文章核心观点 - 本期《金融史》将基金视为融合历史智慧、制度信任与未来愿景的文明载体，提供了理解现代金融生态的宏大视角 [1] - 基金的力量已超越资本融通，体现在塑造未来产业格局、驱动科技创新和实体经济发展，并承担起财富守护与国家产业助推的时代使命 [17] 基金行业历史脉络 - 系统勾勒了基金演进的全球航线图，从1868年全球首只契约型基金诞生，到美国创投七十年历程，再到中国基金业从“珠信基金”发展至今 [3] - 中国基金业已成长为全球资本市场的重要力量，苏州基金博物馆通过六大展厅以“声、光、电、影、物”等手段进行金融启蒙，使基金走进公众认知 [3][4] 核心发展理念与观点 - 基金的核心在于“信托、理财与价值观”的三位一体，这将其从技术层面提升至价值层面，强调了社会责任 [6] - “耐心资本”因长期性、稳定性和较高风险承受能力备受关注，已成为中国资本市场建设、技术革命及构建未来新兴产业体系的战略支柱 [8] - “耐心资本”具有秉持长期主义、风险承受能力较强、注重价值投资三个特征，致力于追求长期回报，能承受短期市场波动 [8] - 基金安全被比作“新的长城”，是行业发展的基石 [6] - 对政府引导基金“异化”现象进行了剖析，共同构建了理解当下与塑造未来的基金方法论体系 [6][7] 耐心资本的发展现状与作用 - 2024年4月，中共中央政治局会议首次提出“壮大耐心资本”；同年7月，党的二十届三中全会进一步明确“发展耐心资本” [8] - 截至2024年6月，中国存续的创业投资基金达到24,344只，总规模3.3万亿元，为科创企业发展提供坚实支持 [9] - 耐心资本与新质生产力紧密结合，在政策与市场需求驱动下，支持新质生产力取得积极进展 [8][9] - 在重要行业和关键领域，国有资本展现强大资源整合能力；民营资本涌现如京东方等长期深耕科技创新的企业 [9] - 国际资本方面，高技术产业引资占比高达37.3%，更多国际创投机构关注中国AI、生物医药、新能源等领域的科技企业 [9] 中国基金行业规模与对比 - 中国目前注册有2万多家GP管理团队、6万多只基金，而美国只有2000多个，中国GP数量是美国的10倍 [12] - IDG资本于1993年在上海成立中国历史上首家风险投资公司，初始资金2000万美元（IDG集团与上海市科委各1000万美元） [13] - 对比过去，今天的基金行业发展呈燎原之势，发生了翻天覆地的变化 [13] 风险投资与互联网发展案例 - IDG资本投资了中国互联网的半壁江山，早期参照美国模式进行投资，如对应雅虎投搜狐、对应ICQ投QQ（腾讯）、对应谷歌投百度 [13] - 2004年腾讯上市时尚未明确盈利模式，2005年百度上市时刚开始赚钱，当时中国互联网用户达到1亿 [14] - 当前中国互联网和移动互联网用户全球最多，已发展至4G乃至5G网络，在移动互联网终端上已开始比美国领先 [14] - 2005年后，IDG资本与美国Accel Partners合作成立首只成长期PE投资基金IDG-Accel，并投资了多个新领域 [14] 行业前沿趋势与未来展望 - AI与算法正在重塑投资决策，元宇宙开辟了全新资产类别与应用场景，ESG从边缘走向核心，成为衡量投资价值的伦理标尺 [17] - 基金行业正以开放姿态拥抱创新，例如苏州基金博物馆推动数字化转型，运用元宇宙直播年会、打造虚拟金融场景 [17] - 基金需成为老百姓财富稳定增长的“守护者”与国家核心产业发展的“助推器”，是响应养老、绿色金融等重大社会需求的战略性力量 [17]

