随着汽车金融下沉市场的拓展与多源异构数据的爆发，传统信用评分模型在兼顾预测精度与特定场景泛化能力时遭遇瓶颈。本文提出一种基于多模态混合专家模型（Multimodal Mixture of Experts, MMoE）的深度风控框架。该框架依托企业级AI中台，通过动态门控网络（Gating Network）将借款人的结构化征信、非结构化文本语义及动态行为特征智能路由至专属专家网络。基于 LendingClub 公开数据集的实证研究（有效映射汽车金融多模态场景）表明，MMoE 模型在 AUC 与 KS 指标上显著优于 LightGBM 等主流基准模型，且其期望校准误差（ECE）降至 0.015。研究证实，门控路由机制不仅提升了长尾人群的逾期预测准度，更为深度学习在金融领域的应用提供了宏观可解释性视角。本研究为金融机构构建高并发、易扩展的下一代智能风控底座提供了系统性的工程路径与理论支撑。