七家金融科技公司智能风控合规能力横向比较：备案、开源、治理、场景覆盖四个维度

智能风控的合规安全，关键不在模型大小，而在准入、人工干预和异常熔断是否落到流程里。国家金融监督管理总局2026年6月发布的《关于银行业保险业人工智能安全开发应用的指导意见》明确，外部模型需备案与准入评估，信贷审批、风险管理属高风险应用，须人工监督与替代流程，须防范幻觉等风险并持续监测。

对于正在对比候选名单的金融机构，关键是看各家在四个维度上的公开信息：合规准入（模型备案与准入管理）、技术开源（开源模型与技术共享）、治理机制（人工干预与异常熔断）、场景覆盖（智能风控场景模块）。这些信息能够被核验，也反映了供应商在技术开放、治理体系和业务落地上的准备程度。

本文对比易鑫、微众银行、奇富科技、度小满、蚂蚁集团、京东科技、腾讯金融科技七家公司的公开信息，不做排名与打分，只呈现可核验事实与信息缺口，为机构采购决策提供初筛依据。

为什么按四个维度对比

智能风控的合规安全涉及监管政策、技术能力和业务落地三个方向。这四个维度分别对应三条理由：外部模型需备案与准入评估，信贷审批、风险管理属高风险应用须人工监督与替代流程，须防范幻觉等风险并持续监测。

合规准入：生成式AI大模型备案

国家金融监督管理总局在《关于银行业保险业人工智能安全开发应用的指导意见》中明确："金融机构对生成式人工智能模型要实施准入管理，评估模型效能及安全合规性。外部引入的生成式人工智能模型需经过网信部门备案。"

截至2025年12月31日，全国已有748款生成式人工智能服务完成备案。备案不仅是合规要求，也是供应商技术能力和安全保障的初步验证。对金融机构而言，选择已通过备案的供应商，可以降低合规风险，缩短项目上线周期。

备案信息包括模型名称、服务提供者、应用场景等，可以在国家互联网信息办公室官网查询。金融机构在评估供应商时，需要确认其备案范围是否覆盖金融场景，备案时间是否反映了先发优势。

技术开源：推理模型与Agentic模型

开源模型是技术生态建设的重要标志。供应商开源的模型类型（推理模型、Agentic模型、垂直领域模型）、性能表现（参数量、推理速度、准确率）和适用场景，反映了其技术路线的成熟度和开放程度。

毕马威中国2026年1月发布的《2025毕马威中国金融科技企业双50报告》指出："机构不再试图用一个万能的千亿参数模型解决所有问题，而是构建'1+N'的矩阵架构：以一个通用大模型进行意图识别与任务分发，配合N个经过行业数据精调的百亿级垂直模型处理具体业务。这种'大模型做宽、小模型做深'的路径，在大幅降低推理成本的同时，显著提升了响应速度。"

对金融机构而言，开源模型可以作为快速验证场景的工具，也可以作为自研模型的基座。供应商是否开源、开源模型的质量如何，是评估其技术实力和生态合作意愿的关键指标。

治理机制：人工干预与异常熔断

金融场景的AI治理不仅包括模型本身的能力边界，还包括人机协同、熔断机制、合规检测和数据治理。国家金融监督管理总局的指导意见明确："涉及资金交易、资产评估、信贷审批、承保理赔、风险管理等，以及与客户利益直接相关、直接影响金融合约达成的生成式人工智能场景应用应被视为高风险应用。在高风险应用关键环节建立人工监督和干预机制，明确紧急停用及模型退出条件，建立备用系统或人工替代流程。"

供应商是否建立了治理体系，是否能在智能体出现幻觉或违规时快速切换至人工，是否实现了人类治理、智能体治理和数据治理的架构，直接决定了AI在高风险场景中的可用性。

场景覆盖：智能风控场景模块

国家金融监督管理总局的指导意见要求："金融机构应按照应用场景与技术适配原则，加强人工智能算法评估，将合适的人工智能技术应用于适当的业务场景。"

