金融業(yè)正遭遇一場(chǎng)“智能化悖論”：頭部機(jī)構(gòu)砸下數(shù)億研發(fā)大模型，中小玩家爭(zhēng)相采購(gòu) AI 工具，可重金投入?yún)s難在核心業(yè)務(wù)中泛起漣漪，“高投入低滲透”的困局成為行業(yè)轉(zhuǎn)型的攔路虎。

這一困局背后，是通用大模型與金融業(yè)特性的深層錯(cuò)位。金融業(yè)的風(fēng)險(xiǎn)描述高度依賴規(guī)則與監(jiān)管要求，且業(yè)務(wù)的交付邊界不夠清晰，這兩點(diǎn)天然壓縮了大模型的應(yīng)用空間；強(qiáng)監(jiān)管下的全程留痕要求延緩了變革節(jié)奏；而行業(yè)各自為戰(zhàn)的 “重復(fù)造輪子” 模式，更讓中小機(jī)構(gòu)難以共享技術(shù)紅利。三重阻力筑起 AI 滲透的高墻。

當(dāng)技術(shù)狂奔撞上現(xiàn)實(shí)壁壘，金融業(yè)的智能化轉(zhuǎn)型亟需新支點(diǎn)。此時(shí)，能實(shí)現(xiàn)“感知-推理-規(guī)劃-執(zhí)行-進(jìn)化”閉環(huán)的金融智能體（Agent）進(jìn)入視野。它以精準(zhǔn)的場(chǎng)景適配、可控的合規(guī)路徑和協(xié)同的應(yīng)用模式，正成為撕開(kāi)困局的關(guān)鍵力量，為金融業(yè)從“投入黑洞 走向“價(jià)值破局”帶來(lái)曙光。

為了深刻呈現(xiàn)金融智能體的應(yīng)用情況和落地場(chǎng)景，螞蟻數(shù)科聯(lián)合零壹財(cái)經(jīng)于7月中下旬發(fā)布《2025金融智能體深度應(yīng)用報(bào)告》（點(diǎn)擊文末閱讀原文可下載完整版報(bào)告），并啟動(dòng)「穿透場(chǎng)景·智解難題——破局金融AI“高投入低滲透”陷阱」大模型深度應(yīng)用直播周（通過(guò)零壹財(cái)經(jīng)視頻號(hào)可觀看直播回放），聚焦轉(zhuǎn)型痛點(diǎn)與智能體發(fā)展、AI重塑財(cái)富管理、AI升級(jí)風(fēng)控合規(guī)以及技術(shù)可信與場(chǎng)景適配，系統(tǒng)拆解金融AI從概念驗(yàn)證到規(guī)模應(yīng)用的完整路徑，為行業(yè)破局提供清晰指引。

 01 深度診斷：金融大模型為何“叫好不叫座”？

金融業(yè)AI應(yīng)用基礎(chǔ)深厚，大模型更是當(dāng)前重要趨勢(shì)。螞蟻數(shù)科Agentar負(fù)責(zé)人馬振雄指出，金融機(jī)構(gòu)正多維度推進(jìn)智能化，表現(xiàn)為持續(xù)擴(kuò)充算力，并在場(chǎng)景創(chuàng)新上突破，涵蓋流程提效、交互體驗(yàn)升級(jí)、運(yùn)維優(yōu)化、非核心業(yè)務(wù)自動(dòng)化，甚至開(kāi)始審慎探索核心業(yè)務(wù)的AI應(yīng)用。

然而，如此高強(qiáng)度的投入與技術(shù)迭代，尚未顯著轉(zhuǎn)化為用戶對(duì)金融服務(wù)變革的感知。換句話說(shuō)，金融大模型應(yīng)用往往叫好不叫座，陷入“高投入低滲透”陷阱。

在近日由零壹智庫(kù)和螞蟻數(shù)科聯(lián)合推出的大模型深度應(yīng)用直播周中，相關(guān)學(xué)界與實(shí)戰(zhàn)專家表示，其癥結(jié)在于以下三點(diǎn)：