项目获奖与行业地位 - 公司联合申报的“基于数据要素驱动的保险风控服务项目”荣获2025年“数据要素×”大赛全国金融服务赛道总决赛二等奖，该赛事由国家数据局联合20多个部委主办，共有2.2万个参赛项目[1] - 该项目凭借在数据融合、安全合规与智能风控领域的系统创新，成为金融行业数据要素落地的典型代表[1] 项目核心技术与数据能力 - 项目构建了行业首个“数据-风控-生态”数字化风控体系，依托平安集团数据底座，构建了覆盖保单、赔案、车辆等十大高质量数据库，总数据量超过PB级，融合370+权威数据源[2] - 项目数据标准达到DCMM五级水平，并构建了保险垂域大模型，基于万亿保险语料和亿级理赔数据，知识自动化率达70%、数据知识化率达50%[2] - 平安集团沉淀超过30万亿字节数据，覆盖近2.5亿个人客户，并积累3.2万亿高质量文本语料、31万小时标注语音语料及75亿图片语料用于大模型训练[3] 项目应用成效与行业赋能 - 项目模型已在理赔风控、风险定价、欺诈识别等场景落地，通过普惠金融开放平台向行业输出能力，赋能20+保险机构，带来经济与社会效益逾百亿元[2] - AI已全面赋能公司核心业务：车险89%单件平均一分钟智能出单，人伤案件理赔自动化率达63%，最快结案仅需51秒[3] - 2025年前三季度，AI坐席服务量超12.92亿次，覆盖集团80%客服总量，AI辅助销售金额达990.74亿元[3] 公司战略与未来方向 - 作为公司对外金融科技输出的唯一窗口，正以SaaS化模式将AI、大数据、智能风控等领先成果向行业与生态输出，提供全链路解决方案[3] - 未来将继续发挥科技输出窗口作用，携手生态与行业探索数据要素驱动的智能金融新模式，助力金融业高质量发展[4]

行业观点 - 金融大模型将走向专业化、轻量化、合规化，大模型不是量化交易的终点，而是智能金融新纪元的起点 [1][8] - 大模型正在重构量化交易的范式，多智能体与多模态融合将推动技术演进，未来可能完全依靠机器在强化风控下抓取投资机会 [3] 量化交易现状与瓶颈 - 全球量化交易在美股市场占比已超60%，在A股市场占比约为20%-30% [4] - 2019年到2022年间，A股量化基金数量翻倍，占主动型公募基金的18% [4] - 交易策略同质化严重：在A股市场极端分化行情中，超过七成的量化多头产品跑输了基准指数 [4] - 量化策略自适应能力较差：在少数权重股急速上涨、大量个股平淡的市场结构下，持仓分散的策略难以适应 [4] - 信息处理窄：传统策略依赖财务数据与量价指标，存在信息滞后与同质化问题，限制发现独特Alpha的能力 [4] - 研发成本极高：可选因子数量激增带来巨大选择困难，增加了策略研发的复杂度和试错成本 [4] 大模型的技术赋能与优势 - 大模型是实现从“经验驱动”到“智能驱动”的量化新范式的关键 [6] - 技术已完成从专家系统、机器学习、深度学习到“大模型+”的迭代，实现基于理解与推理的协同决策 [6] - 核心优势在于强大的逻辑推理能力与对海量非结构化数据的处理能力，能突破传统量化模型的技术瓶颈 [6] - 通过自动化信息挖掘、多模态融合决策、动态推理与适应、自然语言交互等，提升策略的深度、广度与自适应能力 [6] 大模型对量化交易全流程的重塑 - 数据来源：自动化处理并提取关键市场信号，减少人工特征工程工作量 [7] - 信号生成：通过深度学习与强化学习结合进行实时分析决策，生成交易信号并提供策略建议 [7] - 决策生成：通过元学习与强化学习模型，自动生成适应市场变化的交易策略并优化投资组合 [7] - 执行策略优化：分析市场深度与订单簿数据，实时监控市场并通过滑点控制减少市场冲击与成本 [7] - 风险控制：实时监测市场波动与宏观数据，预测风险事件并自动调整策略实现动态止损 [7] 实战案例与中国模型表现 - 在2024年10月-11月的Alpha Arena实盘交易大赛中，Qwen3-Max与DeepSeek-v3.1两款中国模型是唯二盈利的模型，4款美国大模型均亏损 [8] - 中国模型的优势包括：交易极度选择性（平均每天仅3.4次交易）、盈利最大化（平均单笔盈利达181.53美元）、快速止损、耐心持有盈利仓位 [8] - 大模型在金融领域存在“幻觉问题”，对新闻报道个别词汇的微调可能导致市场判断与交易策略大幅调整 [8]

