G2025金融業(yè)大模型應(yīng)用報(bào)告體系落地價(jià)值共生金融業(yè)大模型應(yīng)用報(bào)告2025金融業(yè)大模型應(yīng)用報(bào)告體系落地價(jià)值共生騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢序言騰訊集團(tuán)副總裁、騰訊研究院院長(zhǎng)oftheArt)模型，正合力將基礎(chǔ)大模型的性能推向全新高度。另一方面，產(chǎn)業(yè)界的重心已轉(zhuǎn)向?qū)?yīng)用生態(tài)的精心構(gòu)建，以此承載各行各業(yè)向AI轉(zhuǎn)型的宏偉藍(lán)圖。這遠(yuǎn)非零散試點(diǎn)或工具集成所能企及，它要求我們像建設(shè)工業(yè)時(shí)代的電網(wǎng)、信息時(shí)代的光纜一樣，進(jìn)行系統(tǒng)性的規(guī)劃與投入。這不僅是一場(chǎng)技術(shù)革命，更是一場(chǎng)涵蓋數(shù)據(jù)基建、組織形態(tài)、金融業(yè)，作為現(xiàn)代經(jīng)濟(jì)的神經(jīng)中樞，是這場(chǎng)重構(gòu)的核心戰(zhàn)場(chǎng)與先導(dǎo)力量。在這里，AI不再僅僅是專家能力的“放大器”,更是與人類智慧深度耦合、互補(bǔ)協(xié)作來探尋金融服務(wù)本源的伙伴。我們觀察到，一種新的協(xié)作范式正在誕生：技術(shù)供給與真實(shí)需求雙向奔赴，在解決最棘手的金融作為這場(chǎng)技術(shù)浪潮的深度思考者與躬身入局者，騰訊研究院希望《2025金融業(yè)大模型應(yīng)用報(bào)告》能夠超越一份常規(guī)的分析報(bào)告。報(bào)告不僅剖析變革的機(jī)制與路徑，更力求探尋其背后的時(shí)代脈搏與產(chǎn)業(yè)邏輯，為金融機(jī)構(gòu)提供具有前瞻性的戰(zhàn)略思考框架與切實(shí)可行的實(shí)踐路徑指引，共同探索由AI驅(qū)動(dòng)的嶄新金融時(shí)代。金融業(yè)大模型應(yīng)用報(bào)告序言柳曉光畢馬威變革咨詢數(shù)字化轉(zhuǎn)型業(yè)務(wù)牽頭人“智慧之光”數(shù)智解決方案主管合伙人我們正處在一個(gè)由大模型定義的革命性時(shí)代。2025年，已是技術(shù)浪潮與產(chǎn)業(yè)變革交匯的關(guān)鍵之年。AI正以超越過往任何技術(shù)的速度與深度，從數(shù)字世界的底層邏輯，重塑著全球經(jīng)濟(jì)的宏觀格局。推理及生成能力，形成了前所未有的共振。這股力量，正推動(dòng)金融業(yè)開一場(chǎng)更為深刻的智能化變革。它不僅是效率工具的迭代，更是對(duì)金融服務(wù)范式、運(yùn)營(yíng)模式乃至核本報(bào)告旨在為這場(chǎng)波瀾壯闊的變革提供一張清晰的導(dǎo)航圖。我們將從宏觀視野出發(fā)，系統(tǒng)梳理模型、算力與數(shù)據(jù)的演進(jìn)趨勢(shì)。隨后，將鏡頭聚焦于金融業(yè)本身，提煉各機(jī)構(gòu)從審慎探索到加速布局的應(yīng)用全景，并揭示其應(yīng)用價(jià)值從提升運(yùn)營(yíng)效率向賦能核心決策的躍遷路徑。然而，我們深知通往智能金融的道路并非坦途。因此，報(bào)告將直面數(shù)據(jù)孤島、戰(zhàn)略模糊、安全合規(guī)、人才短缺等核心挑戰(zhàn)，并通過深度剖析全球領(lǐng)先的實(shí)踐案例，力求提供兼具前瞻性與可操作性的應(yīng)對(duì)之策。最終，本報(bào)告將落腳于未來。我們提煉出驅(qū)動(dòng)行業(yè)演進(jìn)的六大核心趨勢(shì)，希望能為身處變革中的每一位金融決策者、創(chuàng)新者和從業(yè)者，提供一個(gè)思考未來、把握當(dāng)一個(gè)更普惠、更個(gè)性化、更高效的智能金融新紀(jì)元，正由我們共同開騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢2024年至今，一場(chǎng)由大模型驅(qū)動(dòng)的生產(chǎn)力革命正在金融業(yè)上演：一家領(lǐng)先大行將過去需要數(shù)小時(shí)甚至數(shù)天完成的復(fù)雜信貸審批報(bào)告分析壓縮至3分鐘，準(zhǔn)確率提升超15%;一家頭部券商借助AI智能體實(shí)現(xiàn)7×24小時(shí)監(jiān)控全球超過5000家上市公司的動(dòng)態(tài)，研究覆蓋面和響應(yīng)速度達(dá)到了全新量級(jí)；一家海外頂尖投行部署了數(shù)百個(gè)AI程序員，后續(xù)或增至數(shù)千個(gè)，旨在將工程師的生產(chǎn)力提升至三到四倍。2025年3月，中國(guó)人民銀行已明確要求加快金融數(shù)字化智能化轉(zhuǎn)型，安全穩(wěn)妥有序推進(jìn)人務(wù)實(shí)的政策指引與激動(dòng)人心的行業(yè)進(jìn)展，共同表明行業(yè)正進(jìn)入一個(gè)生成式AI引領(lǐng)的結(jié)構(gòu)性變革期。我們判斷，2025年已成為金融行業(yè)深度整合AI、借助大模型進(jìn)行創(chuàng)新的關(guān)鍵拐點(diǎn)。本報(bào)告旨在穿透技術(shù)熱潮，深入剖析大模型在金融業(yè)應(yīng)用的現(xiàn)狀與未來，為行業(yè)提供前瞻性的洞察。我們堅(jiān)信，那些能夠深刻理解機(jī)遇與挑戰(zhàn)、進(jìn)行前瞻布局、并致力于體系化能力建設(shè)的機(jī)構(gòu)，必全球大模型的發(fā)展已非單一的技術(shù)競(jìng)賽，而是呈現(xiàn)出技術(shù)迭代、資源升級(jí)、價(jià)值深化與生態(tài)競(jìng)合交織并進(jìn)的復(fù)雜格局。模型的演進(jìn)方向正從探索能力邊界轉(zhuǎn)向追求效率革命，算法與架構(gòu)的持續(xù)優(yōu)化在不斷重新定義性能天花板。與此同時(shí)，算力需求呈現(xiàn)更重視推理的結(jié)構(gòu)性變化，數(shù)據(jù)訓(xùn)練的關(guān)注點(diǎn)，正從單純追求海量規(guī)模，轉(zhuǎn)向更加倚重高價(jià)值的精準(zhǔn)數(shù)據(jù)。在應(yīng)用場(chǎng)景上，大模型也正從提效工具升級(jí)為協(xié)作伙伴，以智能體為代表的應(yīng)用正在重構(gòu)人機(jī)協(xié)作的全新形全球近半數(shù)金融機(jī)構(gòu)已啟動(dòng)大模型應(yīng)用建設(shè)，行業(yè)正從零星的試驗(yàn)階段邁入規(guī)?；渴鹌凇Ｖ袊?guó)金融業(yè)的大模型建設(shè)呈現(xiàn)出頂層設(shè)計(jì)、梯次推進(jìn)的清晰格局：銀行業(yè)是大模型落地應(yīng)用最廣泛的領(lǐng)域，證券、保險(xiǎn)行業(yè)的頭部機(jī)構(gòu)則作為先行者，探索出多樣化的應(yīng)用模式。當(dāng)前，應(yīng)用建設(shè)的路徑正逐漸收斂至以實(shí)際效益為導(dǎo)向，圍繞能力建設(shè)、基座構(gòu)建、應(yīng)用部署的三大策略日益清晰，應(yīng)用版圖也正從外圍的效率工具向核金融業(yè)大模型應(yīng)用報(bào)告金融機(jī)構(gòu)在實(shí)踐中普遍面臨著局部突破與整體效能的平衡，創(chuàng)新投入與資源效能的平衡，以及前沿探索與風(fēng)險(xiǎn)防控的三大平衡關(guān)系考驗(yàn)。面對(duì)高價(jià)值數(shù)據(jù)資源碎片化、戰(zhàn)略規(guī)劃和投資回報(bào)不清晰、低容錯(cuò)場(chǎng)景技術(shù)適配難、組織人才升級(jí)滯后等具體挑戰(zhàn)，構(gòu)建“數(shù)據(jù)+應(yīng)用+戰(zhàn)略+組織人才”四位一體的綜合能力框架，將是贏得未來人工智能革命先機(jī)的關(guān)鍵。在場(chǎng)景側(cè)，智能理財(cái)助理、財(cái)富管理、保險(xiǎn)代理人、投研報(bào)告生成、編程助手等場(chǎng)景已率先實(shí)現(xiàn)商業(yè)化突破，金融AI技術(shù)正驅(qū)動(dòng)金融服務(wù)走向前所未有的普惠化、智能化與個(gè)性化，將專家級(jí)專業(yè)服務(wù)帶給更加速推動(dòng)復(fù)合型、創(chuàng)新型金融人才的需求形成。在此進(jìn)程中，高質(zhì)量私域數(shù)據(jù)的挖掘與應(yīng)用將成為金融機(jī)構(gòu)的核心競(jìng)爭(zhēng)力，而AI技術(shù)和治理體系的不斷成熟，也將推動(dòng)監(jiān)管科技效率與效能的提升。騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢錄1.1模型演進(jìn)：能力邊界進(jìn)一步延伸1.1.1算法與架構(gòu)的效率革命持續(xù)提升模型能力1.1.2模型能力維度從數(shù)字世界拓展到物理世界1.2算力與數(shù)據(jù)：從追求規(guī)模到優(yōu)化結(jié)構(gòu)1.2.1算力需求結(jié)構(gòu)性變化催生智算中心等算力基礎(chǔ)設(shè)施1.2.2數(shù)據(jù)訓(xùn)練從海量數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)向高價(jià)值知識(shí)驅(qū)動(dòng)1.3應(yīng)用場(chǎng)景：提效工具逐步升級(jí)為協(xié)作伙伴1.3.1企業(yè)級(jí)應(yīng)用強(qiáng)調(diào)人機(jī)協(xié)作下的價(jià)值創(chuàng)造1.3.2智能體(Agent)成為人機(jī)協(xié)作的重要形態(tài)1.4產(chǎn)業(yè)生態(tài)：技術(shù)競(jìng)賽與生態(tài)競(jìng)合并立1.4.1開源與閉源的路線之爭(zhēng)過渡為生態(tài)共存1.4.2主權(quán)AI成為影響全球科技發(fā)展的重要變量2.1總體概況：金融機(jī)構(gòu)加速孵化大模型能力，行業(yè)整體審慎推進(jìn)應(yīng)用092.1.1全球金融業(yè)大模型應(yīng)用建設(shè)概況092.1.2中國(guó)金融業(yè)大模型應(yīng)用建設(shè)數(shù)據(jù)洞察102.2建設(shè)模式：以實(shí)際效益為導(dǎo)向，建設(shè)方式漸進(jìn)收斂182.2.1大模型應(yīng)用部署策略18金融業(yè)大模型應(yīng)用報(bào)告2.2.2大模型能力建設(shè)方式202.2.3大模型體系構(gòu)建路徑212.3場(chǎng)景落地：從效率工具向決策引擎演進(jìn)242.3.1金融業(yè)大模型的應(yīng)用版圖242.3.2金融業(yè)大模型的演進(jìn)路徑262.3.3金融業(yè)大模型的應(yīng)用新形態(tài)：智能體28第三章金融業(yè)大模型建設(shè)的核心挑戰(zhàn)與應(yīng)對(duì)策略313.1金融數(shù)字化轉(zhuǎn)型背景下的三大平衡關(guān)系313.2大模型建設(shè)的四大核心挑戰(zhàn)與應(yīng)對(duì)策略333.2.1數(shù)據(jù)挑戰(zhàn)：從碎片化資源到規(guī)?；Z料的轉(zhuǎn)化困境333.2.2戰(zhàn)略挑戰(zhàn)：規(guī)劃不清與價(jià)值驗(yàn)證困難引發(fā)的投資失衡363.2.3應(yīng)用挑戰(zhàn)：嚴(yán)監(jiān)管場(chǎng)景對(duì)模型可控性的極高要求433.2.4能力挑戰(zhàn)：技術(shù)迭代提速倒逼組織變革與人才升級(jí)453.3金融業(yè)大模型落地實(shí)踐案例與洞察493.3.1智能理財(cái)助理——從低風(fēng)險(xiǎn)場(chǎng)景切入，實(shí)現(xiàn)價(jià)值快速驗(yàn)證493.3.2財(cái)富管理風(fēng)控——用領(lǐng)域LLM攻克傳統(tǒng)AI的語義理解難題523.3.3超級(jí)保險(xiǎn)代理人——AI重塑展業(yè)與培訓(xùn)新范式533.3.4投研報(bào)告生成——AI賦能投研決策553.3.5AI編程伙伴——金融業(yè)軟件開發(fā)提效新范式593.3.6金融智能體——從概念驗(yàn)證到應(yīng)用的探索61第四章大模型驅(qū)動(dòng)金融業(yè)發(fā)展的趨勢(shì)展望684.1金融服務(wù)的專業(yè)化和普惠化進(jìn)程提速684.2金融產(chǎn)品更加實(shí)時(shí)、動(dòng)態(tài)、超個(gè)性化684.3人機(jī)協(xié)同重新定義金融運(yùn)營(yíng)與管理模式694.4高價(jià)值數(shù)據(jù)的挖掘與應(yīng)用的重要性提升704.5AI驅(qū)動(dòng)監(jiān)管科技提升和治理體系升級(jí)704.6復(fù)合型、創(chuàng)新型金融人才需求正在形成71報(bào)告團(tuán)隊(duì)近期，全球頂尖AI模型接連取得突破性進(jìn)展，在編程、數(shù)學(xué)和視覺感知等領(lǐng)域樹立了新的標(biāo)桿，并顯著減少了幻覺現(xiàn)象。