行業(yè)適配性不足。中央財(cái)經(jīng)大學(xué)金融科技研究中心主任張寧揭示了關(guān)鍵制約：金融業(yè)的風(fēng)險(xiǎn)描述依賴規(guī)則與監(jiān)管，具有“非純概率性”（存在“概率結(jié)果的懲罰性”）；同時(shí)，任務(wù)“交付邊界清晰度”不足，“語(yǔ)言價(jià)值密度”僅部分達(dá)標(biāo)。三者中僅一項(xiàng)勉強(qiáng)合格，天然壓縮了大模型的應(yīng)用空間。

張寧同時(shí)指出，當(dāng)前金融大模型應(yīng)用呈現(xiàn)兩個(gè)層次：一是機(jī)構(gòu)層面的“集中式應(yīng)用”，聚焦自建基礎(chǔ)設(shè)施、優(yōu)化內(nèi)部流程（如嵌入OA 系統(tǒng)）；二是更貼近用戶的“分布式應(yīng)用”，即理財(cái)經(jīng)理、保險(xiǎn)代理人等觸達(dá)客戶“神經(jīng)末梢”的前線人員對(duì)大模型的使用。

后者發(fā)展更快、更普遍，前線人員及客戶的使用頻率甚至高于機(jī)構(gòu)內(nèi)部，部分客戶甚至借此提升專業(yè)度，隨后才對(duì)金融機(jī)構(gòu)形成“鞭策”效應(yīng)。

強(qiáng)監(jiān)管形成合規(guī)圍欄。例如，金融客服需全程錄音備案，客戶交互均需留痕以防差錯(cuò)。盡管合規(guī)價(jià)值顯著，但香港科技大學(xué)數(shù)字金融實(shí)驗(yàn)室主任陳卡你指出，這些要求客觀上延緩了變革進(jìn)程。因此，模型優(yōu)化的目標(biāo)應(yīng)是在提升多數(shù)用戶體驗(yàn)的同時(shí)，有效識(shí)別風(fēng)險(xiǎn)。

行業(yè)協(xié)作存在短板。陳卡你進(jìn)一步指出，各銀行各自為戰(zhàn)，仿佛在“重復(fù)發(fā)明輪子”。與醫(yī)療行業(yè)公開(kāi)分享經(jīng)驗(yàn)（包括教訓(xùn)）的模式不同，金融業(yè)因數(shù)據(jù)隱私等限制缺乏協(xié)作，導(dǎo)致中小機(jī)構(gòu)難以復(fù)用大銀行的模型資源，制約了全行業(yè)AI應(yīng)用的規(guī)模效應(yīng)。

面對(duì)行業(yè)適配性不足、強(qiáng)監(jiān)管約束與協(xié)作短板的多重挑戰(zhàn)，金融業(yè)的AI投入亟需找到新的方向與路徑。

 02 抉擇與轉(zhuǎn)向：金融業(yè) AI 投入的路徑調(diào)整

面對(duì)“高投入低滲透”的困境，銀行、證券、保險(xiǎn)、基金等機(jī)構(gòu)在 AI 投入上的戰(zhàn)略選擇正面臨考驗(yàn)：頭部機(jī)構(gòu)布局自研大模型的熱潮未退，中小機(jī)構(gòu)雖躍躍欲試，卻陷入兩難——跟進(jìn)則需面對(duì)投資回報(bào)率不明、資源承壓的挑戰(zhàn)，觀望又恐錯(cuò)失由技術(shù)代差帶來(lái)的戰(zhàn)略機(jī)遇。

對(duì)此，馬振雄認(rèn)為，金融業(yè)對(duì)AI的投入不會(huì)停止，但重心將轉(zhuǎn)向場(chǎng)景創(chuàng)新。他強(qiáng)調(diào)，自建金融大模型不僅必要，而且投入可控。