公司获奖情况 - 金融壹账通联合平安人寿、平安科技申报的寿险全面数字化转型项目荣获中国人民银行“2024年度金融科技发展奖”二等奖 [1] - 金融壹账通联合平安产险申报的新能源“科技+保险”新模式建设项目荣获中国人民银行“2024年度金融科技发展奖”二等奖 [1] - 公司连续第四年荣获中国人民银行“金发奖” [1] 寿险数字化转型项目 - 项目以AI为引擎，构建覆盖客户、代理人、内勤三大主体的智能化运营体系 [1] - 项目全面实现“数据驱动+人机协同” [1] 新能源科技保险项目 - 项目围绕新能源产业风险特征，打造车企、险企、车主三方共建的科技保险生态 [2] - 项目构建“险企+车企+行业”多方联合动态定价模型 [2] - 项目结合车机系统、路端设备与云端分析能力，实现事故责任智能判定与核赔自动化 [2] - 通过“车路云协同”一体化理赔模式，最快5分钟完成现场撤离 [2] - 客户理赔等待时间缩短60% [2] - 次生事故发生率下降26% [2] - 基于AI大模型的事故仿真平台可反哺车企产品迭代，实现风险减量与产业协同 [2] - 项目创新搭建全球风险地图与量化模型，为新能源企业“走出去”提供安全保障与风险管理支持 [2] 公司未来战略 - 公司将继续发挥科技输出窗口作用，携手平安生态及行业伙伴，共同探索智能金融新模式 [2] - 公司致力于为服务实体经济、培育新质生产力、提升金融风险防控能力贡献平安力量 [2]

项目获奖与行业地位 - 金融壹账通联合平安产险、平安科技、深圳市大湾区金融研究院申报的《基于数据要素驱动的保险风控服务项目》荣获2025年"数据要素×"大赛全国金融服务赛道总决赛二等奖 [1] - 该大赛由国家数据局联合20多个部委及机构共同主办，设置13个行业赛道，全国参赛项目达2.2万个 [1] - 项目凭借在数据融合、安全合规与智能风控领域的系统创新，成为金融行业数据要素落地的典型代表 [1] 项目技术创新与数据能力 - 项目构建了行业首个"数据-风控-生态"数字化风控体系，覆盖保单、赔案、车辆、气象、灾害等十大高质量数据库，总数据量超过PB级 [2] - 项目融合了370家以上权威数据源，形成行业首个合规数据融合模式与理赔知识工程体系，数据标准达到DCMM五级水平 [2] - 项目构建了保险垂域大模型与知识工程体系，基于万亿保险语料和亿级理赔数据，知识自动化率达70%、数据知识化率达50% [2] 项目应用成效与行业赋能 - 项目模型已在理赔风控、风险定价、欺诈识别等场景落地，显著提升风险识别精度与风控效率 [2] - 项目通过普惠金融开放平台向行业输出能力，已赋能20家以上保险机构，带来经济与社会效益超过百亿元 [2] 公司数据与AI战略实力 - 公司沉淀超过30万亿字节数据，覆盖近2.5亿个人客户，积累3.2万亿高质量文本语料、31万小时标注语音语料及75亿图片语料 [3] - AI已全面赋能公司核心业务：车险89%单件平均一分钟智能出单，人伤案件理赔自动化率达63%，最快结案仅需51秒 [3] - 2025年前三季度，AI坐席服务量超12.92亿次，覆盖集团80%客服总量；AI辅助销售金额达990.74亿元 [3] 科技输出与未来方向 - 作为公司对外金融科技输出的唯一窗口，金融壹账通正以SaaS化模式将AI、大数据、智能风控等领先成果向行业与生态输出 [3] - 未来将继续发挥科技输出窗口作用，携手生态与行业探索数据要素驱动的智能金融新模式，助力金融业高质量发展 [4]

