AI Agent百景图（金融行业）.docx

金融行业

百景图

Agent100inFinancialIndustry

NewFinanceNewFuture

作者

张翅

阿里云智能集团副总裁新金融行业总经理

简介

张翅先生曾经在蚂蚁金服智能科技团队负责蚂蚁金服科技产品的开放合作，推动内部技术产品化和金融行业数字化转型。从2017年开始先后负责了从银行、保险、证券到金融服务等多个重要客户的数字化项目，深耕金融科技、云原生分布式架构、移动平台、大数据、人工智能、区块链等数字金融技术领域。在加入阿里云和蚂蚁金服前，张翅先生先后供职于甲骨文、Pivotal，领导参与了多个重大项目的建设，拥有丰富的企业架构设计、IT战略规划、产品研发及团队管理等专业经验。

C-]阿里云

前言

河海不择细流，故能就其深。2025年是国务院《新一代人工智能发展规划》发布的第8个年头，也是国家层面提出通用人工智能的第2个年头。通用人工智能是新质生产力的典型代表，当下已成为全球科技竞争的制高点。当DeepSeek春节期间在全球引爆开源革命，当Qwen2.5-Max在ChatbotArena实现智能跃迁，我们恍然惊觉，中国力量已然成为这场科技革命中的引领者，并引发了产业界的系列变化：

●杰文斯悖论的延伸：大模型能效的指数级提升非但不会降低算力的消耗，反而会催生出更复杂的智能应用场景，从而激发更大的算力需求，如同19世纪煤炭效率提升刺激更大能源需求那般；

●梅特卡夫定律的演变：开源生态存在显著优势，更多的研究者和开发者通常会带来更多的使用场景、更快的模型算法创新、更丰富的工具链产品，从而全方位推动技术进步。

过去的一年里，我们看到金融机构的大模型应用已从局部试水迈向全场景深度渗透，从内部提效转向外部赋能，从知识问答、办公辅助等传统场景向投研决策、信贷审批等复杂场景延伸，以招商银行x阿里云为代表的合作，已实现大模型在智能投研、财富管理等高价值环节的专家级推理能力。应用场景的深入带来模型架构的持续进化，通用大尺寸模型与专业小尺寸模型并行，通过模型训练微调注入专属领域知识，提升专业能力，降低推理成本，在有限的资源下推动应用快速落地。应用场景的丰富特别是对客服务场景，对算力需求以及系统并发和服务能力提出了更高要求，金融机构的算力基建进入攻坚期，这场算力竞赛的成败亦将决定企业未来的智能化水平，乃至在市场中的竞争能力。

这场始于岁末年初的智能革命，正在书写金融科技史上前所未有的范式迁移。未来企业的大模型架构是一个MoA（Mixture-of-Agents）混合架构，即一个强大的通用模型加一个强大的推理模型，通常是千亿或万亿参数，采用MoE架构，作为企业智能基座；N个中小尺寸的稠密模型，用在不同场景Agent当中，可以通过模型蒸馏提升其领域能力；工具链层面，一个训练推理平台加一个Agent工厂，构建企业级的数据飞轮，基于在若干Agent在场景中沉淀的数据，使用基座模型对领域模型进行蒸馏；当这些Agent积累的数据不断丰富后，基座模型也能够通过强化学习进一步增强，逐步演变成企业内部自有的世界模型。这种模型架构与开发范式，不仅是对传统业务流程的一次重大升级，也为金融机构探索新的商业模式和服务模式提供了可能。

为助力金融机构依托大模型实现业务创新突破，我们精心梳理过去一年多与众多金融机构携手共创的业务场景，将其整理成册。这本册子凝聚着实践经验与创新思路，期望能为金融机构在大模型应用浪潮中找准方向，开启业务拓展与升级的新篇章。

张翅

阿里云智能集团副总裁新金融行业总经理

C-]阿里云

目录

01

开篇

金融场景创新的AI时代

时代背景

Agent是大模型落地的最佳形态金融行业Agent落地典型实践

金融机构大模型落地路径金融行业Agent发展趋势

01

03

04

08

09

02银行

金融行业信贷（8Agent）11

风控（3Agent）27

Agent百景图AINative手机银行（4Agent）33

证券

投研（7Agent）41

投行（2Agent）