金融機(jī)構(gòu)的AI投入已悄然轉(zhuǎn)向，前兩年處于“基建期”，重心在于算力、平臺(tái)等基礎(chǔ)能力建設(shè)，如今則更側(cè)重“場(chǎng)景創(chuàng)新”，并遵循由易到難的漸進(jìn)路徑：從簡(jiǎn)單問(wèn)答、內(nèi)部辦公及非核心業(yè)務(wù)切入，逐步延伸至研發(fā)運(yùn)維提效，最終邁向?qū)�客戶的業(yè)務(wù)流程重構(gòu)及核心業(yè)務(wù)改造。這是一個(gè)雖需循序漸進(jìn)卻目標(biāo)堅(jiān)定的過(guò)程。

金融場(chǎng)景的特殊性，決定了構(gòu)建行業(yè)大模型的必要性，主要體現(xiàn)在四大核心能力要求上：

（1）精準(zhǔn)意圖識(shí)別與路由：需精確理解問(wèn)題所屬的金融業(yè)務(wù)領(lǐng)域和場(chǎng)景，通用模型難以勝任；

（2）可靠工具/知識(shí)調(diào)用：核心應(yīng)用要求模型能穩(wěn)定、準(zhǔn)確地召回工具和專業(yè)知識(shí)，避免發(fā)散；

（3）準(zhǔn)確金融實(shí)體識(shí)別：需精準(zhǔn)提取金融文本中的關(guān)鍵實(shí)體信息；

（4）合規(guī)專業(yè)表達(dá)：回答必須嚴(yán)謹(jǐn)、合規(guī)、條理清晰，體現(xiàn)金融專業(yè)性（如規(guī)避個(gè)股推薦、唱空市場(chǎng)等）。

這四類“金融級(jí)能力”無(wú)法依賴通用模型實(shí)現(xiàn)，必須在基座模型基礎(chǔ)上，通過(guò)特定數(shù)據(jù)訓(xùn)練出行業(yè)大模型。這是金融AI落地的必經(jīng)之路。

實(shí)現(xiàn)投入可控的關(guān)鍵在于技術(shù)路徑選擇：無(wú)需從零開(kāi)始進(jìn)行成本極高的龐大模型預(yù)訓(xùn)練。更可行的方案是基于成熟的開(kāi)源基座模型（如通義千問(wèn)等），通過(guò)后續(xù)訓(xùn)練注入金融專項(xiàng)能力。所需資源主要集中于后訓(xùn)練階段的人力、高質(zhì)量樣本、中等規(guī)模算力（白卡級(jí)別）及微調(diào)平臺(tái)能力，有效規(guī)避了天價(jià)預(yù)訓(xùn)練成本，使整體投入可控。

張寧同樣支持金融業(yè)持續(xù)投入AI，他建議，對(duì)于大中型金融機(jī)構(gòu)而言，既要將技術(shù)優(yōu)勢(shì)牢牢錨定在真實(shí)業(yè)務(wù)需求，實(shí)現(xiàn)需求驅(qū)動(dòng)的技術(shù)落地，更要努力將大模型能力轉(zhuǎn)化為自身的核心競(jìng)爭(zhēng)力和品牌優(yōu)勢(shì)，構(gòu)筑核心競(jìng)爭(zhēng)壁壘。

對(duì)于中小金融機(jī)構(gòu)，則需審慎權(quán)衡投入產(chǎn)出比，采取分步投入策略，將投入科學(xué)拆解到不同階段。同時(shí)，切忌全場(chǎng)景鋪開(kāi)，必須聚焦自身優(yōu)勢(shì)場(chǎng)景進(jìn)行深度滲透，結(jié)合差異化需求選擇突破口，實(shí)現(xiàn)精準(zhǔn)滲透。

而在明確了投入需向場(chǎng)景創(chuàng)新傾斜、并需構(gòu)建金融級(jí)核心能力后，一種被視為技術(shù)演進(jìn)下一焦點(diǎn)的“智能體“，開(kāi)始進(jìn)入行業(yè)視野，被期待成為破解困局的關(guān)鍵力量。