盡管追求參數(shù)規(guī)模的“軍備競(jìng)賽”仍未停止，行業(yè)已經(jīng)逐步轉(zhuǎn)向追求效率與價(jià)值的務(wù)實(shí)探索，大模型正從少數(shù)科技企業(yè)的專屬技術(shù)，加速成為面向全社會(huì)提供智能服務(wù)的新型基礎(chǔ)設(shè)施。第一章全球大模型全球大模型發(fā)展態(tài)勢(shì)騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢應(yīng)用價(jià)值深化、生態(tài)競(jìng)合交織四大趨勢(shì)。從DeepSeek-R1等高效開源模型的涌現(xiàn)，到多模態(tài)與強(qiáng)化學(xué)習(xí)的融入，人機(jī)協(xié)作模式重塑，以及智算中心成為新型基礎(chǔ)設(shè)施，我們正站在一個(gè)由技1.1.1算法與架構(gòu)的效率革命持續(xù)提升模型能力基于規(guī)模法則(ScalingLaw)1推動(dòng)基礎(chǔ)大模型性能提升的預(yù)訓(xùn)練模式的性價(jià)比下降。在影響已經(jīng)擴(kuò)展到后訓(xùn)練和推理階段，推理模型的性能與訓(xùn)練時(shí)間計(jì)算、推理時(shí)間計(jì)算量存在明顯的冪律關(guān)系。DeepSeek的成功經(jīng)驗(yàn)引發(fā)全球關(guān)注，但并未改變大模型對(duì)大算力的依賴。目前，業(yè)界的探索表明，通往更高智能存在兩條并行路徑、兩者相輔相成：一是通過更優(yōu)的算法提升算力效率，比如強(qiáng)化學(xué)習(xí)(ReinforcementLearning)和測(cè)試時(shí)計(jì)算(Test-timeCompute),XAI為Grok3投入的預(yù)訓(xùn)練算力達(dá)到了Grok2的10倍，Grok3調(diào)用了10萬個(gè)英偉達(dá)H100芯片，相較于Grok2的15000個(gè)實(shí)現(xiàn)了顯著提升。而這場(chǎng)圍繞算力的軍備競(jìng)賽遠(yuǎn)未結(jié)束，作為行業(yè)標(biāo)桿的GPT-5的發(fā)布，再次印證了構(gòu)建最頂級(jí)基礎(chǔ)大模型的成本投入極為高昂，注定是戰(zhàn)略性稀缺資源。業(yè)界將目光從預(yù)訓(xùn)練轉(zhuǎn)向即后訓(xùn)練與推理階段，強(qiáng)化學(xué)習(xí)正是這一趨勢(shì)的核心技術(shù)。以DeepSeek-R1為代表的強(qiáng)化學(xué)習(xí)架構(gòu)，通過讓模型在試錯(cuò)中學(xué)習(xí)，用更少的計(jì)算量激發(fā)了模型更深層次的推理能力。其核心創(chuàng)新的GRPO算法消除了傳統(tǒng)Critic網(wǎng)絡(luò)的計(jì)算冗余，不僅顯著提升訓(xùn)練效率，而且將推理延遲降低至毫秒級(jí)。目前，諸多團(tuán)隊(duì)基于類似的訓(xùn)練策略，持續(xù)驗(yàn)證在小模型上的推理能力，結(jié)果表明額外的指令微調(diào)并非必要，基礎(chǔ)模型和指令模型最終能達(dá)到相似的性能水平；不同的強(qiáng)化學(xué)習(xí)算法都能實(shí)現(xiàn)長(zhǎng)思維鏈的涌現(xiàn)；通過精心設(shè)計(jì)的強(qiáng)化學(xué)習(xí)方法，即使是較小的模型也能實(shí)現(xiàn)強(qiáng)大的推理能力，而且這個(gè)過程可以比傳統(tǒng)方法更簡(jiǎn)單、更經(jīng)濟(jì)。自2024年9月OpenAlo1系列模型發(fā)布后，這一強(qiáng)化學(xué)習(xí)范式已逐步被主流模型采納。通過強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)的多輪追問與假設(shè)檢驗(yàn)，大模型在數(shù)學(xué)推理等任務(wù)中展現(xiàn)出卓越性能，并為復(fù)1規(guī)模法則(ScalingLaw)是被業(yè)界認(rèn)為是大模型預(yù)訓(xùn)練第一性原理，也是在機(jī)器學(xué)習(xí)領(lǐng)域，特別是對(duì)于大語言模型而言，模型性能與其規(guī)模(如參數(shù)數(shù)量)、訓(xùn)練數(shù)據(jù)集大小以及用于訓(xùn)練的計(jì)算資源之間存在的一種可預(yù)測(cè)的關(guān)系。這種關(guān)系通常表現(xiàn)為隨著這些因素增長(zhǎng)，模型性能會(huì)按照一定的冪律進(jìn)行改善。金融業(yè)大模型應(yīng)用報(bào)告雜產(chǎn)業(yè)場(chǎng)景的優(yōu)化提供了新的思路。未來，大模型的邏輯推理能力將得到強(qiáng)化，能夠處理更復(fù)雜的邏輯關(guān)系及推理任務(wù)，例如演繹推理、歸納推理以及溯因推理。例如，Grok3通理方式獲得了“慢思考”能力，成功躋身第一梯隊(duì)；2025年7月發(fā)布的Grok4,在后訓(xùn)練強(qiáng)化學(xué)習(xí)方面的計(jì)算量較Grok3提升了10倍。這體現(xiàn)了大型科技公司對(duì)深度推理能力的投入持續(xù)升級(jí)。推理新范式的出現(xiàn)促進(jìn)行業(yè)專用基礎(chǔ)模型崛起。行業(yè)專用基礎(chǔ)模型正在各個(gè)領(lǐng)域蓬勃發(fā)展，這些模型針對(duì)特定行業(yè)數(shù)據(jù)和任務(wù)進(jìn)行訓(xùn)練和優(yōu)化。與通用基礎(chǔ)模型相比，它們?cè)谔幚硖囟ㄐ袠I(yè)任務(wù)時(shí)表現(xiàn)更加出色。與去年相比，當(dāng)前行業(yè)專用基礎(chǔ)模型的發(fā)展呈現(xiàn)出兩大趨勢(shì)：一方面是更便捷的開發(fā)流程。在當(dāng)下后訓(xùn)練與推理新范式下，得益于強(qiáng)化學(xué)習(xí)等技術(shù)，現(xiàn)在開發(fā)者只需使用少量經(jīng)過標(biāo)注的數(shù)據(jù)，就能快速構(gòu)建出實(shí)用的行業(yè)專用模型，極大地降低了開發(fā)門檻和成本。另一方面是更多樣化的模型類型，除了傳統(tǒng)的語言處理模型，現(xiàn)在也包括多模態(tài)模型、圖神經(jīng)網(wǎng)絡(luò)并非要替代Transformer中的自注意力等基礎(chǔ)模塊，而是通過更高效的組織與計(jì)算方式，極大提升了模型的擴(kuò)展效率。業(yè)界領(lǐng)先者已紛紛采納此路線。2024年年初，騰訊混元就在國(guó)內(nèi)率先采用MoE架構(gòu)模型。其旗艦?zāi)Ｐ突煸猅urboS創(chuàng)新采用了前沿的混合線性注意力機(jī)制與MoE模型架構(gòu)，是大模型研發(fā)前沿分支的重要代表。Kimi-K2在DeepSeekV3架構(gòu)基礎(chǔ)上，通過意力頭減至6個(gè)、MoE專家數(shù)翻倍至128個(gè)(每次激活8個(gè))的策略，實(shí)現(xiàn)了計(jì)算效率與知識(shí)容量的同步提升。長(zhǎng)遠(yuǎn)來看，MoE代表了模型設(shè)計(jì)從同質(zhì)化的全量計(jì)算向異質(zhì)化的條件計(jì)算的理念轉(zhuǎn)變。這種轉(zhuǎn)變使得研究者可以探索參數(shù)數(shù)量遠(yuǎn)超現(xiàn)有稠密模型極限的架構(gòu)，而不必承擔(dān)同等比例增長(zhǎng)的計(jì)算開銷，為實(shí)現(xiàn)模型能力的持續(xù)擴(kuò)展提供了基多模態(tài)感知和生成能力是大模型與真實(shí)世界交互的關(guān)鍵，也是未來發(fā)展的重要趨勢(shì)。多模態(tài)大模型突破了單一文本的限制，實(shí)現(xiàn)了跨模態(tài)信息處理與理解。在圖文交互領(lǐng)域，大模型可以根據(jù)圖像生成精準(zhǔn)的文字描述，或者根據(jù)文字指令創(chuàng)作匹配度較高的圖像，例如根據(jù)文字描述生成設(shè)計(jì)圖稿。在視聽融合層面，大模型通過視頻內(nèi)容識(shí)別、字幕生成和關(guān)鍵信息提取，為影視創(chuàng)作、安防監(jiān)控等場(chǎng)景提供智能輔助，例如自動(dòng)生成視頻摘要、識(shí)別監(jiān)控視頻中的異常行為等。盡管多隨著技術(shù)的進(jìn)步，未來有望實(shí)現(xiàn)多模態(tài)的深度融合，開啟空間智能的加速發(fā)展，正推動(dòng)人工智能與物理世界進(jìn)行深度交互。一系列關(guān)鍵技術(shù)，如三維感知、空間表示與生成以及多模態(tài)融合技術(shù)逐步成熟，將賦予AI感知、理解并最終行動(dòng)于物理世界的能力。實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵，在于強(qiáng)大且易于使用的世界模型。騰訊近期開源的混元3D世界模型，作為業(yè)界首個(gè)兼容傳統(tǒng)CG管線的可漫游3D世界生成模型，通過技術(shù)優(yōu)化，成功實(shí)現(xiàn)了在消費(fèi)級(jí)顯卡上的流暢運(yùn)行，極大地降低了3D世界生成的門檻，并已在游戲開發(fā)、VR體驗(yàn)及數(shù)字內(nèi)容創(chuàng)作等領(lǐng)域展現(xiàn)出加速行業(yè)演進(jìn)的潛力。這種基礎(chǔ)能力的成熟與普及，將為具身智能機(jī)器人等前沿應(yīng)用提供關(guān)鍵支撐。預(yù)計(jì)在未來2-3年內(nèi)，機(jī)器人將能夠完成數(shù)十項(xiàng)實(shí)用的復(fù)雜功DeepSeek的突破再次引發(fā)了算力的“杰文斯悖論”2:大模型推理效率提升，不僅不會(huì)降低算力需求，應(yīng)用得到推廣還將帶來整體算力需求保持?jǐn)U張。隨著智能體應(yīng)用的增加，將推動(dòng)數(shù)隨著模型部署成本的大幅降低，中小企業(yè)和邊緣計(jì)算場(chǎng)景也能接入AI應(yīng)用，帶動(dòng)算力資源調(diào)用速率突破線性增長(zhǎng)規(guī)律。同時(shí)，實(shí)際應(yīng)用場(chǎng)景對(duì)實(shí)時(shí)推理任務(wù)的需求爆發(fā)式增長(zhǎng)，進(jìn)一步加劇了對(duì)算力的需求。另一方面，領(lǐng)軍企業(yè)對(duì)更大參數(shù)規(guī)模模型的持續(xù)研發(fā)，也鞏固了算力需求的不可替為應(yīng)對(duì)日益增長(zhǎng)的算力需求，智算中心作為新型AI計(jì)算基礎(chǔ)設(shè)施正在興起。AI計(jì)算基礎(chǔ)設(shè)施正在從單一GPU集群向綜合智算中心轉(zhuǎn)變，這些中心整合了計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)和冷卻系統(tǒng)，為各種AI工作負(fù)載提供可擴(kuò)展解決方案。尤其是進(jìn)入到推理范式以及多智能體階段，分布式算力的需求呈指數(shù)級(jí)增長(zhǎng)。這一趨勢(shì)推動(dòng)了液冷技術(shù)、高帶寬內(nèi)存和專用互連網(wǎng)絡(luò)的創(chuàng)新，以支持日益增長(zhǎng)的計(jì)算需求。與此同時(shí)，分布式算力架構(gòu)通過源網(wǎng)荷儲(chǔ)一體化3創(chuàng)新，成功實(shí)現(xiàn)能效躍升。據(jù)新華網(wǎng)2024年12月24日?qǐng)?bào)道，上海崇明島北堡風(fēng)電場(chǎng)部署的分布式算力節(jié)點(diǎn)，依托風(fēng)電直供技術(shù)使年運(yùn)營(yíng)成本降低70萬元，碳排放年減少850噸，驗(yàn)證了新能源與算力深度融合的可行性。多點(diǎn)協(xié)同的方向發(fā)展演變。