项目获奖与行业认可 - 金融壹账通、平安产险、平安科技、深圳市大湾区金融研究院联合申报的《基于数据要素驱动的保险风控服务项目》荣获2025年"数据要素×"大赛全国金融服务赛道总决赛二等奖，从全国2.2万个参赛项目中脱颖而出[1] - 该大赛由国家数据局联合中央网信办、工业和信息化部等20多个部委及机构共同主办，设置13个行业赛道，旨在推动数据要素市场化进程和数据与产业深度融合[1] - 项目凭借在数据融合、安全合规与智能风控领域的系统创新，成为金融行业中数据要素落地的典型代表[1] 数字化风控项目核心能力 - 项目构建了行业首个"数据-风控-生态"的数字化风控体系，以解决保险行业"数据整合难、流通难、应用难"的痛点[2] - 依托平安集团数据底座与分布式计算能力，项目构建了覆盖保单、赔案、车辆、气象、灾害等十大高质量数据库，总数据量超过PB级[2] - 项目融合了370+权威数据源，形成行业首个合规数据融合模式与理赔知识工程体系，数据标准达到DCMM五级水平[2] 平安集团数据与AI实力 - 平安集团沉淀超过30万亿字节数据，覆盖近2.5亿个人客户[2] - 基于海量数据训练大模型，积累3.2万亿高质量文本语料、31万小时标注语音语料及75亿图片语料[2] - AI已全面赋能核心业务：车险89%单件平均一分钟智能出单，人伤案件理赔自动化率达63%，最快结案仅需51秒[2] - 2025年前三季度，AI坐席服务量超12.92亿次，覆盖集团80%的客服总量；AI辅助销售金额990.74亿元[2] 未来发展规划 - 金融壹账通将继续发挥科技输出窗口作用，携手平安生态及行业探索数据要素驱动的智能金融新模式[3] - 目标为助力金融业高质量发展，服务实体经济，提升金融风险防控能力[3]

公司战略与技术布局 - 公司技术布局与国家"人工智能+"战略同频共振 紧扣政策导向 [1] - 公司计划在2025年底前推动核心业务三分之一需求通过智能体实现 [6] - 研发投入近百亿 申请专利近千项 AI相关专利占比过半 研发团队规模逾千人 [4] 产品应用与技术创新 - 展示信贷智能体在金融核心业务的落地应用最新进展 [1] - AI审批官融合多模态识别技术 实现T+0审批时效 自动标注可疑风险点 [4] - 智能体应用涵盖大模型开发 智能客服 自动化运维等多维度场景 [4] 业务合作与行业影响 - 联合多家银行规划建设面向智能体应用的联合实验室 聚焦信贷审批 风险管理 合规运营等高价值环节 [5] - 通过周期性迭代和多专家共创 沉淀可复用模型优化方法与工程化标准 [6] - AI审批官已帮助多家合作银行实现审批效率数倍提升 [4] 行业发展与趋势 - 金融智能体正经历从辅助到决策 从外围到核心 从局部到全局的进化 [6] - 国务院提出到2027年实现人工智能与六大领域深度融合 智能体应用普及率超70% [1] - AI技术与金融场景深度融合推动更高效 更安全 更普惠的智能金融时代加速到来 [6]