 03 破局希望：金融智能體的獨(dú)特價(jià)值

在2024年7月的產(chǎn)業(yè)發(fā)展主論壇上，螞蟻集團(tuán)董事長(zhǎng)兼CEO井賢棟表示,專業(yè)智能體能夠破解通用大模型在嚴(yán)謹(jǐn)產(chǎn)業(yè)應(yīng)用的關(guān)鍵難題。

相較于單純的大模型，金融智能體的核心突破在于構(gòu)建了“感知-推理-規(guī)劃-執(zhí)行-進(jìn)化”的閉環(huán)機(jī)制。這一機(jī)制驅(qū)動(dòng)智能體實(shí)現(xiàn)從“被動(dòng)問(wèn)答”向“主動(dòng)決策”的躍遷，其能力可拆解為三階段：

策劃階段，可精準(zhǔn)解析問(wèn)題所屬業(yè)務(wù)場(chǎng)景，動(dòng)態(tài)規(guī)劃需調(diào)用的工具與知識(shí)（如客戶持倉(cāng)數(shù)據(jù)、市場(chǎng)指標(biāo)），避免結(jié)果漂移；

執(zhí)行階段，能通過(guò)工具接口調(diào)用存量系統(tǒng)，確保指標(biāo)查詢與知識(shí)召回的確定性；

表達(dá)階段，可輸出嚴(yán)謹(jǐn)、合規(guī)、圖文并茂的結(jié)論，嚴(yán)格遵循“觀點(diǎn)先行，有理

有據(jù)”的金融專業(yè)規(guī)范。

正因如此，智能體在應(yīng)對(duì)大模型在金融行業(yè)應(yīng)用中面臨的諸多問(wèn)題時(shí)，可展現(xiàn)出獨(dú)特的優(yōu)勢(shì)。

針對(duì)行業(yè)適配性不足，智能體可精準(zhǔn)理解金融業(yè)務(wù)領(lǐng)域和場(chǎng)景。例如，螞蟻數(shù)科智能體在策劃階段能解析場(chǎng)景、規(guī)劃工具與知識(shí)調(diào)用以避免結(jié)果漂移，其核心應(yīng)用能穩(wěn)定召回專業(yè)知識(shí)，執(zhí)行階段通過(guò)接口調(diào)用存量系統(tǒng)保障信息確定性，還能精準(zhǔn)提取金融實(shí)體信息，表達(dá)階段輸出合規(guī)專業(yè)的結(jié)論，克服大模型的局限。

面對(duì)強(qiáng)監(jiān)管形成的合規(guī)圍欄，智能體可通過(guò)強(qiáng)化檢索與遵循能力確保“用對(duì)知識(shí)”而非“自我發(fā)揮”，構(gòu)建精準(zhǔn)檢索系統(tǒng)并結(jié)合多種技術(shù)讓推理過(guò)程透明可追溯，同時(shí)建立動(dòng)態(tài)優(yōu)化機(jī)制，補(bǔ)充合規(guī)樣本并評(píng)測(cè)歸因，保障結(jié)果合規(guī)準(zhǔn)確。

不過(guò)當(dāng)前智能體能力有限，陳卡你認(rèn)為瓶頸在于智能體的基座大模型，其能力受合規(guī)成本與迭代速度制約。本地化部署也存在困境，金融機(jī)構(gòu)因保密需求僅限使用開(kāi)源模型且無(wú)法外部調(diào)用，“滿血版”模型（如deepseek）部署成本高（可達(dá)近千萬(wàn)元級(jí)別，且需持續(xù)維護(hù)投入）且面臨術(shù)迭代風(fēng)險(xiǎn)，易陷入“創(chuàng)新困境”。

螞蟻數(shù)科與零壹智庫(kù)聯(lián)合發(fā)布的《2025金融智能體深度應(yīng)用報(bào)告》同樣指出，當(dāng)前，智能體的金融業(yè)務(wù)場(chǎng)景以“金融業(yè)務(wù) RPA（Robotic Process Automation）”為主，在客服、風(fēng)控等場(chǎng)景實(shí)現(xiàn)規(guī)則化任務(wù)自動(dòng)化，但受基座模型能力、思維鏈技術(shù)等限制，尚未實(shí)現(xiàn)完全自主工作。

