金融IT行业发展趋势 - 当前全球大模型及应用场景研究处于类似寒武纪生命大爆发的阶段，基础模型迭代速度极快，应用百花齐放，杀手级基模、超高智能基模及高质量应用将在短时间内出现 [2] - 金融IT发展的主脉络可浓缩为"国产化"与"智能化"两大关键词，二者共同推动行业进入全链条升级阶段 [3] 国产化深化 - 金融机构数字化转型需求持续加大，覆盖范围从银行、证券、保险延伸至消费金融、融资租赁等机构，2025年相关项目呈现爆发式增长 [4] - 券商、保险机构在国产数据库选型、云平台选型、硬件采购及新核心系统ISV合作上的项目数量显著增多，部分ISV业务量呈现指数级增长 [4] - 未来几年仍是国产使用的高峰窗口期，技术架构建设的投资是必要且必需的，即便整体IT投资缩减，国产化相关投入也会得到全力保障 [4] - 新的增长机会主要集中在区域性银行以及中尾部券商、保险及消费金融、融资租赁等机构 [4] - 数据库国产切换进程不断深化，近一年国内数据库厂商数量减少60多家，金融机构更倾向选择头部厂商的成熟产品 [5] - 腾讯云分布式和集中式数据库在2023年通过安全可靠测评，2025年达到软件供应链安全最高标准，已服务超100家银行及近200家专有云客户 [5] 智能化突破 - DeepSeek的出现成为AI大模型在金融行业落地的重要转折点，开源基模能力接近OpenAI，大模型技术得以"走进千家万户" [5][6] - 大中小金融机构都能以低成本快速开发应用，呈现百花齐放态势，但探索仍较粗放，多数应用仅能满足基础体验 [6] - 头部或技术能力较强的机构已进入深度探索阶段，AI应用正沿"四阶段"演进：从"能聊天"到"能干活"，再到"自主规划"，最终走向"多Agent协同" [6] 成熟应用场景 - 代码助手在金融机构代码开发全流程中表现突出，包含提供问答、代码补全、编写、测试用例生成及测试执行等全方位支持 [7] - 企业对内、对外的知识库应用较为广泛，券商领域的初级投顾、咨询、舆情等分析也相对成熟 [7] - 交易领域的大模型应用目前尚处于早期，券商仍在规划研究阶段，风控领域已有相关尝试 [7] - 腾讯云团队开发的风控大模型（MaaS模型）整合了决策模型与语义分析能力，智能性高于传统决策模型 [7] - 该风控大模型已应用于零售业务领先的商业银行及头部消费金融机构，对用户的识别区分度提升了10%—20% [8] 挑战与优化 - 大模型应用中存在的幻觉问题及风控模型共振等风险是棘手难题，当前尚无法完全解决 [8] - 腾讯云通过多模态验证、不同决策模型结果验证、嵌入安全模型等方法优化，但完全消除幻觉仍是业界未攻克的难题 [8] 战略布局与实施路径 - 银行、证券、保险机构对AI投入积极，许多高管将其置于战略高度，投入规模属"战略级" [9] - 机构更关注"阶段性跑出可用场景"，战略规划时投入设想较大，但落地时会谨慎细化资源分配 [9] - 腾讯云协助客户优化投入，通过规划算力池、平台及软件的最优配置，最终执行预算常能削减一半以上 [9] - 金融机构需构建"小模型+大模型"的协同体系，先打通并治理数据，再训练小模型处理细分环节，最后组合成有实际价值的智能体 [10] - 智能化架构搭建需要"模块化规划、阶梯式推进"，底层夯实算力基础设施，中层搭建训推平台，上层聚焦业务场景应用开发 [10] - 应用探索需遵循"从易到难、小步快跑"原则，初期选择技术成熟度要求较低、业务价值明确的场景 [10] 总结 - 金融智能化落地是一场"持久战"，顶层规划决定方向，协同机制保障执行，阶梯式探索控制风险，三者缺一不可 [11]