【新智元導讀】黃仁勳說Agent將創造100兆美元。易鑫用Model+Harness的硬核組合，把這一預言提前落地汽車金融，效率革命已悄然拉開帷幕。
大模型在垂直行業的落地，正邁入深度融合的新階段。
過去一年，大模型概念在各行各業加速滲透。作為公認「最具AI潛力」的垂直領域，金融行業展現出了極高的敏銳度與行動力。
行業資料顯示，金融行業成為大模型技術落地的核心戰場，全球近半數金融機構已積極引入大模型。
儘管目前大模型在核心業務環節的應用仍不足10%，但這恰恰意味著一個超過90%的藍海市場正等待行業去開拓。
然而，巨大潛能的背後，同樣伴隨著極高的落地門檻。
金融業務兼具複雜性與專業性：獲客線索來源多且分散，單筆融資額從數萬到數十萬不等，業務周期普遍超過20天，所需材料最多可達60余種，涉及15+關鍵決策節點，業務路徑組合可達數萬種，且存在正向與逆向反覆決策過程。
面對這種複雜、動態的業務鏈路，缺乏業務根基的通用大模型或簡單的「套殼」應用，往往只能停留在業務外圍。
它進不了預審、碰不到風控，更摸不透資金鏈路，難以創造真正的價值。
行業真正亟需的，從來不是只會泛泛而談的AI百曉生，而是一個懂業務、能幹活、守規矩的專屬AI解決方案。
在此背景下，作為國內規模領先、AI驅動的金融科技平台，易鑫依託10餘年行業深耕經驗，推出了一套深度適配汽車金融場景的Agentic AI解決方案，為行業破局提供了可行路徑。
易鑫Agentic AI = Agentic Model + Harness
易鑫Agentic AI解決方案的底層邏輯，源於一個核心公式：
Agent=Model+Harness
Model與Harness相輔相成，缺一不可。
大模型具備強大的理解、推理與生成能力，但在業務應用中存在很大的侷限性：
- 沒有持久記憶，無法直接呼叫業務系統API；
- 穩定性不足，易出現「幻覺」輸出；
- 更關鍵的是，它缺乏業務約束機制，不懂得什麼叫「權限」與「合規」，能力無法直接轉化為業務價值。
Harness則是彌補Model侷限性的關鍵。
作為連接模型與應用的中間層框架，Harness的核心價值在於兩件事：
一是賦予模型上下文管理和工具整合等能力，讓其能順暢處理複雜業務；
二是給模型劃好規矩、守住底線，把不確定的機率性輸出轉化為確定的業務結果。
Model提供智能潛力，Harness提供執行標準。
基於這個邏輯，易鑫推出了行業首個專屬的Agentic大模型XinMM-AM1，並配套設計了全面的Harness AI Infra（Harness Framework）和三層Harness體系。
這兩者的結合，正如易鑫CTO賈志峰所言，「Agentic基礎模型和Harness AI Infra，是金融垂直行業真正把Agent用起來的兩個輪子，缺一不可。」
輪子一：專為汽車金融打造的Agentic大模型——XinMM-AM1
XinMM-AM1絕非通用模型的簡單套殼，而是在業務實踐中打磨而成的專屬模型。
極高的工程效率：參數量約為300億，單卡吞吐可達370 tokens/s，響應延遲低於200ms，可支援語音即時互動，完全匹配汽車金融一線業務的高效需求。
優質的專有資料：擁有超過15T tokens的訓練語料，且絕大部分來自易鑫真實、多元的汽車金融業務場景，讓模型更懂行業痛點，更貼合業務實際。
四大核心能力：全管道互動、全模態感知、全域協同決策和全量安全合規，全方位覆蓋汽車金融從管道到資管的全鏈路需求。
輪子二：基於人機協同的Harness AI Infra和三層Harness體系
為了讓Agent真正走進業務流程，易鑫設計了全面的Harness Framework和三層Harness體系（人類駕馭層、Agentic駕馭層、資料駕馭層）。
這相當於Agent的「手腳」與「運行規則」，可使AI賦能的業務安全合規、全鏈可審計、低成本維護更新。
人類駕馭層：在同一個訂單流裡，實現Agent與真人即時無縫切換，涵蓋語音、文字、圖片等多模態形式。在關鍵的合規節點，人類即時干預，成為風險兜底者。