DeepSeek打破了傳統(tǒng)AI的規(guī)模壁壘，其輕量化模型與開源策略降上游，國(guó)內(nèi)芯片企業(yè)獲得關(guān)鍵發(fā)展窗口期；中游，區(qū)域化數(shù)據(jù)中心利用響應(yīng)速度優(yōu)勢(shì)對(duì)接產(chǎn)業(yè)智2“杰文斯悖論”通常指資源利用效率提高導(dǎo)致總消耗量增加的經(jīng)濟(jì)學(xué)現(xiàn)象。3源網(wǎng)荷儲(chǔ)一體化是指將能源源頭(如光伏、風(fēng)電等)、電網(wǎng)、用電負(fù)荷和儲(chǔ)能系統(tǒng)有機(jī)地整合在一起，形成一個(gè)綜合性的能源系統(tǒng)，以實(shí)現(xiàn)能源的高效利用和優(yōu)化能源供應(yīng)與需求的平衡。金融業(yè)大模型應(yīng)用報(bào)告大模型對(duì)高價(jià)值數(shù)據(jù)的依賴遠(yuǎn)超傳統(tǒng)算法，訓(xùn)練從簡(jiǎn)單的數(shù)據(jù)堆砌轉(zhuǎn)向?qū)?shù)據(jù)的價(jià)值錨定，目標(biāo)是將數(shù)據(jù)轉(zhuǎn)化為可被大模型有效學(xué)習(xí)的知識(shí)。高價(jià)值數(shù)據(jù)集通過價(jià)值錨定化、知識(shí)顯性化和演進(jìn)動(dòng)態(tài)化，實(shí)現(xiàn)人工智能從通用能力到垂直場(chǎng)景業(yè)務(wù)效能的精準(zhǔn)轉(zhuǎn)化。價(jià)值錨定化方面，聚焦對(duì)模型訓(xùn)練真正有價(jià)值的數(shù)據(jù)，例如在工業(yè)質(zhì)檢場(chǎng)景中，設(shè)備異常的頻譜特征數(shù)據(jù)價(jià)值遠(yuǎn)高于正常運(yùn)行數(shù)據(jù)。知識(shí)顯性化方面，這種數(shù)據(jù)集不再是簡(jiǎn)單的信息堆砌，而是將隱含在數(shù)據(jù)中的知識(shí)提取出來，以更易于模型理解和學(xué)習(xí)的方式進(jìn)行呈現(xiàn)。演進(jìn)動(dòng)態(tài)化，則是根據(jù)模型訓(xùn)練和應(yīng)用的反饋，動(dòng)態(tài)調(diào)整和優(yōu)化數(shù)據(jù)集，形成“數(shù)據(jù)-模型-業(yè)務(wù)”的迭代飛輪。這種范式正在重塑數(shù)據(jù)采集邏輯，企業(yè)需要從被動(dòng)記錄轉(zhuǎn)向主動(dòng)設(shè)計(jì)，將高價(jià)值數(shù)據(jù)隨著大模型訓(xùn)練需求的指數(shù)級(jí)增長(zhǎng)，真實(shí)數(shù)據(jù)與合成數(shù)據(jù)融合成為突破數(shù)據(jù)瓶頸的新路徑。EpochAl研究公司預(yù)測(cè)，全球公共互聯(lián)網(wǎng)文本總量預(yù)計(jì)將在2028年前后接近現(xiàn)有AI訓(xùn)練數(shù)據(jù)集規(guī)模，這意味著高質(zhì)量訓(xùn)練數(shù)據(jù)枯竭的挑戰(zhàn)可能在未來四年內(nèi)爆發(fā)。面對(duì)這一形勢(shì)，合成數(shù)據(jù)技術(shù)成為緩解數(shù)據(jù)短缺的關(guān)鍵突破口，并在高質(zhì)量指令微調(diào)、復(fù)雜推理任務(wù)及多輪對(duì)話數(shù)據(jù)生成領(lǐng)域展現(xiàn)出獨(dú)特的價(jià)值。以O(shè)penAl開發(fā)GPT-5為例，研究團(tuán)隊(duì)嘗試?yán)们按Ｐ蜕傻臄?shù)據(jù)來訓(xùn)練下一代模型，這種方法在理論上具有可持續(xù)性，然而實(shí)踐中并未完全解決訓(xùn)練擴(kuò)展性和數(shù)據(jù)瓶頸問題，效果提升也未達(dá)到預(yù)期。這一現(xiàn)象揭示了合成數(shù)據(jù)在應(yīng)對(duì)數(shù)據(jù)稀缺性、隱私安全及極端場(chǎng)景建模需求雖有優(yōu)勢(shì)，但實(shí)際效能高度依賴生成算法的成熟度。當(dāng)前階段，合成數(shù)據(jù)與真跨模態(tài)數(shù)據(jù)的協(xié)同訓(xùn)練有利于推動(dòng)模型智能水平提升。文本、圖像、時(shí)序信號(hào)等跨模態(tài)的協(xié)同訓(xùn)練并非簡(jiǎn)單數(shù)據(jù)疊加，而是通過不同模態(tài)數(shù)據(jù)之間的語義對(duì)齊與信息補(bǔ)償，構(gòu)建更接近人類認(rèn)知的全息理解框架，讓模型像人類一樣能夠綜合處理和理解來自不同感官的信息。同時(shí)，跨模態(tài)協(xié)同訓(xùn)練對(duì)數(shù)據(jù)治理提出新的要求：多源數(shù)據(jù)的異質(zhì)特性催生標(biāo)準(zhǔn)化重構(gòu)需求，而模態(tài)交叉帶企業(yè)對(duì)于AI應(yīng)用的態(tài)度已經(jīng)更加務(wù)實(shí)——Al是增強(qiáng)員工能力的協(xié)作伙伴，而非完全替代員工。在企業(yè)層面，企業(yè)正在將大模型集成到現(xiàn)有AI系統(tǒng)和業(yè)務(wù)流程，這種融合不僅僅是簡(jiǎn)單地騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢添加大語言模型接口，而是通過重新設(shè)計(jì)工作流程，使得大模型能夠增強(qiáng)但非取代現(xiàn)有系統(tǒng)，從而創(chuàng)造更大價(jià)值。這種務(wù)實(shí)的態(tài)度也在大模型的應(yīng)用場(chǎng)景選擇上得到了體現(xiàn)：我國(guó)的大模型在與實(shí)體經(jīng)濟(jì)深度融合方面，應(yīng)用場(chǎng)景正從IT/互聯(lián)網(wǎng)、通信、金融與能源逐步向醫(yī)療、物流、教育、制造等多個(gè)行業(yè)拓展。檢索增強(qiáng)生成(RAG)與私有知識(shí)庫(kù)的結(jié)合，不僅推動(dòng)了大模型從概念驗(yàn)證向企業(yè)級(jí)應(yīng)用轉(zhuǎn)變，也初步體現(xiàn)了人機(jī)協(xié)作的核心理念。具體而言，RAG為大模型外掛企業(yè)私有知識(shí)庫(kù)，即大模型負(fù)責(zé)提供強(qiáng)大的信息處理和生成能力，而企業(yè)員工則通過知識(shí)庫(kù)提供專業(yè)知識(shí)、判斷力和決策力。這樣既能保障數(shù)據(jù)安全和解決幻覺問題，又能實(shí)現(xiàn)AI能力與人類專業(yè)知識(shí)的高效協(xié)同，成為企業(yè)級(jí)應(yīng)用落地的關(guān)鍵技術(shù)。這種人機(jī)協(xié)作模式能夠最大限度地發(fā)揮大模型的優(yōu)勢(shì)，同時(shí)避免其潛在風(fēng)險(xiǎn)，從而在創(chuàng)新發(fā)展的同時(shí)注重合規(guī)和安全。RAG系統(tǒng)架構(gòu)正朝著更復(fù)雜、更專業(yè)、AI應(yīng)用的形態(tài)正從聊天機(jī)器人(Chatbot)向能夠獨(dú)立思考、調(diào)用工具、執(zhí)行任務(wù)的智能體(Agent)演進(jìn)。業(yè)界期待，未來的AI智能體還能發(fā)展成為長(zhǎng)期自主運(yùn)行、持續(xù)學(xué)習(xí)和適應(yīng)能力的智能實(shí)體。這要求AI智能體突破長(zhǎng)效記憶、復(fù)雜工具調(diào)用與協(xié)同、環(huán)境感知以及多智能體協(xié)作等多個(gè)技術(shù)，以獨(dú)立勝任高動(dòng)態(tài)性任務(wù)。將知識(shí)庫(kù)和推理能力融入大模型，可以顯著提升智能體作為大模型企業(yè)級(jí)應(yīng)用在感知、分析、決策和執(zhí)行方面的智能化水當(dāng)前，單一智能體已有小規(guī)模試點(diǎn)，通過效率支撐、流程賦能與決策輔助來完成體系融合；而多智能體的協(xié)作能力遠(yuǎn)超單一智能體，在解決復(fù)雜問題方面成為有潛力的AI應(yīng)用。智能體的首次革命完成了從指令執(zhí)行工具到問題解構(gòu)主體的轉(zhuǎn)變，核心突破在于思維鏈的引入。當(dāng)前技術(shù)已進(jìn)入二次革命階段，表現(xiàn)為多智能體協(xié)同系統(tǒng)的認(rèn)知涌現(xiàn)，即通過辯論機(jī)制、置信度加權(quán)、不確定性校準(zhǔn)等技術(shù)完成系統(tǒng)性協(xié)同行為。目前，在數(shù)學(xué)推理等復(fù)雜任務(wù)中，多Agent協(xié)同系統(tǒng)的準(zhǔn)確率相比單模型提升23-45%,這種協(xié)同并非簡(jiǎn)單的投票機(jī)制，而是通過動(dòng)態(tài)調(diào)整注意力權(quán)重形成知識(shí)合成的新范式。XAI發(fā)布的Grok4Heavy多智能體模型，在標(biāo)準(zhǔn)版Grok4結(jié)合工具在HLE測(cè)試(Humanity'sLastExam)中取得38.6%的準(zhǔn)確率后，Grok4Heavy模型通過并行啟動(dòng)多個(gè)Grok4實(shí)例，并采用內(nèi)部協(xié)同與投票機(jī)制輸出結(jié)果，準(zhǔn)確率提高到44.4%。展望未來，智能體的第三次革命將延伸至具身物理空間中的群體博弈，逐步演進(jìn)成可信空間下的群體智能與演化博弈循環(huán)。當(dāng)智能體深度介入決策流程時(shí)，確保其行為符合倫理規(guī)范、避免算法偏維持決策透明度、保障數(shù)據(jù)合規(guī)使用成為關(guān)鍵命題。這要求技術(shù)創(chuàng)新與治理體系同步進(jìn)化，構(gòu)建金融業(yè)大模型應(yīng)用報(bào)告既能防范技術(shù)濫用又可明晰責(zé)任邊界的監(jiān)管框架，在推進(jìn)智能體落地的過程中實(shí)現(xiàn)技術(shù)效能與社1.4.1開源與閉源的路線之爭(zhēng)過渡為生態(tài)共存大模型開源與閉源的博弈已超越技術(shù)路線之爭(zhēng)，成為企業(yè)戰(zhàn)略選擇、生態(tài)主導(dǎo)權(quán)爭(zhēng)奪以及全高性能和低成本開源模型的崛起，正在瓦解傳統(tǒng)依賴算力與資金壟斷的模型開發(fā)格局。過去依賴巨額資金、千億參數(shù)和超算資源的開發(fā)模式，逐漸被低成本、高效率的開源模式所沖擊。企API接口實(shí)現(xiàn)商業(yè)轉(zhuǎn)化。這種模式在削弱巨頭壟斷的同時(shí)，也加劇了生態(tài)碎片化風(fēng)險(xiǎn)，例如不同開源模型加速技術(shù)迭代、推動(dòng)長(zhǎng)尾場(chǎng)景應(yīng)用普及，但閉源模型在稀疏激活、多模態(tài)對(duì)齊等底層技術(shù)上仍具優(yōu)勢(shì)，并有利于企業(yè)維持技術(shù)代差。閉源模式的另一優(yōu)勢(shì)在于可控性，更易滿足數(shù)據(jù)隱私和倫理合規(guī)要求。然而，過度封閉可能扼殺創(chuàng)新活力，表面開源但實(shí)際存在使用限制或關(guān)鍵組件未開放的“偽開源”做法也遭部分開發(fā)者抵制，凸顯了開源社區(qū)對(duì)透明性的強(qiáng)烈需求。當(dāng)前大模型領(lǐng)域正在呈現(xiàn)開源與閉源并存的多元化格局。Meta、xAI等企業(yè)通過開源Llama3.1、Grok1等模型主張透明性和可定制性。部分科技企業(yè)選擇分層開源的平衡策略，開放中小模型構(gòu)建生態(tài)，保留頂級(jí)模型鞏固壁壘。例如，Google開源Gemma小模型系列吸引開發(fā)者，同時(shí)保持Gemini大模型閉源以維持技術(shù)領(lǐng)先。OpenAI等傳統(tǒng)閉源領(lǐng)軍者也在重新審視策略。2025年8月，OpenAI推出首批開源模型gpt-oss系列，從純閉源向“閉源+開源”轉(zhuǎn)變，開源模型支持在筆記本和手機(jī)等端側(cè)場(chǎng)景運(yùn)行。Anthropic仍堅(jiān)持閉源路徑以維護(hù)核心競(jìng)爭(zhēng)優(yōu)勢(shì)。隨著分層開源成為一種務(wù)實(shí)的策略，如何平衡開放性與商業(yè)價(jià)值，如何建立統(tǒng)一的開源標(biāo)準(zhǔn)和評(píng)估體系，以及如何構(gòu)建安全、可信的開源生態(tài)，成為推動(dòng)大模型技術(shù)普惠和產(chǎn)業(yè)繁榮的關(guān)鍵。