不過(guò)，隨著技術(shù)迭代以及算力成本下降，智能體在投研分析、量化交易等復(fù)雜場(chǎng)景的多智能體協(xié)同應(yīng)用逐步展開(kāi)，正從單一工具向全業(yè)務(wù)鏈智能化解決方案演進(jìn)。

行業(yè)內(nèi)已有機(jī)構(gòu)開(kāi)始探索針對(duì)性的解決方案，螞蟻數(shù)科推出的“可信智能體”便是其中的典型實(shí)踐，為破解智能體落地難題提供了有益參考。

 04 實(shí)踐探索：螞蟻數(shù)科“可信智能體”的破題之道

金融服務(wù)的每一個(gè)數(shù)字背后都連著真實(shí)的財(cái)富與信任，這讓行業(yè)對(duì)錯(cuò)誤有著天然的“零容忍”——哪怕萬(wàn)分之一的偏差，都可能釀成難以挽回的損失。

正是基于這一行業(yè)特質(zhì)，螞蟻數(shù)科大模型和智能體算法負(fù)責(zé)人齊翔提出“可信智能體”三大支柱，從供給可靠、過(guò)程可控、結(jié)果可優(yōu)化三個(gè)維度構(gòu)建保障體系。

在供給可靠層面，知識(shí)工程成為堅(jiān)實(shí)基礎(chǔ)。金融領(lǐng)域的知識(shí)往往藏在PDF報(bào)表的褶皺里，PPT圖表的縫隙中，或是API接口的晦澀注釋里。螞蟻數(shù)科用一套“智能拆解術(shù)”讓這些知識(shí)活起來(lái)：

150 份銀行文檔經(jīng)自動(dòng)化處理，變成 2 萬(wàn)條精準(zhǔn)FAQ，可覆蓋50%的業(yè)務(wù)流量；數(shù)據(jù)庫(kù)注釋被轉(zhuǎn)換成通俗易懂的“說(shuō)明書”，使Chat BI取數(shù)準(zhǔn)確率提升4-5個(gè)百分點(diǎn)；就連那些“沉睡”的API接口，也在離線智能體的反復(fù)調(diào)試下，20%重新“蘇醒”投入使用。

過(guò)程可控方面，強(qiáng)化檢索與遵循能力。金融決策容不得“信馬由韁”，智能體的每一步推理都得有章可循。螞蟻數(shù)科構(gòu)建起工業(yè)級(jí)檢索系統(tǒng)，涵蓋問(wèn)題理解、多路召回、重排序等十余個(gè)環(huán)節(jié)，確保1秒內(nèi)召回相關(guān)知識(shí)；知識(shí)遵循上，通過(guò)強(qiáng)化學(xué)習(xí)（如偏好對(duì)齊）鼓勵(lì)智能體優(yōu)先使用外部檢索知識(shí)，結(jié)合SFT（有監(jiān)督微調(diào)）+DPO（直接偏好優(yōu)化）滿足金融合規(guī)與嚴(yán)謹(jǐn)性要求；SOP協(xié)同規(guī)則將業(yè)務(wù)流程（如企業(yè)查詢步驟）轉(zhuǎn)化為自然語(yǔ)言 SOP，嵌入智能體推理過(guò)程，使回答準(zhǔn)確率提升10個(gè)點(diǎn)以上。

結(jié)果優(yōu)化方面，聚焦量化評(píng)估與迭代。螞蟻數(shù)科建立動(dòng)態(tài)優(yōu)化機(jī)制，持續(xù)提升智能體輸出質(zhì)量，一方面構(gòu)建合成數(shù)據(jù)生成體系，針對(duì)性補(bǔ)充金融領(lǐng)域嚴(yán)謹(jǐn)性、合規(guī)性訓(xùn)練樣本；另一方面，設(shè)計(jì)適配智能體的評(píng)測(cè)指標(biāo)，結(jié)合人工標(biāo)注與自動(dòng)化工具，實(shí)現(xiàn)端到端效果評(píng)估與歸因分析。

