社区

前不久，DeepMind发表的一份研究显示：AI智能体的快速普及预示着一个AI独立创造价值的新经济层正在形成。这可能是历史上第一个不由人类主导的经济空间，在经济发展过程中扮演着独一无二的角色。而金融业向来被认为是AI落地的第一站，智能体能否在金融领域达成独立创作价值的经济层，事关智能经济时代的整体命运。

2025年，是金融智能体从产业设想走向商用实践的关键年。中农工建交、招商、邮储等大行相继发布企业级AI中台或行动方案。仅工行2025半年报就宣布在零售、公司、市场三大领域新增投入AI财富助理、投研助手、智能信贷官等超过100个场景的智能体。在这种大趋势下，金融机构普遍希望实现智能体落地应用的提速与范围扩大。然而对于绝大多数的城商农信中小金融机构来说，金融智能体依旧有点像是井中看月：智能体的开发和部署面临诸多挑战，以智能体为代表的AI能力，只能在小范围试用。那么，如何让金融智能体从井中观月，变成月映千江？**已经有了答案。

在**全联接大会2025上，**数字金融军团CEO曹冲表示，为了帮助更多的金融机构高效推进智能体落地，**将AI创新方案、生态实践、与伙伴的联合方案、工程化经验沉淀下来，全面升级**金融数据智能方案5.5，重磅推出FAB金融智能体加速器，开箱易用、开箱随用、开箱畅用，把AI落地的复杂留给自己，把简单带给客户和伙伴。

如果说，过去的金融+AI是月光在井中轻摇，只有实验与探索性质，只能独照一方，那么**通过FAB金融智能体加速器，就是让AI的月光漫洒到金融行业的波涛中，让所有的金融机构都能快速获取AI发展引擎，映千江而同辉。

从井中月变成千江月，**是怎样带来金融智能体变革的？

多年以来，金融行业一直是吸纳AI能力，落地AI应用的先锋军与试验田。自中央金融工作会议将“数字金融”列为金融领域的“五篇大文章”之一，《“十四五”数字经济发展规划》等政策为金融智能化提供明确发展方向以来，金融行业与AI的结合就始终保持在高速发展的进程中。

回顾中国金融行业与AI的融合之路，可以发现其经历了三个主要阶段。第一阶段，AI与金融行业的结合是一种普遍性的战略设想，头部金融机构会在小范围业务中尝试部署AI与大模型能力。这时AI对于金融业来说尚且处在实验阶段，也就是我们所说的“井中月”；第二阶段，AI技术开始融入金融行业的核心业务，在客服、风控等代表性场景中归纳出了可复制的业务模型与发展经验，这时AI之于金融就像“溪边月”；第三阶段，也就是目前这个周期中，AI技术需要在金融行业中取得广泛性、规模化的商用部署，必须让金融行业能够直接从AI中获取可观的商业价值。这个阶段，金融与AI的代表性结合方式就是与场景结合更加密切，能够针对性实现价值目标的金融智能体。AI的月色，正通过智能体模式让金融行业千江同辉。

在这个关键节点上，领先的金融机构已经从“AI赋能”走向“AI原生”，致力于以智能体重塑核心业务、实现自主决策和闭环协同，重构金融价值链。但在转型过程中，也会面临诸如数据安全、模型幻觉、算法黑箱、智能算力短缺，以及中小银行资源人才不足等挑战。其中，金融机构应用智能体要面对的分别是以下三类挑战：

1. 如何让智能体与金融业务深度结合？

金融行业由一系列特殊的生产场景叠加而成，每个领域都需要极强的专业知识与专家经验。智能体落地金融，需要与大量金融行业专业数据、业务经验、工作流进行深度融合，并且适配金融行业敏捷创新的发展形态，才能最终实现业务价值与技术价值的双重闭环。

2.如何将智能体融入广阔的金融生态？

金融行业有着复杂而广阔的生态性，智能体必须对第三方应用服务与数据保持高度的开放性，以此才能确保金融智能体不会变成数字孤岛，金融机构在智能化趋势面前可以把握发展的主动权。

3.如何以智能体提高真实的用户体验？

金融智能体有可能全面提升金融机构的客服服务能力与服务质量，但前提是智能体必须能够主动理解用户意图，打造全周期记忆方案，确保每一次交互的准确与快速。想要实现这些能力，需要在具备一系列技术与基础设施能力的同时，拥有极强的智能体工程实践。

为了回答这些问题，**数字金融军团基于在全球范围已经帮助头部金融机构完成数百个AI场景落地的实践，涵盖了办公辅助、运营、营销、风控，对客等领域；打通了从易到难、循序渐进的过程，实现了增效到增值，从对内到对客，从单点应用走向综合方案的金融智能体进化。而最终的进化成果，就成了**让金融智能体月映千江的秘密——FAB金融智能体加速器。

为了破解金融机构落地金融智能体过程中的诸多挑战，避免行业在宝贵的发展空间中重复试错，**将AI创新方案、生态实践、与伙伴的联合方案、工程化经验沉淀下来，围绕智能体全面升级**金融数据智能方案5.5，推出了FAB-金融智能体加速器。基于FAB，金融机构可以快速针对核心生产业务开发部署智能体应用，进而加速AI价值的变现。