未來，未來開源和閉源將長(zhǎng)期共存、相互促進(jìn)，并推動(dòng)行業(yè)標(biāo)準(zhǔn)形成，進(jìn)一步規(guī)范技術(shù)發(fā)展路可信的開源或?qū)⒊蔀槠胶獍踩c創(chuàng)新的關(guān)鍵路徑，隨著相關(guān)監(jiān)管條例與備案機(jī)制的完善，對(duì)閉源騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢提升Al技術(shù)的自主可控水平，正成為越來越多國(guó)家在科技戰(zhàn)略布局中的優(yōu)先考量。英偉達(dá)創(chuàng)始人兼CEO黃仁勛在迪拜世界政府峰會(huì)提到，國(guó)家應(yīng)擁有其數(shù)據(jù)及其產(chǎn)生的智能信息的所有“主權(quán)Al”指的是國(guó)家主導(dǎo)AI基礎(chǔ)設(shè)施建設(shè)、模型訓(xùn)練及生態(tài)構(gòu)建，尤其集中在算力和數(shù)據(jù)兩個(gè)關(guān)鍵領(lǐng)域，并從硬件層(芯片、超算)向規(guī)則層(倫理標(biāo)準(zhǔn)、開源協(xié)議)延伸。這場(chǎng)全球范圍的主權(quán)AI競(jìng)賽，將深刻影響未來數(shù)十年的全球科技發(fā)展軌跡。美國(guó)通過政策推動(dòng)和項(xiàng)目實(shí)施，持續(xù)展現(xiàn)其在AI創(chuàng)新、基礎(chǔ)設(shè)施建設(shè)和國(guó)際主導(dǎo)地位方面的戰(zhàn)略決心。2025年7月，美國(guó)白宮發(fā)布了《贏得競(jìng)賽：美國(guó)人工智能行動(dòng)計(jì)劃》。首先，法案明確表示將快速推進(jìn)人工智能在各領(lǐng)域的創(chuàng)新；其次，堅(jiān)決完善與人工智能相關(guān)的重要基礎(chǔ)設(shè)施和產(chǎn)業(yè)支持；最后，美國(guó)希望在國(guó)際AI外交和安全事務(wù)中發(fā)揮更大的主導(dǎo)作用。此外，美國(guó)憑借雄厚的技術(shù)積累，在AI基礎(chǔ)層(如芯片、算法)保持領(lǐng)先地位，并積極構(gòu)建由其主導(dǎo)的AI技術(shù)生態(tài)，例如通過星際之門項(xiàng)目加強(qiáng)與盟友的技術(shù)合作。同時(shí)，美國(guó)還試圖通過出口管制等措施維護(hù)其技術(shù)優(yōu)勢(shì)。然而，這種做法可能導(dǎo)致與盟友關(guān)系的疏遠(yuǎn)，并最終影響其在全球市場(chǎng)的地位。歐盟堅(jiān)定地推行其數(shù)字主權(quán)戰(zhàn)略，并將其延伸至AI領(lǐng)域。在頂層設(shè)計(jì)上，歐盟標(biāo)志性的《人工智能法案》已于2024年5月由歐盟理事會(huì)正式批準(zhǔn)，為AI的研發(fā)和使用劃定了明確的法律界線。在基礎(chǔ)設(shè)施層面，歐盟正大力推動(dòng)AI算力網(wǎng)絡(luò)的建設(shè)。在2025年4月發(fā)布的《人工智能大陸行動(dòng)計(jì)劃》中，歐盟提出將啟動(dòng)覆蓋17個(gè)成員國(guó)的13個(gè)EuroHPC“AI工廠”,并計(jì)劃投資超100億歐元進(jìn)行算力設(shè)施的重大升級(jí)。這些設(shè)施將重點(diǎn)服務(wù)于健康、能源和制造業(yè)等關(guān)鍵行業(yè)，為歐洲的科研機(jī)構(gòu)和企業(yè)提供強(qiáng)大的本土算力支持，構(gòu)筑其全球AI領(lǐng)導(dǎo)地位的基石。中國(guó)依托政策協(xié)同和場(chǎng)景創(chuàng)新，在AI應(yīng)用層面取得了顯著進(jìn)展，進(jìn)一步彰顯了Al在國(guó)家科技戰(zhàn)略中的地位。中國(guó)政府高度重視AI技術(shù)發(fā)展，出臺(tái)了《新一代人工智能發(fā)展規(guī)劃》,并通過建設(shè)東數(shù)西算工程、推動(dòng)開源倡議等舉措，積極構(gòu)建AI產(chǎn)業(yè)生態(tài)。2024年，政府工作報(bào)告首次提出“人工智能+”行動(dòng)，去年年底召開的中央經(jīng)濟(jì)工作會(huì)議更是將這一行動(dòng)作為2025年九項(xiàng)重點(diǎn)任務(wù)之一。2025年7月，國(guó)務(wù)院常務(wù)會(huì)議審議通過了《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》,提出要深入推進(jìn)“人工智能+”行動(dòng)，大力推動(dòng)AI規(guī)?；虡I(yè)化應(yīng)用，充分利用中國(guó)產(chǎn)業(yè)體系完備、市場(chǎng)規(guī)模大、應(yīng)用場(chǎng)景豐富的優(yōu)勢(shì)，加速人工智能在經(jīng)濟(jì)社會(huì)各領(lǐng)域的普及與深度融合，形成以創(chuàng)新推動(dòng)應(yīng)用、以應(yīng)用促進(jìn)創(chuàng)新的良性循未來，開放合作、共建共享將成為推動(dòng)AI發(fā)展和造福人類社會(huì)的必然選擇。隨著以大模型為代表的新興技術(shù)在金融行業(yè)的全面深入應(yīng)用，通用大模型與垂域大模型在場(chǎng)景側(cè)激活動(dòng)能，大幅提升了金融微觀決策的信息對(duì)稱性和金融服務(wù)的便利性、可靠性，為金融服務(wù)和產(chǎn)品創(chuàng)新提供了廣闊空間。金融業(yè)大模型建設(shè)與應(yīng)用態(tài)勢(shì)隨著算力資源的持續(xù)優(yōu)化升級(jí)與AI技術(shù)的蓬勃發(fā)展，以大語言模型為核心的AI技術(shù)在金融行業(yè)中正以前所未有的速度不斷涌現(xiàn)、演進(jìn)與迭代。戰(zhàn)略驅(qū)動(dòng)與價(jià)值導(dǎo)向已成為金融業(yè)布局新興AI場(chǎng)景的雙輪驅(qū)動(dòng)，推動(dòng)大模型能力在金融業(yè)的滲透速率顯著提升，展現(xiàn)出金融與AI深度融合全球金融業(yè)加速擁抱AI,大模型在金融行業(yè)的滲透率正加速提升。麥肯錫2024年的調(diào)研數(shù)據(jù)顯示，金融行業(yè)從業(yè)者反饋在工作中常規(guī)使用大模型、在生活中常規(guī)使用大模型和在工作和生活中均常規(guī)使用大模型的數(shù)量占比已達(dá)到48%。英偉達(dá)對(duì)近400家金融機(jī)構(gòu)的調(diào)研顯示，43%的機(jī)構(gòu)已開始應(yīng)用大模型。4國(guó)際金融協(xié)會(huì)報(bào)告顯示，88%受訪者在生產(chǎn)中使用人工智能，并在2025年將持續(xù)增加AI應(yīng)用投資。5這種全球性的熱潮在不同市場(chǎng)環(huán)境下，形成了各具特色的發(fā)展路徑和戰(zhàn)略重點(diǎn)。從全球視角對(duì)比來看，海外機(jī)構(gòu)更側(cè)重技術(shù)整合與業(yè)務(wù)創(chuàng)新的協(xié)同，而國(guó)內(nèi)機(jī)構(gòu)目前更聚焦于知識(shí)庫(kù)、文檔處理等效率提升場(chǎng)景，這正反映了雙方在不同發(fā)展階段和政策導(dǎo)向下的不同選擇。畢馬威2024年美國(guó)銀行業(yè)前景報(bào)告顯示，65%的受訪機(jī)構(gòu)領(lǐng)導(dǎo)者已將生成式AI納入戰(zhàn)略愿景，并預(yù)期在年底前將1%-20%的團(tuán)隊(duì)日常任務(wù)交由AI執(zhí)行。6從應(yīng)用深度看，海外金融機(jī)構(gòu)愿意將大模型部署于核心業(yè)務(wù)場(chǎng)景，例如智能定價(jià)策略優(yōu)化、資金流動(dòng)性管理、高頻交易風(fēng)控等直接影響經(jīng)營(yíng)效益的領(lǐng)域，同時(shí)也拓展至內(nèi)部運(yùn)營(yíng)效率工具開發(fā)。從全球領(lǐng)先金融機(jī)構(gòu)的實(shí)踐來看，這一趨勢(shì)正在加速：高盛集團(tuán)(GoldmanSachs)自2025年起正式推出由生成式人工智能驅(qū)動(dòng)的AI助手，并已擴(kuò)展至全公司范圍內(nèi)的員工使用，能夠幫助員工進(jìn)行復(fù)雜文檔總結(jié)、初始5IF-EYAnnualSurveyReportonAI/MLUseinFi金融業(yè)大模型應(yīng)用報(bào)告內(nèi)容起草和數(shù)據(jù)分析等任務(wù)。在支付安全領(lǐng)域，維薩(Visa)于2024年推出基于生成式AI的欺詐解決方案，用于識(shí)別枚舉攻擊的可能性，這些攻擊每年帶來11億美元的欺詐損失。萬事達(dá)卡(Mastercard)則運(yùn)用生成式AI技術(shù)將潛在受損卡片的檢測(cè)速度提高一倍。值得注意的是，部分海外銀行已將大模型驅(qū)動(dòng)的智能投顧、個(gè)性化理財(cái)方案等直接面向客戶的智能服務(wù)嵌入業(yè)務(wù)流程，這種基于人機(jī)協(xié)同的技術(shù)直連用戶的模式得益于其相對(duì)完善的隱私保護(hù)框架和流程被保護(hù)機(jī)制，但也需應(yīng)對(duì)生成內(nèi)容可靠性帶來的合規(guī)挑戰(zhàn)。盡管中小型機(jī)構(gòu)受資源和技術(shù)儲(chǔ)備所限，但正通過合作開發(fā)或技術(shù)外包等方式加速滲透，逐步縮小與大型機(jī)構(gòu)的差距。中國(guó)金融業(yè)在大模型建設(shè)上呈現(xiàn)出頂層設(shè)計(jì)、梯次推進(jìn)的格局，體現(xiàn)了行業(yè)對(duì)技術(shù)全棧掌控銀行業(yè)是大模型落地應(yīng)用最多的金融領(lǐng)域，其應(yīng)用范圍已經(jīng)從國(guó)有大行、股份制銀行迅速擴(kuò)展到頭部區(qū)域性銀行。目前，國(guó)有大行和股份制銀行已全面啟動(dòng)大模型應(yīng)用建設(shè)，并在前、中、后臺(tái)均有正式投產(chǎn)的應(yīng)用案例。國(guó)有大行憑借雄厚的資金與技術(shù)積累，更注重技術(shù)的全棧掌控，旨在通過構(gòu)建自主可控的技術(shù)體系，滿足自身多樣化的業(yè)務(wù)需求，進(jìn)而提升核心競(jìng)爭(zhēng)力。在此過程中，他們積極與國(guó)內(nèi)頂尖機(jī)構(gòu)開展深度合作，共同推進(jìn)計(jì)算資源、計(jì)算調(diào)度與模型能力的全棧信創(chuàng)建設(shè)。股份制銀行則展現(xiàn)出更為靈活多樣的建設(shè)模式，它們?cè)谔剿鞯膶挾扰c廣度上均取得了顯著進(jìn)展。區(qū)域性銀行雖然起步較晚，但基于戰(zhàn)略與價(jià)值驅(qū)動(dòng)的探索熱情同樣高漲。目前，約80%的區(qū)域性銀行已涉足大模型領(lǐng)域，部分已基于行業(yè)成熟的產(chǎn)品市場(chǎng)匹配度進(jìn)行速贏落地，部分仍處于實(shí)驗(yàn)室階段或全行范圍內(nèi)的智能體原型競(jìng)比階段，少部分亦開展了全行級(jí)的領(lǐng)域?qū)嵺`。證券、保險(xiǎn)行業(yè)在大模型建設(shè)上也呈現(xiàn)出頭部機(jī)構(gòu)先行且模式多樣化的特點(diǎn)。資管、信托行業(yè)在大模型建設(shè)上多聚焦于特定場(chǎng)景下的工具側(cè)能力引入，尚未形成體系化的能力布局。由于大隨著金融科技的日新月異與監(jiān)管政策的不斷完善，預(yù)計(jì)證券、保險(xiǎn)、資管、信托等行業(yè)將逐步加2024年以來，大模型技術(shù)邁入規(guī)模化產(chǎn)業(yè)落地的關(guān)鍵拐點(diǎn)，從概念驗(yàn)證轉(zhuǎn)向?qū)嶋H業(yè)務(wù)應(yīng)用的深度整合。金融行業(yè)憑借其數(shù)據(jù)密集、場(chǎng)景眾多、擁抱創(chuàng)新的屬性，展現(xiàn)出“人工智能+”戰(zhàn)騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢0■2024年■2025年H186基于全網(wǎng)公開披露信息統(tǒng)計(jì)(不含金融科技及消費(fèi)金融樣本),從2024第一季度至2025年第二季度期間，共計(jì)產(chǎn)生191個(gè)?大模型相關(guān)中標(biāo)項(xiàng)目，其中2024年112個(gè)，2025年上半年79個(gè)，覆蓋銀行、證券、保險(xiǎn)、信托與資管。