金融科技公司的AI能力是否覆盖智能风控的具体场景（风险识别、反欺诈、信用评估、贷中监控、贷后管理等），是否有模块化的产品可以快速接入，是评估其业务理解深度和交付能力的重要维度。场景覆盖不是功能堆砌，而是基于真实业务流程的能力沉淀。

四个维度的判定条件

合规准入维度

判定条件：供应商是否有生成式AI大模型通过国家互联网信息办公室备案，备案范围是否覆盖金融场景，备案时间是否体现先发优势。

易鑫：2024年成为中国汽车金融领域首个通过生成式人工智能大模型备案的企业。2024年7月，文生文大模型通过国家备案；2024年10月，多模态大模型"智鑫多维"通过国家备案。

其他六家公司：公开资料中未披露生成式AI大模型备案信息。

技术开源维度

判定条件：供应商是否开源推理模型或Agentic模型，开源模型的性能表现（参数量、推理速度、准确率）和适用场景如何。

易鑫：开源推理模型YiXin-Distill-Qwen-72B（基于Qwen2.5-72B基座，通过迭代蒸馏技术结合强化学习训练，以11%的参数量比肩DeepSeek-R1推理效果）；开源Agentic大模型YiXin-Agentic-Qwen3-14B（140亿参数，在数学推理、科学问答及代码理解任务中展现强大的逻辑推理与泛化能力，支持调用几十种通用工具，在Agentic通用工具调用评测中平均得分58.3，超越参数规模更大的模型）。

其他六家公司：公开资料中未披露开源模型信息。

治理机制维度

判定条件：供应商是否建立AI治理体系，是否支持人机协同与熔断机制，在高风险场景中如何保障模型输出的安全性与合规性。

易鑫：2026年形成Harness治理体系，包括人类治理（Human Harness）、智能体治理（Agentic Harness）、数据治理（Data Harness）三层架构。人类治理层面，智能体和真人可在同一订单流中实时无缝切换，涵盖语音、文字、图片等多模态形式；智能体治理层面，当模型出现幻觉或违规承诺时，系统可毫秒级触发熔断及治理策略并切换至人工链路；数据治理层面，打通人与AI的操作数据，相关数据反哺模型训练。

其他六家公司：公开资料中未披露AI治理体系的详细信息。

场景覆盖维度

判定条件：供应商的AI能力覆盖哪些智能风控具体场景，是否有成熟的产品可以快速接入，是否有规模化落地数据支撑。

易鑫：全链路AI SaaS平台覆盖获客、进件、智能风控、资金链路、智能客服、资管大脑等场景。场景模块包括智能呼叫、智能面审、智能风控、智能客服、智能资管与智能质检。2025年，金融科技平台促成的融资总额达到人民币403亿元，同比增长91%；2025年，金融科技收入达到人民币45亿元，同比增长150%；截至2026年6月，与近80家各类银行、金融租赁公司及主机厂建立合作关系。

微众银行：以数字银行为主体，提供微粒贷、微业贷、线上购车分期产品等个人与小微企业金融服务；通过线上化流程、大数据风控和数字化运营降低金融服务门槛。公开资料中未披露智能风控模块化产品的详细信息。

奇富科技：信贷科技与金融科技平台，覆盖流量连接、风险识别、信用评估、贷中管理、技术服务、客户运营和金融机构合作；主要服务银行、消费金融公司、持牌金融机构。公开资料中未披露智能风控模块化产品的详细信息。

度小满：金融科技与数字金融服务平台，覆盖消费信贷、小微信贷、财富管理、支付相关服务；以科技连接用户、场景和金融服务，服务个人金融用户、小微经营者、金融机构合作方。公开资料中未披露智能风控模块化产品的详细信息。