想要破解金融机构应用智能体的诸多问题，核心要义在于将智能体的复杂工程化繁为简，最终实现智能体能够灵活组装，业务构想得以快速实现。为了满足这一目标，FAB实现了三大差异化特点。它们分别是：

1.开箱易用。

在FAB中，**沉淀了超过50个专业的场景创新工作流，结合伙伴超过30个原子场景能力。这让FAB可以覆盖绝大多数金融机构的智能体业务诉求，当出现新的业务需求时，就可以通过FAB实现开箱易用的快速实现。以某金融机构的审贷联动智能体为例，基于FAB可以将开发时间从月缩短为周。

2.开箱随用。

为了满足金融机构在智能体领域的生态发展需求，FAB构建了丰富的MCP生态和领域知识库，让智能体能够灵活组装各种能力，准确简单地对接到第三方应用服务，让广泛的大模型与数据生态都成为金融智能体的发展动力。

3.开箱畅用。

想要让智能体带来真实提升的用户体验，就必须达到90%以上的准确率和毫秒级时延。为了实现这个严苛目标，**在过去几年间沉淀了大量工程实践，从而提炼出一系列的工程化工具。比如，智能体面客需要精准的意图识别，为此**沉淀了全链路模型调优工具，通过数据合成、Prompt优化，强化学习，让模型精度和效果能够快速迭代，达成90%以上的意图识别准确率，85%以上的任务调度准确率。同时，在AI面客语音交互过程中，**在模型、智能体平台、推理算力开展端到端优化，帮助金融机构实现毫秒级的智能外呼。

精准理解业务需求，广泛的生态性，并且可以带来真实可感的用户体验提升，这三点让FAB在金融智能体领域构筑了全方位的加速效应，从而让金融机构能以最简洁高效的形式，跨越绝大多数智能体挑战，实现AI价值的商业化落地。

只有让金融机构可以平等、普遍、高效地开发部署自己的智能体，AI在金融行业才能千江同辉。

如果说，FAB解决了金融机构开发部署智能体的难题，那么如何才能进一步确保金融行业在AI智能体时代获取最大的综合价值？

在**看来，优质的数据底座，以及具有高度韧性的存算网基础设施是金融机构拥抱AI红利的必要条件。同时，生态发展将帮助金融机构与合作伙伴实现AI时代的价值最大化。

**坚定硬件开放、软件开源战略。**一方面基于**坚实强劲的算力底座，持续加大投入，在AI智能体平台、模型，场景不断升级能力；另一方面，和伙伴充分合作，从AI平台、模型、场景各层，构筑算力上的繁荣生态；最终通过与客户联合共创的模式，围绕底座、模型、知识、平台&工程、架构、场景、人才和生态8大全面构建能力，助力客户稳步推进AI变革落地。

首先来看数据与知识，在AI进入金融业核心生产场景时，仅靠数据已经不能解决模型的专业问题。数据湖需要向知识湖升级，从而让AI更好理解和使用数据进行推理。知识湖既保留数据湖的原始、海量、多模态，又叠加知识图谱的结构、语义与业务上下文，让每一份数据都能被AI直接理解、检索、推理。

面向这一诉求，**全新推出了知识湖方案。以**加速大规模图计算与多模态知识分析，并且打造一站式知识管理平台DataArts Studio，开展高效的知识治理、萃取和本体建模。同时，**还联合伙伴创新知识场景应用，构建统一语义知识服务，满足金融机构在AI时代的数据与知识底座升级需求。

韧性是AI在金融业务场景真正落地的前提，也是金融机构永远不变的数字化追求。为了帮助金融客户实现更优质的基础设施韧性，**带来了全新的4大安全解决方案：零信任园区网实时动态鉴权；量子安全广域网实现抗量子解密；AI训推保护方案防推理模型投毒；数据安全黑匣子抗极限网络攻击，支撑金融面向智算时代安全方案建设。

在生态发展层面，**数字金融“融海计划”发布一周年，已携手融海伙伴在20多个国家实现联合方案合作落地，助力全球金融客户的新核心建设、数据平台升级和AI创新。本次峰会，**启动“融海计划·AI睿领行动”，从全域场景创新、全栈能力聚合、全面资源协同三个方面加速升级，携手伙伴在风控运营、运营体验、投研投顾、保险理赔等更多场景下不断打造AI创新方案，持续推动行业智能化进程。

数据、韧性、生态，**数字金融军团通过这些长期战略与系统化前行方向，构筑了金融智能化范围不断扩大，底座不断强化的八方通衢。智能体更好用、底座更健壮、生态更繁荣，金融与AI的结合在多重推力的加持下，正在迎来大规模部署、高效率商用的全新阶段。

为了更好地促进金融同业交流和学习，树立AI时代金融行业新标杆，共创行业新典范，**联合交通银行、太平洋保险和国泰海通证券，发布数智金融三大全球样板点，为全球金融机构的数智化转型提供参考蓝图和路径。

**目前已经拥有150多家金融解决方案生态伙伴。在金融行业，**携手全球超过11000家伙伴，在80多个国家和地区服务超过5600家金融客户。

在**与合作伙伴、客户的共同努力下，金融智能体，正迎来月映千江时。