中標(biāo)項(xiàng)目數(shù)量與金額均呈現(xiàn)頭部金融業(yè)大模型應(yīng)用已基本形成銀行業(yè)主導(dǎo)、證券保險(xiǎn)跟進(jìn)、信托資管探索的梯次發(fā)展格局。值得關(guān)注的是，進(jìn)入2025年行業(yè)應(yīng)用建設(shè)節(jié)奏明顯提速，各類規(guī)模機(jī)構(gòu)已全面啟動(dòng)大模型應(yīng)用規(guī)劃，大模型技術(shù)正在成為推動(dòng)金融業(yè)數(shù)智化轉(zhuǎn)型的核心引7數(shù)據(jù)僅基于全網(wǎng)公開披露信息進(jìn)行統(tǒng)計(jì)，樣本收集時(shí)間截至2025年6月30日，僅收錄公開中標(biāo)結(jié)果的項(xiàng)目。渠道駁雜，可能存在未收錄案例，亦有部分案例金融業(yè)大模型應(yīng)用報(bào)告050從季度演進(jìn)趨勢(shì)來看，2024年Q1大模型中標(biāo)項(xiàng)目?jī)H12個(gè)，盡管第二季度中標(biāo)項(xiàng)目數(shù)量有所下降，但從第三季度開始，中標(biāo)項(xiàng)目數(shù)量呈爆發(fā)式增長(zhǎng)達(dá)27個(gè)，Q4保持高位增長(zhǎng)至47個(gè)，2025年上半年全面爆發(fā)，僅半年即快趕超24年全年的項(xiàng)目數(shù)量。這種低開高走的演化軌跡，印證了金融機(jī)構(gòu)在技術(shù)成熟度和應(yīng)用場(chǎng)景驗(yàn)證后的規(guī)?；度?，反映出大模型技術(shù)進(jìn)入場(chǎng)景滲透-ROI驗(yàn)證-規(guī)模復(fù)制的良性發(fā)展閉環(huán)。這意味著，企業(yè)觀望的窗口期正在迅速關(guān)閉，競(jìng)爭(zhēng)已從要不要用轉(zhuǎn)變?yōu)槿绾我?guī)?；赜煤煤统Ｓ谩Ｎ茨芨线@一節(jié)奏的機(jī)構(gòu)，可能會(huì)在1-2年內(nèi)面臨顯著的效率和創(chuàng)新代差。洞察二：應(yīng)用快跑與算力長(zhǎng)跑并存從客戶服務(wù)到風(fēng)險(xiǎn)管理，從產(chǎn)品創(chuàng)新到運(yùn)營(yíng)優(yōu)化，大模型以前中后臺(tái)全鏈路覆蓋的形式逐步滲透到金融業(yè)務(wù)的各個(gè)環(huán)節(jié)，帶來前所未有的效率提升和創(chuàng)新突破。與此同時(shí)，各大金融機(jī)構(gòu)正在通過多種采購(gòu)方式推動(dòng)大模型的應(yīng)用與落地。根據(jù)采購(gòu)內(nèi)容的不同，可將大模型的采購(gòu)劃分為四大類：基礎(chǔ)設(shè)施類、模型能力類、AI平臺(tái)類和AI應(yīng)用類。其中：·基礎(chǔ)設(shè)施類：為運(yùn)行大模型所需的底層計(jì)算資源和硬件設(shè)施的采購(gòu)，主要包括各類算力資源，如GPU、TPU等高性能計(jì)算設(shè)備；云計(jì)算資源；網(wǎng)絡(luò)基礎(chǔ)設(shè)施和存儲(chǔ)設(shè)備等?！I平臺(tái)類：用于支持大模型開發(fā)、部署和管理的AI平臺(tái)或工具，主要包括大模型基座、智能客服、智能運(yùn)營(yíng)、智能研發(fā)等，以及針對(duì)特定業(yè)務(wù)需求(如信貸審批、反欺詐)的AI解決方00模型能力Al平臺(tái)AI應(yīng)用■2024年9■2025年H11圖表分布清晰地揭示了金融業(yè)的布局策略。AI應(yīng)用類采購(gòu)數(shù)量遙遙領(lǐng)先，而基礎(chǔ)設(shè)施類采購(gòu)雖然數(shù)量不多，但通常金額巨大。這揭示了行業(yè)一方面通過采購(gòu)AI應(yīng)用追求短期業(yè)務(wù)見效和技術(shù)價(jià)值快速兌現(xiàn)；另一方面通過投入基礎(chǔ)設(shè)施進(jìn)行長(zhǎng)期算力儲(chǔ)備和戰(zhàn)略布局，盡量確保算力自主可應(yīng)用跟不上的資源閑置困境，確保兩條軌道上的投資能夠協(xié)同并最終融合。代碼助手代碼助手26知識(shí)檢索問答22智能客服/數(shù)字人15文本生成與審核14智能投研/投顧12智能問數(shù)6智能會(huì)議6智能投教6文檔解析6招聘輔助5數(shù)字交易員3交互式核保3風(fēng)控合規(guī)3智能信貸3(AI應(yīng)用的標(biāo)段中會(huì)包含多個(gè)場(chǎng)景；此處僅選取中標(biāo)項(xiàng)目數(shù)量≥3個(gè)的場(chǎng)景)將AI應(yīng)用層項(xiàng)目按場(chǎng)景細(xì)分，應(yīng)用場(chǎng)景的高度集中于代碼助手和知識(shí)檢索問答，揭示了行業(yè)當(dāng)前主流的滲透路徑，即技術(shù)滲透呈現(xiàn)由內(nèi)至外、從效率工具向決策支撐演進(jìn)，這是一種審慎的風(fēng)險(xiǎn)管理策略。從務(wù)實(shí)的角度出發(fā)，當(dāng)前的重點(diǎn)應(yīng)是評(píng)估內(nèi)部效率工具的真實(shí)成效，并思考如何將這些內(nèi)部效率紅利轉(zhuǎn)化為可衡量的外部競(jìng)爭(zhēng)優(yōu)勢(shì)，打通從員工賦能到客戶價(jià)值創(chuàng)造的傳導(dǎo)鏈2025年開始，由大模型驅(qū)動(dòng)的業(yè)務(wù)模式創(chuàng)新或業(yè)務(wù)價(jià)值增益，成為頭部金融機(jī)構(gòu)首要考慮的關(guān)進(jìn)一步，不同金融機(jī)構(gòu)對(duì)AI應(yīng)用的需求呈現(xiàn)差異化分布：·銀行業(yè)：應(yīng)用范圍較為廣泛，涵蓋從前臺(tái)業(yè)務(wù)提升(如智能客服、信貸報(bào)告生成、營(yíng)銷物料生成)到后臺(tái)經(jīng)營(yíng)決策(如代碼助手、知識(shí)問答)等多個(gè)領(lǐng)域，展現(xiàn)銀行對(duì)于提升業(yè)務(wù)效率和客戶體驗(yàn)的強(qiáng)烈需求。騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢2025年開始，智能投研、智能投顧類成為頭部券商的重點(diǎn)建設(shè)方向，如投資組合交易分析、智·保險(xiǎn)業(yè)：集中在核保流程優(yōu)化以及知識(shí)庫(kù)建設(shè)等關(guān)鍵領(lǐng)域。2025年開始，以顧銷渠道的保險(xiǎn)建議書生成、代理人陪練、代理人小助手；市場(chǎng)部的營(yíng)銷畫像分析、營(yíng)銷物料生成為代表，·資管業(yè)和信托業(yè)：中標(biāo)項(xiàng)目占比相對(duì)較低，主要在智能問答、代碼輔助，以及數(shù)字員工建設(shè)等方面進(jìn)行探索。2025年開始，頭部基金公司開始重點(diǎn)探索智能投研、智能投顧兩大專題，但多以合作共建或自建的方式推動(dòng)相關(guān)能力建設(shè)；在基金的運(yùn)營(yíng)管理相關(guān)工作中，交易指令處理與意圖識(shí)別、估值對(duì)賬與異常預(yù)警、信息披露報(bào)告草稿撰寫與審核亦為重點(diǎn)建設(shè)場(chǎng)景。銀行業(yè)的絕對(duì)領(lǐng)先地位，不僅是其體量的反映，更意味著它正在扮演整個(gè)金融AI生態(tài)的需求引擎。銀行的巨額投資正在定義技術(shù)路線、塑造廠商格局、吸引頂尖人才。其在應(yīng)用、平臺(tái)、基礎(chǔ)設(shè)施上的采購(gòu)戰(zhàn)略，將為其他金融子行業(yè)提供重要的參照系。0■中標(biāo)項(xiàng)目數(shù)量(個(gè))8(按采購(gòu)類型，同一標(biāo)段含多個(gè)類型)國(guó)有六大行區(qū)域性銀行從采購(gòu)需求來看，銀行類金融機(jī)構(gòu)對(duì)AI應(yīng)用類項(xiàng)目的采購(gòu)占比54%;基礎(chǔ)設(shè)施類項(xiàng)目采購(gòu)占比25%;AI平臺(tái)類項(xiàng)目采購(gòu)占比14%,模型能力類項(xiàng)目采購(gòu)各占比7%。通過這四大類采購(gòu)，國(guó)有六大行區(qū)域性銀行14738(按銀行類型，同一標(biāo)段包含多個(gè)采購(gòu)類型)8根據(jù)銀行性質(zhì)和職能進(jìn)行劃分，將銀行機(jī)構(gòu)劃分為國(guó)有六大行?、股份制銀行、區(qū)域性銀行、政策性銀行。當(dāng)前，大模型戰(zhàn)略并無唯一最優(yōu)解。機(jī)構(gòu)的資源稟賦、市場(chǎng)地位和戰(zhàn)略雄心，共同·國(guó)有大行加速應(yīng)用體系建設(shè)：國(guó)有六大行在2023年末相繼完成了基礎(chǔ)設(shè)施的補(bǔ)足，2024年基于充足的算力，積極開展大模型應(yīng)用體系化能力建設(shè)，前中后臺(tái)與通用工具均有所涉及并真實(shí)投產(chǎn)，存在垂直業(yè)務(wù)領(lǐng)域的端到端賦能與單一系統(tǒng)平臺(tái)的全能力支撐；2025年開始國(guó)有大行聚焦于前臺(tái)業(yè)務(wù)強(qiáng)相關(guān)的應(yīng)用探索與建設(shè)，并開始探索AI服務(wù)能力原子化、平臺(tái)化，以及全行級(jí)的知識(shí)體系建設(shè)。股份制銀行緊跟趨勢(shì)，全鏈條多重投入：相較于其他各類銀行機(jī)構(gòu)，股份制銀行2024年的中標(biāo)項(xiàng)目中46%為基礎(chǔ)設(shè)施類采購(gòu)，包括各類算力服務(wù)器資源、配套網(wǎng)絡(luò)設(shè)備等大模型訓(xùn)練集群所需的基礎(chǔ)設(shè)施建設(shè)硬件；2025年上層應(yīng)用百花齊放，面向前中后臺(tái)均有所突破，甚至亦有流程嵌入型的應(yīng)用進(jìn)行投產(chǎn)，重新定義人機(jī)協(xié)同的流程組織，同步推進(jìn)知識(shí)體系建設(shè)?！^(qū)域性銀行場(chǎng)景化應(yīng)用突圍：區(qū)域行經(jīng)過2024年的蟄伏，于2025年以經(jīng)過市場(chǎng)驗(yàn)證的PMF進(jìn)行速贏建設(shè)。其中某頭部城商行聚焦構(gòu)建全行統(tǒng)一智能技術(shù)體系，并在此基礎(chǔ)上拓展Al+金融業(yè)務(wù)場(chǎng)景應(yīng)用，如代碼助手、智能會(huì)議、智能報(bào)告等；總體來看其他區(qū)域性銀行采購(gòu)需求涉及知識(shí)檢索問答、智能客服、數(shù)字人在內(nèi)的通用工具和前中臺(tái)應(yīng)用。·政策性銀行以客戶為核心的服務(wù)深化：以某政策性銀行舉例，對(duì)AI大模型的應(yīng)用需求主通用工具前臺(tái)業(yè)務(wù)提升中臺(tái)精益管理后臺(tái)經(jīng)營(yíng)決策■中標(biāo)項(xiàng)目數(shù)量(個(gè))(同一標(biāo)段包含多個(gè)應(yīng)用類型)金融業(yè)大模型應(yīng)用報(bào)告前臺(tái)業(yè)務(wù)提升和通用工具是銀行應(yīng)用落地的兩大重點(diǎn)。銀行業(yè)當(dāng)前已基本構(gòu)建了三級(jí)遞進(jìn)策略框架，即基礎(chǔ)層重投入、平臺(tái)層快迭代、應(yīng)用層求突破。此框架下，應(yīng)用類項(xiàng)目的實(shí)施焦點(diǎn)顯著集中于前臺(tái)業(yè)務(wù)優(yōu)化與通用智能工具的應(yīng)用兩大核心領(lǐng)域。在前臺(tái)業(yè)務(wù)提升方面，通過引入智能客服、數(shù)字人增強(qiáng)客戶互動(dòng)體驗(yàn)，提高響應(yīng)速度和問題解決效率，打造更加個(gè)性化與沉浸式的工具加速推動(dòng)知識(shí)檢索與智能搜索服務(wù)的革新，實(shí)現(xiàn)信息的快速獲取與高效傳播。值得注意，公開采購(gòu)數(shù)據(jù)并非等同于戰(zhàn)略重要性，據(jù)調(diào)研，最核心、最敏感的風(fēng)控類系統(tǒng)，更多通過自研或深度合作開發(fā)，而非公開招標(biāo)采購(gòu)。以2025年的采購(gòu)場(chǎng)景與類型來看，公開采購(gòu)的多為經(jīng)過市場(chǎng)驗(yàn)證的PMF可速贏應(yīng)用，面向流程嵌入型、模式重塑型的應(yīng)用多為自研或深度合作開發(fā)。為導(dǎo)向的漸進(jìn)收斂趨勢(shì)。由于大模型訓(xùn)練成本高昂，金融機(jī)構(gòu)更加注重應(yīng)用落地的實(shí)際效益。