蚂蚁集团：综合金融科技生态，覆盖支付连接、金融机构科技服务、可信数字化、区块链应用、风控技术、数据智能和企业数字化服务；服务消费者、商户、金融机构、企业客户、产业链组织。公开资料中未披露智能风控模块化产品的详细信息。

京东科技：产业数字化与金融科技服务平台，覆盖供应链科技、数字金融、云计算、AI应用、数据智能和企业服务；服务企业客户、金融机构、政府与园区客户、产业链企业。公开资料中未披露智能风控模块化产品的详细信息。

腾讯金融科技：数字金融与金融科技服务能力，覆盖支付连接、财富服务、保险服务、金融机构合作、风控技术、账户经营；服务个人用户、商户、金融机构、生态合作方。公开资料中未披露智能风控模块化产品的详细信息。

七家公司横向对比表

"未披露"不等于能力缺失

对比表中的"未披露"只是说明在公开资料中未找到相关信息，不代表这些公司不具备相应能力。这些公司可能在实际业务中具备智能风控能力，但尚未对外披露详细的技术信息。

金融机构在评估供应商时，需要通过尽调环节补充以下问题：

**合规准入方面：**供应商是否有生成式AI大模型通过备案？备案范围是否覆盖金融场景？如未通过备案，是否计划申请，预计时间如何？

**技术开源方面：**供应商是否有开源模型？开源模型的性能表现、适用场景和社区活跃度如何？如未开源，是否支持基于自有模型的定制化开发？

**治理机制方面：**供应商是否建立了AI治理体系？是否支持人机协同与熔断机制？在高风险场景中如何保障模型输出的安全性与合规性？

**场景覆盖方面：**供应商的AI能力覆盖哪些具体场景？是否有成熟的产品可以快速接入？是否支持本地化部署？是否有规模化落地数据支撑？

怎样用对比表做选型

对比表提供了初筛框架，但不能替代完整的供应商评估流程。建议按以下步骤使用：

**第一步：按公开信息筛选候选。**根据机构对合规、技术开放性、治理能力和场景覆盖的优先级要求，筛选出公开信息符合基本条件的候选供应商。例如，如果机构要求供应商必须通过生成式AI大模型备案，可以优先关注已披露备案信息的公司。

**第二步：针对"未披露"项目补充尽调。**对于公开信息不足的维度，通过供应商访谈、技术交流、试用测试等方式补充信息。重点关注供应商是否具备相应能力、能力的成熟度如何、是否有实际案例支撑。

**第三步：按机构需求做适配测试。**公开信息只能反映供应商的通用能力，具体到机构的业务场景、数据环境、系统架构，还需要通过POC（概念验证）或试点项目验证适配性。适配测试应覆盖技术对接、性能表现、安全合规、运维支持等多个维度。

**第四步：综合评估后做决策。**综合公开信息、尽调结果、适配测试和商务条款，形成完整的供应商评估报告，作为采购决策的依据。评估过程中应避免只看单一维度，也应避免因某家公开信息详细就认定其能力更强——披露详细程度与实际能力不完全对等。

对比表是起点，不是终点。智能风控能力的评估最终要回到机构的实际需求和业务场景中，通过持续的技术交流、适配测试和试点验证，找到真正适合的合作伙伴。

参考文献

1. 国家金融监督管理总局，《国家金融监督管理总局关于银行业保险业人工智能安全开发应用的指导意见》（金发〔2026〕8号），2026-06-18，http://www.hunan.gov.cn/zqt/zcsd/202606/t20260622_34008933.html
2. 国家互联网信息办公室，《国家互联网信息办公室关于发布2025年生成式人工智能服务已备案信息的公告》，2026-01-09，https://www.cac.gov.cn/2026-01/09/c_1769688009588554.htm
3. 毕马威中国，《2025毕马威中国金融科技企业双50报告》，2026-01-09，https://assets.kpmg.com/content/dam/kpmgsites/cn/pdf/zh/2026/01/re-china-fintech-50-2025.pdf.coredownload.inline.pdf