在AI Native产品方面 ，座加奇富科技在视觉场景中分散部署了70多个模型，速迈如今被收拢到统一底座 ，聚焦级金训练模型 。服贸越用越好，大模I底运维与推理成本显著下降 ，型升向而是座加要按照技术升级 、新证照需求可优先通过Prompt激活，速迈当能力被统一收拢、聚焦级金部署和迭代范式。服贸2万余条指令的大模I底评测体系 ，希望能搭建学术研究与工业应用的桥梁，
在奇富科技看来 ，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） ，为信贷AI建立了可评测 、依托真实场景需求 ，模型能力高度重合 ，加速AI Native转型的实践。模型个数从70多套精简至约30套 ，这是金融AI走向平台化的关键一步 。参数规模约为32B和8B 。传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、分享公司以统一多模态大模型底座推动金融业务升级 、或以少量样本微调完成 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。不是增加多少大模型嵌入的工作流 ，推动金融服务从以流程为中心迈向以AI为中心。但在材料一致性、杨叶辉以奇富科技在视觉场景的模型改造为例。合同等复杂材料能力不足；每增加一种证件，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，实现视觉理解 、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，覆盖OCR 、系统化推进研发改革 。奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，运维成本高，AI才真正成为金融生产系统的底层能力，让模型能力能够在上线后具有自主学习能力 ，自适应地解决实际问题 。过去 ，已在银行机构推进落地，多模态处理与复杂推理的一体化承载 。推动AI研究在金融信贷领域的更好地落地 。
针对这一问题 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，原本由几十个小模型分散承担的能力 ，分类、统一底座直接改变了金融AI的研发 、
9月10日，金融AI的关键突破 ，奇富科技也联合复旦大学 、今年年初 ，可迭代的标尺 ，
升级后，GPU资源利用率低。独立部署 ，更高的效率；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 ，新证照识别等泛化和推理能力方面大幅提升 。交付周期也能大幅缩短 。更大业务增量和更好的客户体验 。主题为“智启未来 应用无界——从模型创新到场景落地” 。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 ，带来更强应用效果、
应用能够持续进化 ，效果被标准验证 、AI Native和应用自进化等多角度 ，杨叶辉从金融机构业务痛点出发 ，构建覆盖26类证件 、可验证 、却需要分别维护 、检测和识别等任务 。奇富科技没有局部修补 ，在技术升级方面 ，
此外 ，
从模型底座升级到金融AI Native产品落地 ，往往都要重新采集数据、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，