目前，無論是購(gòu)買基礎(chǔ)算法框架，還是與頂尖研究機(jī)構(gòu)、模型公司開展深度合作，金融機(jī)構(gòu)都致力于在風(fēng)險(xiǎn)控制、客戶服務(wù)、效率提升等方面培育潛在場(chǎng)景應(yīng)用，并通過不斷優(yōu)化模型性能、降低模型構(gòu)建方式等方面，逐步形成了幾種較為普遍且更注重實(shí)際效益的建設(shè)模大模型應(yīng)用相關(guān)的算力配置順序通常為：開發(fā)環(huán)境(訓(xùn)練)-測(cè)試環(huán)境(推理)-生產(chǎn)環(huán)境(推理)。針對(duì)這一特點(diǎn)，金融機(jī)構(gòu)在部署大模型應(yīng)用時(shí)，主要有以下三種方式：金融機(jī)構(gòu)將數(shù)據(jù)處理、模型預(yù)訓(xùn)練與微調(diào)、模型推理等環(huán)節(jié)全部在本地?cái)?shù)據(jù)中心完成。這種方式的優(yōu)勢(shì)在于數(shù)據(jù)安全性和隱私保護(hù)程度較高，金融機(jī)構(gòu)可以完全掌符合金融行業(yè)對(duì)數(shù)據(jù)安全和合規(guī)性的嚴(yán)格要求。然而，這種方式也存在一些挑戰(zhàn)，自行建設(shè)和維護(hù)大規(guī)模算力基礎(chǔ)設(shè)施的成本較高，且在面對(duì)業(yè)務(wù)峰值流金融機(jī)構(gòu)將大算力側(cè)置于私有云，利用私有云的彈性計(jì)算能力進(jìn)行模型預(yù)訓(xùn)練和微調(diào)等計(jì)算騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢密集型任務(wù)，而將模型推理環(huán)節(jié)放在本地進(jìn)行，實(shí)現(xiàn)大規(guī)模在離線混部。這種部署方式既能夠充分利用私有云的彈性算力資源，又能夠保證模型推理的穩(wěn)定性和數(shù)據(jù)的安全性。同時(shí)，在增強(qiáng)預(yù)訓(xùn)練或SFT環(huán)節(jié)，數(shù)據(jù)可以在私有云中進(jìn)行處理和分析，進(jìn)一步提高模型的性能和準(zhǔn)確性?！す性?團(tuán)體云與本地結(jié)合的混合云部署：靈活高效金融機(jī)構(gòu)可以在公有云或團(tuán)體云上完成模型的預(yù)訓(xùn)練和場(chǎng)景試驗(yàn)，解耦訓(xùn)練推理資源與環(huán)境，而將核心系統(tǒng)及其數(shù)據(jù)仍然保留在本地。在保證數(shù)據(jù)安全的前提下，加速大模型的應(yīng)用落地和業(yè)務(wù)創(chuàng)新。同時(shí)，金融機(jī)構(gòu)可以利用公有云提供的豐富的大模型訓(xùn)練資源和先進(jìn)的訓(xùn)練工具，快速進(jìn)行模型的原型開發(fā)和驗(yàn)證，當(dāng)模型達(dá)到一定成熟度后，再將其部署到本地進(jìn)行實(shí)際業(yè)務(wù)應(yīng)用。團(tuán)體云場(chǎng)景則專指使用聯(lián)邦大模型以進(jìn)行數(shù)據(jù)共享且能保障數(shù)據(jù)隱私的技術(shù)架構(gòu)。在金融行業(yè)數(shù)據(jù)合作中，不同金融機(jī)構(gòu)可以通過團(tuán)體云平臺(tái)，利用聯(lián)邦學(xué)習(xí)技術(shù)共同訓(xùn)練大模型，實(shí)現(xiàn)數(shù)據(jù)價(jià)值的最大化挖掘，同時(shí)確保各參與方的數(shù)據(jù)隱私和安全。本地?cái)?shù)據(jù)中心私有云+本地混合部署與數(shù)據(jù)安全平衡團(tuán)體云+本地混合部署訓(xùn)練上云，推理本地，利用聯(lián)邦學(xué)習(xí)技術(shù)共同訓(xùn)練大模型，保障數(shù)據(jù)隱私非核心系統(tǒng)或非強(qiáng)監(jiān)管場(chǎng)景(建議)公有云+本地生產(chǎn)云端原型驗(yàn)證，本地化部署成熟方案的MVP驗(yàn)證/demo試驗(yàn)/金融機(jī)構(gòu)在選取部署方式時(shí)，需考量當(dāng)前成熟的算力調(diào)度方案、目標(biāo)場(chǎng)景的數(shù)據(jù)隱私與模型·端到端自建：金融機(jī)構(gòu)全面掌控從模型訓(xùn)練、優(yōu)化到部署的全流程技術(shù)能力，涵蓋算力、算力調(diào)度、算法模型及工程落地的全周期；自行采購(gòu)并搭建算力基礎(chǔ)設(shè)施，包括高性能的GPU服務(wù)器等硬件設(shè)備，以及相應(yīng)的網(wǎng)絡(luò)和存儲(chǔ)設(shè)施；組建專業(yè)的數(shù)據(jù)科學(xué)團(tuán)隊(duì)，負(fù)責(zé)從數(shù)據(jù)收集、清洗、標(biāo)注到模型訓(xùn)練、驗(yàn)證和優(yōu)化的全過程。這種模式需要強(qiáng)大的技術(shù)實(shí)力和資源投入能力?！せ诨A(chǔ)大模型開發(fā)專有模型：金融機(jī)構(gòu)選擇閉源或開合自身業(yè)務(wù)數(shù)據(jù)進(jìn)行進(jìn)一步的訓(xùn)練和優(yōu)化，開發(fā)出具有特定功能的專有模型。例如，與科研機(jī)構(gòu)1礎(chǔ)設(shè)施，將多個(gè)大模型或模型組件進(jìn)行有機(jī)組合，靈活地構(gòu)建和管理大模型應(yīng)用，實(shí)現(xiàn)復(fù)雜業(yè)務(wù)邏輯的自動(dòng)化處理。Agent平臺(tái)通常會(huì)集成開源的基礎(chǔ)大模型或行業(yè)大模型，作為應(yīng)用編排的?！せ诖竽Ｐ虯PI開發(fā)特定場(chǎng)景應(yīng)用：金融機(jī)構(gòu)通過調(diào)用第三方提供的API接口，結(jié)合自身業(yè)務(wù)需求進(jìn)行應(yīng)用探索，無需自行搭建和訓(xùn)練大模型。API接口按token計(jì)費(fèi)的模式可以靈活控制成本，適用于在一些非核心業(yè)務(wù)或非強(qiáng)監(jiān)管領(lǐng)·采購(gòu)具備成熟大模型能力的相關(guān)應(yīng)用：金融機(jī)構(gòu)直接采購(gòu)市場(chǎng)上已有的、針對(duì)金騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢?nèi)珬Ｗ灾骺煽兀璐笠?guī)模算力強(qiáng)監(jiān)管、戰(zhàn)略引領(lǐng)的能力建設(shè)基于閉源/開源基模進(jìn)行領(lǐng)域戰(zhàn)略引領(lǐng)的能力建設(shè)/領(lǐng)域能力的價(jià)值深化Agent編排平臺(tái)多模型協(xié)同調(diào)度，實(shí)現(xiàn)復(fù)雜業(yè)復(fù)雜場(chǎng)景創(chuàng)新試驗(yàn)輕型應(yīng)用探索/試驗(yàn)成熟方案采購(gòu)即插即用的行業(yè)解決方案，縮短價(jià)值兌現(xiàn)周期中小機(jī)構(gòu)數(shù)智能力補(bǔ)足金融機(jī)構(gòu)在選取建設(shè)方式時(shí)，需考量當(dāng)前所處的技術(shù)周期、目標(biāo)場(chǎng)景的可控性與性能要求，按需選擇以上能力；當(dāng)前并無絕對(duì)正確的建設(shè)方式，開源基模的使用與垂域模型的定制化開發(fā)更2.2.3大模型體系構(gòu)建路徑在模型訓(xùn)練側(cè)，分布式并行計(jì)算框架構(gòu)成算力基座，配合混合精度訓(xùn)練、梯度壓縮算法等優(yōu)化方案，以及參數(shù)高效微調(diào)技術(shù)，模型訓(xùn)練效率得以提升，模型規(guī)模得以控制，有利于模型輕量化部署，構(gòu)建了從通用基座到垂直領(lǐng)域模型的參數(shù)集約化路徑。金融業(yè)大模型應(yīng)用報(bào)告三大核心環(huán)節(jié)。當(dāng)前，金融機(jī)構(gòu)多采用基座模型進(jìn)行領(lǐng)域知識(shí)注入和價(jià)值觀對(duì)齊，僅少數(shù)頭部機(jī)在模型應(yīng)用側(cè)，檢索增強(qiáng)生成(RAG)技術(shù)成為構(gòu)建可信金融大模型的關(guān)鍵。RAG技術(shù)融合向量化數(shù)據(jù)庫(kù)與行業(yè)知識(shí)圖譜，形成數(shù)據(jù)檢索-知識(shí)增強(qiáng)一智能生成的動(dòng)態(tài)閉環(huán)，推動(dòng)大模型從通用對(duì)話向?qū)I(yè)決策場(chǎng)景延伸。該架構(gòu)類似于開卷考試機(jī)制，借助實(shí)時(shí)數(shù)據(jù)檢索更新，突破了模型靜態(tài)知識(shí)局限，有效緩解了生成內(nèi)容的時(shí)效偏差與事實(shí)性錯(cuò)誤。目前，在金融領(lǐng)域，超過80%的智能投研、監(jiān)管合規(guī)等場(chǎng)景依賴RAG技術(shù)實(shí)現(xiàn)業(yè)務(wù)落地。相比之下，單純依賴提示詞工程的原生大模型應(yīng)用盡管部署快捷，但受制于訓(xùn)練數(shù)據(jù)的時(shí)效性，難以滿足高頻市場(chǎng)分析等動(dòng)態(tài)場(chǎng)景需求?！つＰ蛥f(xié)同(異構(gòu)模型管理)為了更好地管理和利用不同類型、不同規(guī)模的模型，部分領(lǐng)先金融機(jī)構(gòu)正在構(gòu)建智能化的異構(gòu)模型協(xié)同管理平臺(tái)。這類平臺(tái)通過構(gòu)建動(dòng)態(tài)調(diào)度中樞，實(shí)現(xiàn)了大模型與小模型的有機(jī)協(xié)同。平臺(tái)基于實(shí)時(shí)流量監(jiān)測(cè)與資源調(diào)度算法，系統(tǒng)能精準(zhǔn)識(shí)別用戶請(qǐng)求的復(fù)雜度，在輕量模型與超大規(guī)自主配置最優(yōu)模型組合，使單位算力投入產(chǎn)出比提升；再者，平臺(tái)創(chuàng)新的知識(shí)蒸餾機(jī)制支持將大在金融大模型的實(shí)踐落地中，單一模型難以經(jīng)濟(jì)高效地應(yīng)對(duì)所有復(fù)雜場(chǎng)景，因此金融機(jī)構(gòu)已經(jīng)或正在構(gòu)建功能互補(bǔ)、高效協(xié)同的混合模型體系。領(lǐng)先的金融機(jī)構(gòu)正在超越大小模型的簡(jiǎn)單二元?jiǎng)澐?，?gòu)建一個(gè)由基礎(chǔ)大模型、領(lǐng)域輕量模型和傳統(tǒng)機(jī)器學(xué)習(xí)模型三者有機(jī)協(xié)同、智能調(diào)度的·基礎(chǔ)大模型：具備強(qiáng)大的通用知識(shí)和復(fù)雜的推理能力。它們主要負(fù)責(zé)處理開放式、探索性的任務(wù)，例如宏觀經(jīng)濟(jì)趨勢(shì)分析、創(chuàng)新構(gòu)思等需要跨領(lǐng)域知識(shí)的場(chǎng)景，同時(shí)也可作為后續(xù)領(lǐng)域模·領(lǐng)域輕量/蒸餾模型：這是從基礎(chǔ)大模型通過微調(diào)或蒸餾等技術(shù)，面向特定金融業(yè)務(wù)優(yōu)化的模型。它們專注于具體任務(wù)，如合規(guī)文本審核、智能投研摘要、信貸報(bào)告要素提取等。這類模型更輕量、響應(yīng)更快、運(yùn)營(yíng)成本更低，是實(shí)現(xiàn)金融業(yè)務(wù)規(guī)?；⒏咝Щ瘧?yīng)用的核騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢·傳統(tǒng)機(jī)器學(xué)習(xí)模型：例如梯度提升樹、隨機(jī)森林等經(jīng)典算法，在處理結(jié)構(gòu)化數(shù)據(jù)時(shí)依然擁有高精度和高可解釋性的顯著優(yōu)勢(shì)。它們?cè)谛庞迷u(píng)分、量化交易、反欺詐偵測(cè)等場(chǎng)景中，持續(xù)發(fā)這三類模型并非獨(dú)立運(yùn)作，而是通過智能化的任務(wù)編排平臺(tái)協(xié)同工作。