，用copilot+human in the loop的方式，把人和AI做深度的集成和結合，從而給用戶提供一個完整的、可依賴的服務。

這些都是我們在金融行業，所體會到的需要構建的全棧式能力——從算力到最上面的應用層，都需要有一系列的模型訓練、模型管理、模型治理、人機交互等一系列的基礎設施。

所以我們從2020年開始，就在一步一步跟著AI浪潮，建立平臺型的能力，包括風控模型的訓練平臺和上線平臺，包括機器人Chatbot的平臺，都在一步一步實現智力的提升，以及管理和流程上的集成。

這幾年下來，我們逐步形成了汽車金融行業的模型矩陣，它包括最底層的一個70B，和一個420BMOE的基座模型，在這兩個基座模型的基礎上，我們進一步訓練了多個不同尺寸的模型，叫做Domain-Specific Model，也就是領域模型。在不同的場景中，我們挑選不同尺寸和能力的balance，讓它能靈活地、大規模地、低成本地在真實的業務場景中得到應用。

還有我們的一些多模態模型，其中包括語義模型，這是我們在Voice Agent的基礎；包括一些文生圖、文生視頻的模型；也包括做Marketing要用的模型，我們在多模態方面做了非常多的探索和實踐。

今年年初，我們開源了第一個Reasoning Model。它是一個72B的Model，對金融領域專業知識的掌握是行業領先的。到11月，我們在烏鎮大會率先發布了自有的Agentic模型。

我們認為這些模型矩陣，也會隨著智力的不斷演進而不斷演進。也就是說，這個模型矩陣它應該是動態的，應該是隨著業務的要求、隨著技術的進步，不斷進步演化和發展的。

說到Agentic，因為行業里很多人都認為，今年可能是Agentic元年，談論比較多的，是通用的Agent，在汽車金融行業，我們也做了相應的單點智能在汽車金融行業的落地和實踐。我們有幾點心得和體會，也在這里和大家分享：

第一，在Agentic之前，所有這些智力的提升，更多的認為它是一個單點式智能，不論是在智能呼叫、智能面審，還是智能客服這些領域，都是在某一個業務的流程點上提升它的智能，提升AI的覆蓋率，提升業務的效率和效果。

過去幾年，這個模式一直適用。尤其在一直被叫做“信貸工廠”的汽車金融行業，從最初期的客戶觸達，到信審，到最后的放款，到貸后管理，我們把金融行業非常長的鏈條，切分成了不同環節，然后在每個環節上，我們都運用AI提升它的能力。

這是在Agentic之前，我們通常用的一個范式，Agentic能力來了之后，我們發現可能會有另外一個更大的機會，就是全局變聰明。

為什么這是一個比較大的機會？有三方面的原因：

第一是全模態感知，在原本的金融流程中，更多的用表單這種結構化的數據傳遞信息，但有了多模態AI的識別能力后，汽車金融行業第一次能夠把多模態的信息也納入到決策中，例如我們的情緒信息，我們是不是說謊，可能更大的判別是我們的情緒。

大家在很多電影上都看到過測謊儀，你怎么樣答問題更重要，你的情緒更重要，你的答案其實不重要。像這種多模態的信息和感知，是第一次能夠用數字化的方式被應用在決策中。這是多模態。

第二是全流程協同。我們把這些信息打通后，在每一個環節上，都可以用全流程的數據做決策。假如我是一個風控的信審員，我能夠完整知道，在此前的銷售交互中，客戶說了什么，他的情緒是怎樣的，這樣更有利于我在風控環節做判斷。也就是說，全流程的數據是相通的，而且是全感知的，這就是全流程的協同。

第三是全局的調度。Agentic它有全局化的調度能力，能夠把原來多次、分多個工種才能完成的任務，有機融合在一個環節完成。

比如作為銷售，在跟客戶做資料采集的時候，過去或許只能做資料采集，現在可以作為一個AI的Agent，跟客戶互動時，實時感知到他的情緒。還可以感知到他的資料是不是需要補充，感知到是否要在風控環節問他一些特殊的問題。可以在一次交互中跟客戶做交通，而且讓客戶在更短時間內得到相應的服務。

因為Agentic有全模態感知、全流程協同和全局決策能力，所以我認為，如果用Agentic AI來驅動的話，汽車金融行業，或者說金融行業會出現，超越過去“信貸工廠”模式的新范式，我們非常高興，有機會在業務中使用。

從Q4開始，我們就把自己訓練的模型，落地到業務場景中。這是一個例子，一條線索進入流程中，能夠用我們的Agentic大腦，來驅動這3個Agent，調動一系列互動的工具和判斷的工具，在一個流程里完成過去兩到三個流程才能處理完的事情。

最后，我們都知道，金融行業有一個特點，大家在使用能力的時候，都希望能把數據留在自己的企業里，但因為剛才講到的各種合規的要求，各種風險的管控，所以很多伙伴們想用我們的能力，卻沒法直接調用工具API使用這些能力，所以今天在這個場合，我們正式開源我們的Agentic大模型。

它的參數是這樣的：它是一個基于千問3的14B的較小尺寸模型模型，特點是延時非常低，單卡的表現非常高，用了將近10萬個Token專有的數據集做了加強。如果對標同尺寸模型，我們在各個Benchmark上基本是領先的，在金融行業，我們的Benchmark上應該是遙遙領先的。

它尺寸比較小、性能好，便于大家拿回去之后，在自己的服務器上，以比較低的成本部署、來大規模地應用。

而且，針對金融行業，我們做了一些垂直化的訓練。舉個例子，金融行業有很多說明，比如產品的說明也好，SOP的說明也好，是用比較復雜的文字來表達的。當這些文字輸入到其他大模型時，我們會發現，它們對這些的理解經常會出現幻覺，因為它們對其中邏輯關系的處理，沒有我們自己訓練的模型好。

此外，模型可能是這個問題的核心，但肯定不是全部。Agentic模型除了大腦要優秀之外，還需要對應的工具，對應的手和腳，所以我們也同時提供了一系列跟金融行業相關的工具。

在訓練過程中，我們也用了一些比較創新的方法，其中包括No Answer Distillation Training的方式。意思是在訓練過程中，需要這個模型清楚地知道，什么時候它應該回答NO，而不是自由發揮。

我們也采用了基于過程監督的On-Policy知識蒸餾的方法，這是希望它不僅能把結果做對，還能把過程做對，因為過程也很重要，我們不希望它是蒙的，不希望它用一個比較奇怪的過程蒙出一個結果，所以我們對一些關鍵的SOP、關鍵的過程也做了強化。

第三，我們做了多階段的效率，保證模型的效率和收斂是穩定可靠的，同時也能做自己的探索和發揮。

最后，再分享一下，到今年為止我們開源了兩個模型，也歡迎行業里的各位伙伴多加使用，給我們提出寶貴的建議和意見。

從2023年起，易鑫就開始做全球化，在新加坡、馬來西亞、日本等都有業務，所以接下來我們也會把剛才講的所有模型能力，在各個國家做本地化的適配，用本地化的法律法規要求，用本地化的工具集，用本地化的風控互動的數據，來做這些模型的本地化。所以明年非常期望有更多國際上的伙伴跟我們聯系，一起把這個開源的社區做得越來越繁榮，給汽車行業多做貢獻。

謝謝大家！