Agentic駕馭層：根據模型能力邊界和人類特長進行動態混合編排。一旦大模型出現「幻覺」或試圖做出違規承諾，系統能在毫秒級觸發熔斷機制，瞬間切換至人工干預鏈路。
資料駕馭層：打通人與AI的運算元據，通過人類示範修正模型能力邊界，相關資料反哺模型訓練，這不僅放大了人與AI各自的優勢，還推動模型持續進化，Harness逐漸變輕。
易鑫「Model + Harness」如何重塑核心業務？
「Model + Harness」的協同效應，充分釋放了易鑫Agentic AI解決方案的核心價值。
從前端智能進件，到中端風控決策，再到後端融後服務，易鑫Agentic AI解決方案，不再是孤立的單點應用，而是覆蓋汽車金融全鏈路的一站式AI智能服務解決方案。
那麼，從概唸到落地，易鑫Agentic AI解決方案究竟如何通過「Model + Harness」賦能核心業務？
場景化應用案例一：風控和反欺詐前置，建構全鏈路風險屏障
傳統汽車金融風控多在客戶提交資料後進行風險攔截，主要依賴靜態徵信資訊與人工審批。
易鑫Agentic AI採用全鏈路風險管控模式，不僅將風控節點前置，還可以處理語氣、語速、情緒波動等非結構化資料，實現風險的動態識別與即時攔截。
管道線索即時核驗：客戶留資後，XinMM-AM1會立即呼叫管道風險識別工具，核查管道和線索的真實性和質量，並迅速判斷線索跟進的優先順序。
聲紋檢測識別風險：確認線索後，XinMM-AM1自動呼叫外呼Agent致電客戶，並即時呼叫聲紋檢測工具，與歷史聲音風險庫比對，捕捉高風險訊號（如通過聲紋匹配發現客戶為歷史黑名單客戶）。
多模態資訊無損納入決策：XinMM-AM1可以將文字、語音和圖片等多模態資訊無損納入建模過程中，減少傳統特徵工程帶來的資訊丟失，確保全量資訊參與決策，並提高模型泛化能力，識別更多長尾風險案例。
人工鏈條即時介入：當系統檢測到潛在欺詐、高風險或複雜案例時，Agentic AI確保人工能立刻接手當前互動，並獲悉完整上下文，實現人機無縫協同。
場景化應用案例二：一次對話即辦理，告別溝通「拉鋸戰」
在傳統流程中，客戶常需要與資訊採集、產品推薦、風控驗證等多個環節重複對接，導致流程割裂與重複，同時影響審批效率與客戶體驗。
易鑫Agentic AI通過多模態即時互動與跨模組協同，在一次互動中完成聯動和業務目標。
情緒洞察與動態話術：在互動過程中，XinMM-AM1可呼叫情緒分析工具，即時檢測客戶情緒，識別客戶的真實意圖和上下文，並動態調整溝通話術，最佳化客戶體驗和互動效果。
Example:
以典型互動場景為例，當客戶說出「說了，你繼續說吧」時，僅從文字語義的角度極易將其判定為積極的溝通訊號。
而XinMM-AM1能夠通過即時情緒分析，識別語調升高、語速加快等細微變化，進而判斷出語義背後隱藏的不耐煩、催促等負面情緒。
基於此判定，XinMM-AM1會自適應調整為安撫性話術或主動轉換話題，從而更好地貼合客戶情緒，實現高效溝通。
資訊採集與方案推薦：在互動過程中，XinMM-AM1能引導客戶提供進件資訊和電子授權，並自動完成進件資訊的採集。同時，XinMM-AM1能即時聯動產品與風控模組，根據資質推薦最優金融方案，在一次對話中完成資訊錄入和方案匹配。
資料閉環與模型進化：人類處理複雜情緒、疑難問題、棘手案例的運算元據，同步反哺至XinMM-AM1的訓練，形成「AI助人，人教AI」的閉環。
結語
輝達CEO黃仁勳曾預言：未來的主流極有可能是Agent，新興的AI技術（如Agent和機器人等）將會創造100兆美元的價值。十四屆全國政協委員、科技部原副部長李萌則指出，從大模型到Agent，是AI向生產力落地的必然路徑，金融Agent更是撬動金融新質生產力的有力工具。
宏觀趨勢已然清晰，關鍵在於如何落地。易鑫通過Agentic大模型與Harness的結合，讓AI真正應用於真實、複雜、充滿變數的汽車金融場景。
汽車金融的效率革命已拉開序幕，而這，正是易鑫給出的答案。 (新智元)