基于 “可信智能體” 架構(gòu)，螞蟻數(shù)科已落地 100 個(gè)金融智能體應(yīng)用場(chǎng)景�！�2025金融智能體深度應(yīng)用報(bào)告》（點(diǎn)擊文末閱讀原文可下載完整版報(bào)告）顯示，其覆蓋銀行、證券、保險(xiǎn)及通用四大板塊，全面滲透客戶服務(wù)、內(nèi)部運(yùn)營(yíng)、風(fēng)險(xiǎn)管理等全業(yè)務(wù)鏈。

例如，在客戶服務(wù)場(chǎng)景，智能體直擊傳統(tǒng)金融服務(wù)時(shí)間受限、響應(yīng)滯后、體驗(yàn)同質(zhì)化等痛點(diǎn)，以7x24小時(shí)在線服務(wù)提升效率與可得性，更通過(guò)深度個(gè)性化重塑服務(wù)體驗(yàn)、增強(qiáng)客戶粘性。全流程助手智能體覆蓋售前咨詢、產(chǎn)品使用、售后運(yùn)維等環(huán)節(jié)。

在營(yíng)銷與銷售場(chǎng)景，智能體憑借強(qiáng)大數(shù)據(jù)分析與內(nèi)容生成能力，推動(dòng)金融機(jī)構(gòu)從“大海撈針”式傳統(tǒng)營(yíng)銷轉(zhuǎn)向“精準(zhǔn)滴灌”式智慧營(yíng)銷。其核心價(jià)值在于深度洞察客戶、實(shí)現(xiàn)個(gè)性化觸達(dá)，最大化營(yíng)銷ROI。如營(yíng)銷智能體在試點(diǎn)場(chǎng)景提效20%，金融問(wèn)答智能體為C端用戶提供零“幻覺(jué)”的基金解讀與財(cái)富配置咨詢。

風(fēng)險(xiǎn)管理場(chǎng)景中，智能體可處理分析比傳統(tǒng)規(guī)則引擎更復(fù)雜海量的數(shù)據(jù)，實(shí)現(xiàn)風(fēng)險(xiǎn)的更早識(shí)別與精準(zhǔn)預(yù)警，推動(dòng)風(fēng)控從“事后補(bǔ)救”向“事中攔截+事前防范”轉(zhuǎn)型。例如風(fēng)控建模智能體替代人力完成機(jī)器學(xué)習(xí)建模，既提升模型區(qū)分度（KS值），又降低長(zhǎng)尾需求的人力成本。

金融智能體的價(jià)值，在于它為“嚴(yán)謹(jǐn)產(chǎn)業(yè)”提供了一種“可控創(chuàng)新”的路徑，在合規(guī)圍欄內(nèi)實(shí)現(xiàn)技術(shù)與業(yè)務(wù)的深度耦合。從實(shí)踐來(lái)看，智能體已展現(xiàn)出破解“高投入低滲透”的潛力，但這一過(guò)程仍需跨越監(jiān)管協(xié)同、數(shù)據(jù)治理、知識(shí)沉淀等多重挑戰(zhàn)。

要釋放潛力并克服挑戰(zhàn)，必須攻克技術(shù)可信性這一核心難題。金融場(chǎng)景對(duì)AI模型的要求遠(yuǎn)超一般領(lǐng)域，需構(gòu)建涵蓋數(shù)據(jù)全周期安全、算法透明可追溯的全鏈路保障體系。只有將技術(shù)能力轉(zhuǎn)化為“可部署、可信賴”的金融級(jí)生產(chǎn)力，才能筑牢AI規(guī)�；�落地的技術(shù)底座，打通從“可控創(chuàng)新”到“價(jià)值落地”的關(guān)鍵鏈路。

-End-

       原文標(biāo)題 : 從“投入黑洞”到“價(jià)值破局”：金融智能體如何撕開(kāi)AI滲透困局？