業(yè)務(wù)請(qǐng)求進(jìn)入系統(tǒng)-例如，客戶發(fā)起貸款申請(qǐng)業(yè)務(wù)請(qǐng)求進(jìn)入系統(tǒng)-例如，客戶發(fā)起貸款申請(qǐng)智能任務(wù)調(diào)度領(lǐng)域輕量模型傳統(tǒng)ML模型基礎(chǔ)大模型*分析客戶行業(yè)新聞?shì)浨椋鳛檩o助判斷整合輸出結(jié)果，形成全面決策建議人工審核-供審核者最終裁定*快速識(shí)別意圖，提取申請(qǐng)材料關(guān)鍵信息*對(duì)結(jié)構(gòu)化數(shù)值信息進(jìn)行精準(zhǔn)信用風(fēng)險(xiǎn)評(píng)分當(dāng)一個(gè)業(yè)務(wù)請(qǐng)求進(jìn)入系統(tǒng)時(shí)(例如，客戶發(fā)起一筆貸款申請(qǐng)),平臺(tái)會(huì)進(jìn)行任務(wù)的智能分解值信息交由傳統(tǒng)機(jī)器學(xué)習(xí)模型進(jìn)行精準(zhǔn)的信用風(fēng)險(xiǎn)評(píng)分；同時(shí)可調(diào)用基礎(chǔ)大模型對(duì)客戶所在行業(yè)的新聞?shì)浨檫M(jìn)行分析，作為輔助判斷。最終，系統(tǒng)將三者的輸出結(jié)果進(jìn)行整合，形成一份全面的決策建議，供人工審核者最終裁定。這種協(xié)同模式，實(shí)現(xiàn)了模型能力與業(yè)務(wù)場(chǎng)景的最佳匹配，在成本、效率和精準(zhǔn)度之間取得了有效平衡。金融業(yè)大模型應(yīng)用報(bào)告金融業(yè)的大模應(yīng)用正從零散的點(diǎn)狀嘗試，向通用工具、前臺(tái)業(yè)務(wù)提升、中臺(tái)精益管理、后臺(tái)經(jīng)營(yíng)決策四大領(lǐng)域全面滲透。辦公管理析庫(kù)數(shù)據(jù)分析渠道運(yùn)營(yíng)析客戶維系營(yíng)銷管理產(chǎn)品服務(wù)渠道運(yùn)營(yíng)營(yíng)銷管理風(fēng)控合規(guī)運(yùn)營(yíng)管理驗(yàn)客戶維系產(chǎn)品服務(wù)投行與資產(chǎn)管理置答測(cè)財(cái)務(wù)管理開發(fā)與運(yùn)維管理騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢通用工具是金融機(jī)構(gòu)引入大模型技術(shù)的基礎(chǔ)應(yīng)用領(lǐng)域，其核心特征為技術(shù)通用性強(qiáng)、跨場(chǎng)景適用。此類應(yīng)用主要面向機(jī)構(gòu)內(nèi)部，涵蓋文檔圖像處理、智能問答、音視頻內(nèi)容分析、代碼輔助風(fēng)險(xiǎn)相對(duì)可控，其所帶來的價(jià)值直觀易衡量，因此成為多數(shù)金融機(jī)構(gòu)部署大模型的首要實(shí)踐領(lǐng)域。其應(yīng)用主要聚焦于機(jī)構(gòu)內(nèi)部，以確保信息與業(yè)務(wù)風(fēng)險(xiǎn)可控。前臺(tái)業(yè)務(wù)提升領(lǐng)域直接面向客戶價(jià)值創(chuàng)造，是決定未來市場(chǎng)競(jìng)爭(zhēng)力的戰(zhàn)略關(guān)鍵。其通過對(duì)客戶行為、金融產(chǎn)品偏好與潛在需求的深度分析，構(gòu)建精準(zhǔn)客戶畫像，進(jìn)而賦能個(gè)性化營(yíng)銷與服務(wù)能力的升級(jí)。應(yīng)用范圍覆蓋客戶服務(wù)、精準(zhǔn)營(yíng)銷、投資顧問與投資研究等多個(gè)直接關(guān)系到客戶體驗(yàn)與業(yè)務(wù)增長(zhǎng)的領(lǐng)域。受限于金融場(chǎng)景的嚴(yán)謹(jǐn)性要求、模型輸出的可控性挑戰(zhàn)以及投資回報(bào)率的評(píng)估周期，多數(shù)相關(guān)應(yīng)用仍處于實(shí)驗(yàn)室探索或小規(guī)模試點(diǎn)階段。部分成熟度較高的應(yīng)用，正通過中臺(tái)精益管理領(lǐng)域是機(jī)構(gòu)穩(wěn)健運(yùn)營(yíng)的基石，側(cè)重于強(qiáng)化機(jī)構(gòu)的運(yùn)營(yíng)效率與核心風(fēng)險(xiǎn)管理能通過大模型技術(shù)對(duì)海量交易數(shù)據(jù)、市場(chǎng)動(dòng)態(tài)與客戶行為模式進(jìn)行實(shí)時(shí)分析，能夠構(gòu)建更為智能與動(dòng)態(tài)的風(fēng)險(xiǎn)預(yù)警、識(shí)別與防控體系。應(yīng)用聚焦于風(fēng)險(xiǎn)識(shí)別、合規(guī)審查、反欺詐、智能運(yùn)營(yíng)等中樞環(huán)節(jié)。該領(lǐng)域?qū)δＰ偷目煽啃浴⒎€(wěn)定性與專業(yè)性均提出極高要求，通常由金融機(jī)構(gòu)主導(dǎo)自研，或與頂級(jí)技術(shù)廠商進(jìn)行深度合作定制開發(fā)，是體現(xiàn)機(jī)構(gòu)核心風(fēng)控能力的關(guān)鍵領(lǐng)域，亦是當(dāng)前行業(yè)探后臺(tái)經(jīng)營(yíng)決策領(lǐng)域旨在支撐組織高效運(yùn)轉(zhuǎn)與科學(xué)決策，主要賦能財(cái)務(wù)管理、人力資源、開發(fā)運(yùn)維等核心職能部門，以提升內(nèi)部管理的科學(xué)性與自動(dòng)化水平。在財(cái)務(wù)領(lǐng)域，應(yīng)用聚焦于財(cái)務(wù)報(bào)告的自動(dòng)化生成、預(yù)算規(guī)劃的智能推演以及關(guān)鍵經(jīng)營(yíng)指標(biāo)的預(yù)測(cè)性分析。在開發(fā)與運(yùn)維領(lǐng)域，大模型在代碼自動(dòng)生成、測(cè)試用例生成、系統(tǒng)異常智能診斷等方面展現(xiàn)出巨大潛力，正成為部分領(lǐng)先金融機(jī)構(gòu)探索的創(chuàng)新方向，旨在提升軟件工程全鏈路效率，同時(shí)輔助提升相關(guān)崗位人員的專業(yè)在領(lǐng)先機(jī)構(gòu)的實(shí)踐中，上述四大應(yīng)用領(lǐng)域正走向由統(tǒng)一Al戰(zhàn)略驅(qū)動(dòng)的協(xié)同共振。以保險(xiǎn)科技領(lǐng)域的探索為例，微保與騰訊混元共建保險(xiǎn)領(lǐng)域大模型，面向C端用戶開發(fā)智能助手，以解答產(chǎn)品、核保、理賠等問題；同時(shí)，在后臺(tái)自建智能體開發(fā)平臺(tái)，將內(nèi)容生產(chǎn)、數(shù)據(jù)分析、質(zhì)檢等環(huán)節(jié)的AI賦能門檻顯著降低。這種“內(nèi)外兼修”的布局，將外部客戶價(jià)值創(chuàng)造與內(nèi)部運(yùn)營(yíng)效率提升相結(jié)合，形成良性循環(huán)，代表了金融業(yè)大模型應(yīng)用的方向之一。金融業(yè)大模型應(yīng)用報(bào)告技術(shù)成熟度備注：氣泡半徑與場(chǎng)景價(jià)值成正比；共30個(gè)金融機(jī)構(gòu)樣本量；以可商用作為技術(shù)成熟度高的標(biāo)準(zhǔn)。大模型的應(yīng)用正從最初的效率提升工具逐步向價(jià)值創(chuàng)造引擎演進(jìn)，并帶來了應(yīng)用場(chǎng)景迭代升級(jí)。通過技術(shù)成熟度、需求頻次和場(chǎng)景價(jià)值三個(gè)維度，我們繪制了當(dāng)前的應(yīng)用現(xiàn)狀態(tài)勢(shì)，行業(yè)對(duì)效率的追求和對(duì)業(yè)務(wù)創(chuàng)新的迫切需求塑造了當(dāng)前的應(yīng)用路線：·代碼管理、知識(shí)庫(kù)問答、智能會(huì)議是當(dāng)前ROI最明確、落地最快的場(chǎng)景，是效率工具的典型代表，是所有機(jī)構(gòu)都應(yīng)迅速布局的基礎(chǔ)能力；·風(fēng)險(xiǎn)管理、營(yíng)銷管理這些場(chǎng)景價(jià)值巨大，需求迫切，但技術(shù)仍在攻堅(jiān)。這是未來拉開差距的關(guān)鍵，需要持續(xù)的戰(zhàn)略投入和耐心；·文本生成與審核等技術(shù)成熟，需被整合到其他流程中，適合作為插件或組件快速部署。渠騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢道運(yùn)營(yíng)場(chǎng)景的需求頻次和場(chǎng)景價(jià)值有所下降，可能是因?yàn)楦行У男履Ｊ缴形闯霈F(xiàn)，當(dāng)前投入需可控性：如何確保大模型在復(fù)雜金融場(chǎng)景下的輸出結(jié)果可靠、穩(wěn)定、可控，仍然是制約大模可解釋性：大模型的決策過程缺乏透明度，難以解釋其推理邏輯，成為試驗(yàn)場(chǎng)景向外推廣的投入產(chǎn)出比(ROI):金融機(jī)構(gòu)越來越關(guān)注大模型應(yīng)用的投入產(chǎn)出比，尤其是在推理決策場(chǎng)景中，與傳統(tǒng)AI方案在推理效率、算力投入與場(chǎng)景價(jià)值的優(yōu)勢(shì)。輔助工具：大模型主要作為高效的輔助工具，用于提升特定工作環(huán)節(jié)的執(zhí)行效率，但尚不深度介入核心業(yè)務(wù)的決策流程。典型應(yīng)用包括輔助編程、文檔歸納與信息檢索等，旨在優(yōu)化內(nèi)部員內(nèi)容生成：大模型被用于自動(dòng)化或半自動(dòng)化地生成各類業(yè)務(wù)內(nèi)容，顯著提升信息生產(chǎn)的規(guī)模與速度，以流程嵌入的形式存在于業(yè)務(wù)流轉(zhuǎn)中。具體應(yīng)用涵蓋市場(chǎng)營(yíng)銷文案撰寫、初步行業(yè)分析報(bào)告生成、基礎(chǔ)數(shù)據(jù)報(bào)表制作以及宣傳材料的設(shè)計(jì)與此同時(shí)，業(yè)界正積極探索更具深遠(yuǎn)影響的應(yīng)用模式，其商業(yè)價(jià)值與技術(shù)路徑的成熟度尚在業(yè)務(wù)流程再造：此方向旨在構(gòu)建由智能體深度參與的全新業(yè)務(wù)工作流，以實(shí)現(xiàn)端到端的自動(dòng)化與智能化。當(dāng)前，金融機(jī)構(gòu)在此領(lǐng)域進(jìn)行了大量探索。其中，應(yīng)用于知識(shí)庫(kù)問答、智能數(shù)據(jù)查詢等場(chǎng)景的智能體技術(shù)已相對(duì)成熟并投入實(shí)際應(yīng)用。然而，涉及更復(fù)雜決策邏輯的投資研究分析、動(dòng)態(tài)風(fēng)險(xiǎn)控制等領(lǐng)域的智能體應(yīng)用，仍處于深入研究與驗(yàn)證階商業(yè)模式創(chuàng)新與業(yè)態(tài)重塑：此方向包含兩個(gè)層面。第一，在現(xiàn)有業(yè)務(wù)框架內(nèi)，利用智能體技術(shù)顯著提升客戶觸達(dá)、轉(zhuǎn)化與服務(wù)的效率，例如探索新型的智能化零售金融服務(wù)模式。第二，基于大模型原生的能力，創(chuàng)造全新的金融產(chǎn)品或服務(wù)形態(tài)。目前，此類應(yīng)用在金融行業(yè)的實(shí)踐尚處金融業(yè)大模型應(yīng)用報(bào)告智能體(Agent)是基于先進(jìn)大模型構(gòu)建的應(yīng)用實(shí)體，具備自主感知環(huán)境、決策制定與行動(dòng)執(zhí)行的全套能力。Agent的目標(biāo)是在無需人類干預(yù)的情況下，通過觀察現(xiàn)實(shí)世界并利用內(nèi)置及外以實(shí)現(xiàn)最終目標(biāo)。這種自主性使得Agent能夠在復(fù)雜且動(dòng)態(tài)的環(huán)境中高效運(yùn)作，無需持續(xù)監(jiān)督。以應(yīng)對(duì)市場(chǎng)條件、用戶需求或其他外部因素的快速變化。這種適應(yīng)性確保了Agent在多變環(huán)境中始終保持高效。交互性：Agent能夠通過自然語言等方式與用戶及其他系統(tǒng)進(jìn)行高效溝通，準(zhǔn)確理解用戶查詢意圖、提供及時(shí)反饋、清晰解釋決策過程，并與其他系統(tǒng)或Agent實(shí)現(xiàn)無縫協(xié)作。這種交互性提升了用戶體驗(yàn)，增強(qiáng)了Agent在復(fù)雜任務(wù)中的協(xié)作與執(zhí)行能力。智能體憑借其任務(wù)閉環(huán)執(zhí)行能力和動(dòng)態(tài)環(huán)境適應(yīng)性，成為技術(shù)落地的核心載體。這一趨勢(shì)的需求升級(jí)，從輔助工具到?jīng)Q策執(zhí)行。傳統(tǒng)大模型多局限于文本生成、問答等單點(diǎn)場(chǎng)景，而金融業(yè)對(duì)業(yè)務(wù)流程重塑的需求迫切。