智能不够，知识来凑：知识驱动的金融智能体-2025知识图谱峰会.pdf

“智能不够，知识来凑”——

知识驱动的金融智能体

演讲人：徐铖晋

粤港澳大湾区数字经济研究院AI研究科学家

数创弧光（深圳）科技有限公司CTO

01背景与挑战

WorkSummaryAndReview

02解决思路

目录WorkCompletion

CONTENTS

03金融场景应用

ProblemSolvingProgress

04未来方向

WorkPlanForNextQuarter

背景与挑战

WorkSummaryAndReview

金融场景要求深度全面的检索和推理，传统的RAG不足以支撑

知识图谱支持多跳推理，但构建成本高，与大模型交互不够友好

大模型在金融场景的核心矛盾

数据：全球金融AI市场规模

（2024年）

全球金融AI市场规模在2024年已经达

场景：非决策业务vs决策业务

到数百亿美元，显示出巨大的增长潜力。

然而，这一增长背后隐藏着高风险决策大模型目前在金融场景的落地更多见于智

与黑箱模型之间的矛盾，尤其是在信用能客服、智能营销、智能投顾等非决策类

评分和风险管理等关键领域。场景；在金融风控、欺诈检测、审计及投

研等严肃场景的应用仍未成熟

痛点：高风险决策vs黑箱模型

（欧盟AI法案要求）

技术瓶颈：事实性错误、推理不可

欧盟AI法案对高风险决策的透明性和可

追溯

解释性提出了严格要求，金融机构必须

金融AI模型在事实性错误和推理不可追溯

确保其AI模型能够提供清晰的决策依据，

方面存在显著瓶颈，尤其是在处理复杂金融

以避免潜在的法律和声誉风险。

数据时，模型的决策过程往往难以追踪和验

中国《生成式AI服务管理暂行办法》强