黄仁勋刚讲完AI「五层蛋糕」，他们就跑通了！算力、模型、Agent一次打穿

【新智元导读】黄仁勋用「五层蛋糕」讲清了AI全栈生态的分层逻辑，易鑫则把它翻译成汽车金融的落地打法：从算力、模型到Agent落地，解决的全是汽车金融最难的活。

近期，英伟达CEO黄仁勋（Jensen Huang）提出了「AI的五层蛋糕」架构，并将AI划分为能源、芯片、基础设施、模型、应用五个核心层级，清晰地展示了底层技术如何层层传导，最终支撑起上层应用的爆发。

黄仁勋「AI的五层蛋糕」架构

事实上，这套从基础供给到业务落地的思路，与易鑫在AI领域的布局不谋而合。

作为AI驱动的金融科技平台，易鑫结合行业特有的技术痛点与业务场景，构建了覆盖基础设施、模型、平台产品、应用的全栈式AI体系，实现了底层技术能力向顶层业务价值的转化。

第一层：基础设施

AI Infra

在黄仁勋的理论中，能源与芯片属于AI的硬件底层。

易鑫并未直接布局这两个环节，而是将重心放在更贴近业务价值的「算力调度与算力效率」上。

这种基于行业分工的策略，让技术投入更直接地作用于业务场景。

大模型训练依赖海量算力，实际业务调用则需兼顾高并发与低延迟。

为了在规模化应用中平衡性能与成本，易鑫研发了Vesta训推一体平台，将训练、推理与资源调度等功能整合在统一体系中。

Vesta打通了从数据层到模型层的通道，在保障算力稳定性的同时，降低推理延迟并实现成本可控。

易鑫通过这种资源整合方式，在不直接下场造芯的情况下，解决了技术落地的算力瓶颈，使大模型在汽车金融场景中的商业化应用成为可能。

第二层：模型矩阵

Model

通用大模型虽应用广泛，但在汽车金融垂直场景中往往面临资源消耗大、业务理解浅、精准度不足等问题，难以适配业务实际需求。

易鑫放弃「通用大模型+外挂知识库」的思路，选择自主研发真正适配汽车金融行业的大模型。

目前，易鑫已构建起完整的Xin系列模型矩阵，涵盖预训练与后训练模型、文生文模型、多模态模型、语音模型，以及具备智能体（Agent）能力的Agentic大模型XinMM-AM1。

在合规与开源层面，易鑫是中国汽车金融领域首个通过生成式AI大模型备案的企业，并率先实现DeepSeek大模型本地化部署与应用。

不仅如此，易鑫还主动开源比肩头部通用模型的高性能推理模型YiXin-Distill-Qwen-72B和Agentic大模型YiXin-Agentic-Qwen3-14B，以「开源共建」理念推动行业技术共赢。

第三层：平台产品

Platform-as-a-Product（PaaP）

为了让强大的模型能力真正落地、发挥实效，易鑫将底层模型能力封装为模块化、标准化、易接入的平台产品，降低了AI在各业务线落地的门槛。

从2018年起，易鑫先后推出了决策流平台、模型平台和机器人平台；

2022年，自研的AI原生话务系统上线，替代了第三方方案；

2024年，将大模型全面应用于机器人产品升级，并推出覆盖短视频、直播等场景的新媒体创作平台。

截至2025年底，易鑫AI平台累计服务超过9,300万次，实现了技术能力的规模化输出。

第四层：业务应用

Application

技术的最终价值，在于解决实际业务痛点、创造商业与行业价值。

易鑫基于Agentic大模型和Xin系列模型，打造了一站式AI智能服务解决方案，覆盖汽车金融「渠道、进件、预审、智能风控、智能链路、智能客服、资管」全链路，让AI真正融入业务每一环。

智能进件（渠道+进件+预审）：

利用AI搜索自动生成渠道分析报告，辅助决策；在进件和预审环节，通过多模态模型自动检索、提取用户资料，实现自动化录入和预审。

风控决策（风控+智能链路）：

除个性化风险模型外，使用机器人平台覆盖风控各环节，独创「智能链路」模式与算法，为用户匹配最优金融方案；更推出「端到端风控」，将文本、图片、音视频等原始信息直接输入模型，让模型自主提取特征，同时融合传统可解释性模型，避免人工特征提取的信息损耗。

融后服务（客服+资管）：

客服端除自动回复电话、IM咨询外，还分析用户声纹、语音语调，预判投诉风险并提前派单；资管端依托AI制定个性化策略，针对不同风险等级匹配对应方案。

结语

易鑫引领汽车金融AI新基建运动

正如黄仁勋所言，「AI正在成为现代世界的基础设施。」

这意味着，AI不再是实验室里的技术，而是一场横跨能源、芯片、基础设施、模型与应用的超级基建运动。

易鑫构建的「汽车金融版AI蛋糕」，核心在于将AI作为行业新型基础设施进行重构，推动业务从「适配AI」转向「由AI驱动」。

目前，易鑫的全栈式AI能力在国内已实现深度应用。

这种技术竞争力也为后续的全球化拓展奠定了基础。

未来，易鑫将继续迭代该架构，通过技术开源与生态合作，探索更高效、安全的行业应用模式。