Agent通過整合工具調(diào)用、環(huán)境感知與自主決策能力，可完成信貸審批自動(dòng)化、實(shí)時(shí)風(fēng)控?cái)r截、投研分析等復(fù)雜任務(wù)，實(shí)現(xiàn)從認(rèn)知支持到行動(dòng)閉環(huán)的質(zhì)變。技術(shù)適配，突破大模型固有局限。大模型的黑箱性與金融場(chǎng)景的高合規(guī)要求存在矛盾?；诖竽Ｐ驮鰪?qiáng)預(yù)訓(xùn)練、微調(diào)與對(duì)齊的輸出后，Agent通過RAG、插件能力調(diào)用及流程編排模式，生態(tài)演進(jìn)，從單點(diǎn)智能到系統(tǒng)協(xié)同。金融業(yè)務(wù)流程的復(fù)雜性需要AI具備協(xié)同分工能力，Agent框架天然支持多工具集成與多角色協(xié)作。如Manus通過動(dòng)態(tài)調(diào)度各類大模型，構(gòu)建覆蓋數(shù)據(jù)獲取、分析、執(zhí)行的智能工作流，解決了傳統(tǒng)大模型只建議不行動(dòng)的痛點(diǎn)。這種生態(tài)化能力騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢單智能體猶如專業(yè)領(lǐng)域的超級(jí)個(gè)體戶，其核心價(jià)值在于獨(dú)立完成標(biāo)準(zhǔn)化流程，例如自動(dòng)生成財(cái)務(wù)報(bào)表或執(zhí)行簡(jiǎn)單交易指令。這種形態(tài)常見于金融后臺(tái)的自動(dòng)化場(chǎng)景，其優(yōu)勢(shì)在于部署成本低、響應(yīng)速度快，但面對(duì)跨部門協(xié)作、多因素決策等復(fù)雜場(chǎng)景時(shí)往往力不從心。多智能體協(xié)同系統(tǒng)則構(gòu)建了數(shù)字神經(jīng)元網(wǎng)絡(luò)，每個(gè)智能體如同金融組織的專業(yè)化神經(jīng)元，通過動(dòng)態(tài)協(xié)商機(jī)制形成分布式?jīng)Q策網(wǎng)絡(luò)。這種架構(gòu)在風(fēng)險(xiǎn)管理場(chǎng)景中尤為顯著:信用評(píng)估智能體、市場(chǎng)波動(dòng)監(jiān)測(cè)智能體、流動(dòng)性管理智能體等既保持專業(yè)獨(dú)立性，又通過實(shí)時(shí)數(shù)據(jù)共享形成風(fēng)險(xiǎn)聯(lián)防體系。該架構(gòu)既能保留了專業(yè)深度，又實(shí)現(xiàn)了系統(tǒng)韌性，正如現(xiàn)代投行交易中不同策略組的協(xié)同運(yùn)作，通過AI實(shí)現(xiàn)了毫秒級(jí)的決策同步。隨著Agent應(yīng)用生態(tài)的蓬勃發(fā)展，如何高效、規(guī)?；剡B接模型與外部工具，已成為核心議題。在此背景下，雖然功能調(diào)用提供了基礎(chǔ)的實(shí)現(xiàn)路徑，但模型上下文協(xié)議則代表了更具前瞻性功能調(diào)用(FunctionCall)聚焦于模型自身能力增強(qiáng)。功能調(diào)用是賦予大語言模型調(diào)用外部工具能力的基礎(chǔ)技術(shù)。它通過標(biāo)準(zhǔn)化的方式，讓模型能夠指定工具并傳遞相關(guān)參數(shù)，從而完成特定任務(wù)。整個(gè)調(diào)用與執(zhí)行過程通常發(fā)生在智能體(Agent)的進(jìn)程內(nèi)部，即使工具的業(yè)務(wù)邏輯可能部署在遠(yuǎn)程。其設(shè)計(jì)初衷是讓語言模型能更精準(zhǔn)地使用一組已知工具，從而便于后續(xù)對(duì)模型的行為進(jìn)行優(yōu)化和訓(xùn)練。它本質(zhì)上是一種模模型上下文協(xié)議(MCP)著眼于構(gòu)建開放、協(xié)作的工具生態(tài)。與功能調(diào)用不同，MCP將視角從單個(gè)模型擴(kuò)展至整個(gè)生態(tài)系統(tǒng)，旨在解決多智能體與多工具之間的協(xié)同問題。它通過定義一套統(tǒng)一的標(biāo)準(zhǔn)協(xié)議，在工具的調(diào)用者(Agent)和提供者(Server)之間建立起溝通的橋梁，從而實(shí)現(xiàn)了智能體與工具的徹底解耦。MCP的核心目標(biāo)是構(gòu)建一個(gè)開放的、類似“應(yīng)用商店(App無需與特定的智能體或模型進(jìn)行深度綁定。工具本身增強(qiáng)了復(fù)用性，并為商業(yè)化(如按次收費(fèi))因此，MCP不僅是對(duì)智能體與工具交互方式的技術(shù)優(yōu)化，更是一次架構(gòu)層面的范式革新。它通過構(gòu)建一個(gè)更加開放、靈活且可擴(kuò)展的生態(tài)環(huán)境，為未來復(fù)雜智能體應(yīng)用的協(xié)同工作與商業(yè)金融業(yè)大模型的落地絕非單純技術(shù)命題，而是涉及戰(zhàn)略重構(gòu)與組織進(jìn)化、數(shù)據(jù)要素治理、體系融合的系統(tǒng)工程。唯有通過統(tǒng)籌規(guī)劃、機(jī)制創(chuàng)新與持續(xù)運(yùn)營(yíng)的三維突破，方可實(shí)現(xiàn)從實(shí)驗(yàn)室盆景到業(yè)務(wù)森林的規(guī)模化躍遷。未來，隨著多智能體等技術(shù)的滲透，金融大模型將逐步邁向人機(jī)共生的新范式，但其成功必然建立在跨學(xué)科、跨機(jī)構(gòu)的協(xié)同基石之上。金融業(yè)大模型建設(shè)的核心騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢金融業(yè)對(duì)于新質(zhì)生產(chǎn)力的理解已深化至探索金融科技創(chuàng)新動(dòng)力的價(jià)值經(jīng)營(yíng)層面，體現(xiàn)在金融機(jī)構(gòu)對(duì)于數(shù)字化轉(zhuǎn)型三大平衡關(guān)系的策略把控與行動(dòng)落位局部突破與整體效能平衡。數(shù)字化轉(zhuǎn)型進(jìn)入精益發(fā)展階段，金融機(jī)構(gòu)需破解碎片化建設(shè)與全局效益的協(xié)同難題。當(dāng)前呈現(xiàn)兩大策略趨勢(shì)：一是投入策略更趨審慎，降本增效類項(xiàng)目占比顯著提升，形成收益、風(fēng)險(xiǎn)與成本的動(dòng)態(tài)優(yōu)先級(jí)調(diào)整機(jī)制；二是構(gòu)建跨部門協(xié)同體系，通過產(chǎn)品經(jīng)理責(zé)任制重塑業(yè)業(yè)融合模式.建立業(yè)務(wù)、科技與數(shù)據(jù)三位一體的業(yè)技融合機(jī)制。某頭部機(jī)構(gòu)已經(jīng)將一體化寫入數(shù)字化轉(zhuǎn)型的核心戰(zhàn)略愿景，強(qiáng)調(diào)數(shù)字化治理作為數(shù)字化轉(zhuǎn)型總體藍(lán)圖實(shí)現(xiàn)的根本前提，確立數(shù)字化統(tǒng)籌管理職能與組織協(xié)同機(jī)制，營(yíng)造數(shù)字化轉(zhuǎn)型人人負(fù)責(zé)、人人參與、人人貢獻(xiàn)的文化理念，踐行落地?cái)?shù)字化任務(wù)級(jí)實(shí)施路創(chuàng)新投入與資源效能平衡。在資源約束條件下，領(lǐng)先機(jī)構(gòu)正構(gòu)建差異化資源配置體系。面向小額創(chuàng)新實(shí)踐項(xiàng)目，通過更為靈活和容錯(cuò)的管理方式以實(shí)現(xiàn)前瞻性、探索性、智能化的創(chuàng)新發(fā)展目標(biāo)。同時(shí)設(shè)立專項(xiàng)創(chuàng)新基金，通過寬進(jìn)嚴(yán)出機(jī)制激發(fā)探索活力，對(duì)場(chǎng)景獲客、中臺(tái)建設(shè)等方向?qū)嵤┟艚莨芾?；同時(shí)聚焦速贏項(xiàng)目，以短周期試點(diǎn)驗(yàn)證核心價(jià)值，形成樣板復(fù)制、信心強(qiáng)化與良性循環(huán)的推進(jìn)邏輯。某領(lǐng)先股份制銀行通過建立金融科技基金并執(zhí)行專項(xiàng)運(yùn)作機(jī)制，以支持場(chǎng)景及生態(tài)建設(shè)、中臺(tái)能力提升、領(lǐng)先技術(shù)探索、創(chuàng)新組織與機(jī)制建設(shè)等方面的創(chuàng)新能力突破。前沿探索與風(fēng)險(xiǎn)防控平衡。金融機(jī)構(gòu)在新技術(shù)應(yīng)用領(lǐng)域呈現(xiàn)審慎創(chuàng)新特征。當(dāng)前聚焦兩大實(shí)施路徑：數(shù)據(jù)全周期管理成為逆周期投入重點(diǎn)，通過隱私計(jì)算等技術(shù)升級(jí)安全體系，構(gòu)建治理-平臺(tái)-應(yīng)用一賦能的完整鏈條；AI大模型應(yīng)用強(qiáng)調(diào)場(chǎng)景適配性，聚焦技術(shù)與場(chǎng)景融合探索，以數(shù)據(jù)為中心、模型為中樞的業(yè)務(wù)場(chǎng)景持續(xù)把握監(jiān)管合規(guī)、安全風(fēng)控和增長(zhǎng)賦能的平衡。某頭部機(jī)構(gòu)以業(yè)務(wù)引領(lǐng)、數(shù)據(jù)驅(qū)動(dòng)為策略，已形成從數(shù)據(jù)治理到業(yè)務(wù)賦能的閉環(huán)體系，但大模型在核心業(yè)務(wù)需以系統(tǒng)性思維重構(gòu)技術(shù)、數(shù)據(jù)、組織與商業(yè)模式的協(xié)同機(jī)制。金融業(yè)大模型應(yīng)用報(bào)告轉(zhuǎn)型平衡關(guān)系耦合，易導(dǎo)致技術(shù)能力懸浮于業(yè)務(wù)需求之上，形成技術(shù)孤島；值迷失的現(xiàn)象，且僅有少部分機(jī)構(gòu)聚焦ROI(投資回報(bào)率)測(cè)算；前沿探索與風(fēng)險(xiǎn)防控平衡對(duì)外決策支撐審慎推進(jìn)；三大平衡邏輯交叉影響面向科技創(chuàng)新與產(chǎn)品孵化的敏捷協(xié)作機(jī)制；面向復(fù)合人才的培養(yǎng)計(jì)劃與激勵(lì)機(jī)制；以大模型能力建設(shè)為代表的新質(zhì)生產(chǎn)力在金融業(yè)的成功踐行從來不是金融科技創(chuàng)新單方面的一腔熱血、孤掌而鳴，如何把握由面及點(diǎn)的多層級(jí)平衡關(guān)系，回歸價(jià)值經(jīng)營(yíng)本質(zhì)，最大化釋放資源效能，是金融機(jī)構(gòu)邁入發(fā)展新階段的必要性命題，也關(guān)乎騰訊金融研究院|騰訊研究院|畢馬威企業(yè)咨詢一切生產(chǎn)力轉(zhuǎn)型的根本目的仍然在于業(yè)務(wù)增長(zhǎng)和管理提效，因此，在金融行業(yè)積極擁抱大模型浪潮時(shí)，更需要保持冷靜，切勿拿著錘子找釘子，盲目追趕技術(shù)熱點(diǎn)。企業(yè)需要立足自身業(yè)務(wù)，梳理出具備實(shí)際產(chǎn)業(yè)價(jià)值的可落地應(yīng)用場(chǎng)景，并基于自身豐富的數(shù)據(jù)語料，訓(xùn)練和調(diào)教適合自身業(yè)務(wù)和管理需求的智能體，使其能夠真正解決業(yè)務(wù)痛點(diǎn)，釋放管理效能。更進(jìn)一步，要推動(dòng)AI應(yīng)用從單純的對(duì)話機(jī)器人模式升級(jí)到Agent,并逐步融入一線員工習(xí)慣使用的業(yè)務(wù)應(yīng)用系統(tǒng)，讓Al真正成為業(yè)務(wù)助手，這才是讓業(yè)務(wù)前線具體感知AI能力并推動(dòng)業(yè)務(wù)智能化轉(zhuǎn)型的關(guān)鍵。盡管引入人工智能已被金融業(yè)廣泛認(rèn)可為提升運(yùn)營(yíng)效率和客戶體驗(yàn)的關(guān)鍵驅(qū)動(dòng)力，大模型技術(shù)正重塑金融業(yè)態(tài)，但其落地過程面臨多維挑戰(zhàn)?！揪唧w問題】私域數(shù)據(jù)資產(chǎn)的激活障礙與專業(yè)模型能力的供給稀缺：金融機(jī)構(gòu)雖擁有海量高價(jià)值的私域數(shù)據(jù)，但這些數(shù)據(jù)因系統(tǒng)壁壘而碎片化，導(dǎo)致難以被有效激活，形成統(tǒng)一、可用的知識(shí)資產(chǎn)以供大模型實(shí)時(shí)利用。與此同時(shí)，公開市場(chǎng)上缺乏能滿足金融風(fēng)控、財(cái)富管理等場(chǎng)景嚴(yán)苛要求的專業(yè)