每經記者｜黃婉銀    實習生 劉姝    每經編輯｜魏官紅    

“DeepSeek”作為今年AI（人工智能）領域不可忽視的熱詞，該大模型算法如何應用于不同行業(yè)成為垂直領域的新課題。

而隨著AI與汽車金融的融合向縱深方向發(fā)展，如何依托數(shù)據(jù)積累、場景理解與算法創(chuàng)新構建核心壁壘，已成為行業(yè)破局的關鍵命題。

近日，《每日經濟新聞》記者（以下簡稱NBD）在香港現(xiàn)場專訪了易鑫集團（HK02858，股價2.34港元，市值158.39億港元）首席AI科學家、高級副總裁張磊。他表示，在技術落地的背后，“數(shù)據(jù)不出域”的合規(guī)要求與決策透明度的雙重挑戰(zhàn)，正推動行業(yè)探索聯(lián)邦機器學習、數(shù)據(jù)脫敏等技術組合方案，香港更有望憑借國際金融中心地位，成為跨境數(shù)據(jù)治理標準建設的關鍵節(jié)點。

易鑫集團首席AI科學家、高級副總裁張磊  圖片來源：受訪者提供

香港有望成為跨境數(shù)據(jù)標準建設的重要節(jié)點

NBD：您認為AI涉及的數(shù)據(jù)安全方面該如何保障？

張磊：在數(shù)據(jù)使用上，我們嚴格遵循國家金融領域的合規(guī)要求。一方面，采用聯(lián)邦機器學習技術，即允許多個參與方（如設備、機構或企業(yè)）在不共享原始數(shù)據(jù)的情況下，協(xié)同訓練AI模型，實現(xiàn)數(shù)據(jù)可用不可見；另一方面，公司內部使用數(shù)據(jù)時，對所有隱私信息進行脫敏處理，并建立嚴格的數(shù)據(jù)使用審批制度。

NBD：垂直領域人工智能技術應用開發(fā)和探索的難點是什么？

張磊：難點主要有兩方面，一是需保證高質量的效果，同時決策要透明，能讓用戶清晰知曉判斷的原因；二是在“數(shù)據(jù)不出域”（指數(shù)據(jù)的原始存儲位置不得隨意改變，數(shù)據(jù)的處理和分析必須在數(shù)據(jù)產生的域內進行，以此來保障數(shù)據(jù)的完整性和安全性）和強監(jiān)管、高安全合規(guī)要求下，實現(xiàn)理想效果頗具挑戰(zhàn)。

NBD：未來3至5年，您認為投資者和企業(yè)在汽車金融領域的機遇和挑戰(zhàn)是什么？中國香港將發(fā)揮怎樣的作用？

張磊：我認為未來的機遇在于汽車金融科技公司用AI賦能行業(yè)以及服務中國有出海戰(zhàn)略的企業(yè)。另外，在跨境數(shù)據(jù)治理和標準建設方面，通過區(qū)域性合作統(tǒng)一數(shù)據(jù)治理、標準與規(guī)范。就像統(tǒng)一鐵路標準一樣，可避免資源浪費，中國香港作為國際金融中心有望成為重要節(jié)點。

垂直領域AI創(chuàng)新需數(shù)據(jù)積累與場景理解

NBD：相比一些AI大模型，DeepSeek成本開支較低但算法能力強，您認為汽車垂直領域的AI大模型該如何具備相似特征？易鑫集團的AI大模型在哪些方面取得進展？

張磊：對于DeepSeek，所謂成本較低，主要因為在算法工程、算法結構方面做了大量的創(chuàng)新。那么，對于汽車垂直領域，我們實現(xiàn)自動化目標依靠三個方面，即長期積累的領域數(shù)據(jù)及對復雜業(yè)務場景的深入理解，對大模型結構的理解，以及訓練和推理方面的算法工程創(chuàng)新。

對于易鑫集團，我們基于自身數(shù)據(jù)和模型算法，開源了YiXin-Distill-Qwen-72B推理大模型。該模型是汽車金融行業(yè)首個開源的大尺寸推理模型，性能與DeepSeek-r1相近。

NBD：易鑫集團在AI創(chuàng)新方面有哪些發(fā)展？是否致力于打造汽車垂直領域的DeepSeek？

張磊：汽車的金融科技產品有兩個核心，一是復雜場景判斷，二是長鏈路的決策流程能力。易鑫智能體產品旨在打造汽車金融科技行業(yè)全自動化流程，大幅提升行業(yè)效率。

易鑫集團正逐步把AI全面應用到各個業(yè)務場景中，以AI為核心重塑業(yè)務模式和流程。例如，在資產管理端，易鑫的資管智能體大模型突破傳統(tǒng)按逾期級別處置的模式，通過大模型驅動的動態(tài)流程設計，使修復率提升一倍。

我們作為一家AI驅動的金融科技平臺，具備三大核心優(yōu)勢：一是積累了大量垂直領域的汽車數(shù)據(jù)資產；二是自公司成立第二年起，持續(xù)深耕AI領域，在訓練和推理能力上經驗豐富；三是具有完備的人才、算力和數(shù)據(jù)三要素，尤其是高質量的領域數(shù)據(jù)，構成了我們的核心競爭力。