行业趋势：AI在金融业的应用阶段与核心挑战 - AI应用正从核心生产环节的“可用”阶段迈向创造业务价值的“好用”阶段 [3][8] - 其中高达90%的成功取决于工程化能力 [3][8] - 大模型发展正进入“智能体（Agentic）时代”，AI将调用外部工具并自主完成任务，实现业务自闭环 [3][8] 行业影响：AI将引发的结构性变革 - 重塑流量入口：从被动APP点击转向主动识别意图的智能体服务 [3][8] - 重新定义金融产品与服务：实现深度定制化 [3][8] - 以智能体重塑全用户旅程：使金融服务更加普惠 [3][8] - 重构运营对象与形态：智能助理将成为影响客户心智的主渠道 [3][8] - 最终影响人才与组织：迈向“人机共存”的新状态 [3][8] 公司战略：华为的金融AI全栈能力 - 华为金融AI战略旨在支撑行业从“可用”到“好用” [3][8] - 提供从昇腾算力底座、一站式AI开发平台（ModelArts）到智能体开发与运行平台（Versatile Agent）的全栈能力 [3][8] - 辅以人才培养课程 [3][8] 应用场景：与头部金融机构联创的典型案例 - 手机银行APP场景：采用盘古7B等小参数模型，通过数据合成与精细微调，将精度提升至95%以上，同时优化算力利用并降低成本 [4][9] - 所构建的多级智能体系统支持多轮交互与动态跳转，端到端时延可控制在2秒以内 [4][9] - 智能风控场景：核心是将风控专家经验转化为“思维链”数据，并选用具有“慢思考”能力的大模型进行强化学习，使模型兼具专家知识与复杂逻辑推理能力 [4][9] - 通过构建从数据合成到模型调优的完整开发流水线与持续运营机制，确保风控模型能实时更新，保持高精准度 [4][9] - 报告生成场景（信贷、投研）：创新采用“深度研究（Deep Research）”开发范式，智能体可自动进行任务编排，通过与外部数据源和知识库交互、检索、验证与判断，最终生成高质量报告 [4][10] - 该范式有效提升了报告的准确性与生成效率 [4][10] 核心观点：金融业AI应用的关键在于工程化 - 金融业作为强监管、高标准的行业，简单套用通用模型或外挂知识库“不可用”，真正的挑战在于工程化 [5][10] - 以手机银行为例，解决系统性时延、精度、拟人化与成本问题，需具备强大的动态业务编排能力，并完成复杂的模型调优、智能体调优、系统集成及全链路监控体系构建 [5][10] - 华为正将这类工程能力沉淀至平台或转化为专业服务 [5][10] 实施建议：金融机构成功应用AI的要点 - AI应是公司级战略，需一把手牵头 [6][10] - 业务部门必须深度参与，构建“技、业、数”融合团队 [6][10] - 坚持“好用”而非“盆景”式应用，关注日调用量等实际指标 [6][10] - 采用多元化模型与开放架构 [6][10] - 结合专业领域工程经验 [6][10] - 构建企业级AI流水线及符合监管的安全治理体系 [6][10] - 建设高质量数据集 [6][10] - 认识到90%的成功取决于工程能力 [6][10] - 金融机构需以战略决心和定力，在监管指导下构建安全应用环境与适配组织，围绕价值场景释放业务价值 [6][10]