“DeepSeek”作为今年AI（人工智能）领域不可忽视的热词，该大模型算法如何应用于不同行业成为垂直领域的新课题。
而随着AI与汽车金融的融合向纵深方向发展，如何依托数据积累、场景理解与算法创新构建核心壁垒，已成为行业破局的关键命题。
近日，《每日经济新闻》记者（以下简称NBD）在香港现场专访了易鑫集团（HK02858，股价2.34港元，市值158.39亿港元）首席AI科学家、高级副总裁张磊。他表示，在技术落地的背后，“数据不出域”的合规要求与决策透明度的双重挑战，正推动行业探索联邦机器学习、数据脱敏等技术组合方案，香港更有望凭借国际金融中心地位，成为跨境数据治理标准建设的关键节点。
易鑫集团首席AI科学家、高级副总裁张磊 图片来源：受访者提供
香港有望成为跨境数据标准建设的重要节点
NBD：您认为AI涉及的数据安全方面该如何保障？
张磊：在数据使用上，我们严格遵循国家金融领域的合规要求。一方面，采用联邦机器学习技术，即允许多个参与方（如设备、机构或企业）在不共享原始数据的情况下，协同训练AI模型，实现数据可用不可见；另一方面，公司内部使用数据时，对所有隐私信息进行脱敏处理，并建立严格的数据使用审批制度。
NBD：垂直领域人工智能技术应用开发和探索的难点是什么？
张磊：难点主要有两方面，一是需保证高质量的效果，同时决策要透明，能让用户清晰知晓判断的原因；二是在“数据不出域”（指数据的原始存储位置不得随意改变，数据的处理和分析必须在数据产生的域内进行，以此来保障数据的完整性和安全性）和强监管、高安全合规要求下，实现理想效果颇具挑战。
NBD：未来3至5年，您认为投资者和企业在汽车金融领域的机遇和挑战是什么？中国香港将发挥怎样的作用？
张磊：我认为未来的机遇在于汽车金融科技公司用AI赋能行业以及服务中国有出海战略的企业。另外，在跨境数据治理和标准建设方面，通过区域性合作统一数据治理、标准与规范。就像统一铁路标准一样，可避免资源浪费，中国香港作为国际金融中心有望成为重要节点。
垂直领域AI创新需数据积累与场景理解
NBD：相比一些AI大模型，DeepSeek成本开支较低但算法能力强，您认为汽车垂直领域的AI大模型该如何具备相似特征？易鑫集团的AI大模型在哪些方面取得进展？
张磊：对于DeepSeek，所谓成本较低，主要因为在算法工程、算法结构方面做了大量的创新。那么，对于汽车垂直领域，我们实现自动化目标依靠三个方面，即长期积累的领域数据及对复杂业务场景的深入理解，对大模型结构的理解，以及训练和推理方面的算法工程创新。
对于易鑫集团，我们基于自身数据和模型算法，开源了YiXin-Distill-Qwen-72B推理大模型。该模型是汽车金融行业首个开源的大尺寸推理模型，性能与DeepSeek-r1相近。
NBD：易鑫集团在AI创新方面有哪些发展？是否致力于打造汽车垂直领域的DeepSeek？
张磊：汽车的金融科技产品有两个核心，一是复杂场景判断，二是长链路的决策流程能力。易鑫智能体产品旨在打造汽车金融科技行业全自动化流程，大幅提升行业效率。
易鑫集团正逐步把AI全面应用到各个业务场景中，以AI为核心重塑业务模式和流程。例如，在资产管理端，易鑫的资管智能体大模型突破传统按逾期级别处置的模式，通过大模型驱动的动态流程设计，使修复率提升一倍。
我们作为一家AI驱动的金融科技平台，具备三大核心优势：一是积累了大量垂直领域的汽车数据资产；二是自公司成立第二年起，持续深耕AI领域，在训练和推理能力上经验丰富；三是具有完备的人才、算力和数据三要素，尤其是高质量的领域数据，构成了我们的核心竞争力。
每日经济新闻返回搜狐，查看更多