文章核心观点 - 生成式AI投资回报成为产业界核心议题 大模型技术需跨越技术潜力与商业价值之间的鸿沟 [1] - 金融业是数字化转型先锋 金融机构需解决大模型落地最后一公里问题 [1] - 2025年将成为金融行业深度整合AI 实现大模型技术红利兑现的关键拐点 [1] - AI应用关键是以投入产出比（ROI）为标尺校准应用范式 优化落地路径 而非陷入技术竞赛 [1] - 大模型驱动以ROI为导向的生产力革命已在金融业头部机构中发生 [1][3] 技术发展现状 - 大模型从聚光灯下的明星技术沉淀为驱动社会运行的智能基础设施 [6] - 模型演进方向从探索能力边界转向追求效率革命 算法与架构优化重新定义性能天花板 [11] - 算力需求呈现更重视推理的结构性变化 [11] - 数据训练关注点从追求海量规模转向倚重高价值精准数据 [11] - 应用场景从提效工具升级为协作伙伴 智能体重构人机协作形态 [11] 金融业应用实践 - 领先大行将复杂信贷审批报告分析从数小时甚至数天压缩至3分钟 准确率提升超15% [3] - 头部券商借助AI智能体实现7X24小时监控全球超过5000家上市公司动态 [3] - 海外顶尖投行部署数百个AI程序员 后续或增至数千个 目标将工程师生产力提升三到四倍 [3] - 全球近半数金融机构已启动大模型应用建设 行业从试验阶段迈入规模化部署期 [12] - 银行业是大模型落地应用最广泛领域 证券和保险行业头部机构探索多样化应用模式 [12] 落地挑战与应对 - 面临局部突破与整体效能平衡 创新投入与资源效能平衡 前沿探索与风险防控三大平衡关系考验 [14] - 深度应用面临高价值数据资源碎片化 战略规划和投资回报不清晰 低容错场景技术适配难 组织人才升级滞后等挑战 [15] - 需从战略 数据 组织 技术四个层面系统施策 构建四位一体综合能力框架 [15] - 智能理财助理 财富管理风控 保险代理人 投研报告生成 编程助手等场景已实现商业化突破 [15] 未来发展趋势 - AI驱动金融服务走向普惠化 智能化与个性化 将专家级服务带给更广泛长尾客户群体 [16] - AI与人类专业能力深度融合重新定义金融运营与管理模式 加速推动复合型创新型金融人才需求形成 [16] - 高质量私域数据挖掘与应用将成为金融机构核心竞争力 [16] - AI技术和治理体系成熟将推动监管科技效率与效能提升 [16]

公司荣誉与技术创新 - 中邮消费金融凭借《智能风险反欺诈的创新研究与应用实践》案例入选"智能金融十佳案例"，该案例聚焦AI技术滥用引发的新型欺诈风险 [1] - 案例创新构建"视觉反欺诈+星网反欺诈+多模态反欺诈"三位一体智能防御体系，为行业风控升级提供新范式 [1] - 体系核心技术突破包括动态生物特征深度防御、智能关系图谱精准识别（采用NEI-GraphSage模型）、跨模态决策框架三大方向 [1] 技术应用与成效 - 反欺诈体系已覆盖贷前准入、贷中审批、贷后管理全流程，在营销薅羊毛检测、身份核验、团伙欺诈识别等场景实现突破 [2] - 2024年精准拦截不合规申请109万笔，阻断欺诈案件8479笔，挽回营销损失455万元 [2] 未来发展规划 - 公司将持续深化智能反欺诈体系应用，深耕前沿技术研发并迭代升级全流程风控体系 [2] - 目标是以科技实力守护金融安全，为数字金融高质量发展注入持久动能 [2]

产品发布 - 科蓝软件与河南昆仑技术有限公司在2025中国国际金融展上联合发布基于昆仑技术算力底座的AI原生手机银行解决方案 [1] - 该方案以"多智能体协作架构"为核心，旨在为金融客户提供高度个性化的智慧金融服务 [1] - 解决方案适用于各类银行机构，可无缝融入现有手机银行体系或作为智能化升级核心引擎 [5] 技术特点 - 系统具备三大核心能力：深度理解、瞬时响应、精准定制 [1] - 通过多模态交互与深度学习精准洞察用户显性和隐性需求 [1] - 基于客户画像、市场动态和风险偏好的毫秒级分析，动态生成个性化金融建议 [2] - 利用高效算力分配与智能体间极速通信实现近乎无感的流畅体验 [3] 应用场景 - 可为零售客户、财富管理客户及小微企业主提供智能化、专属化服务体验 [5] - 在复杂理财规划、实时动态风控、场景化信贷及智能投顾客服等领域具有巨大应用潜力 [5] 行业影响 - 展示了国产核心技术在金融科技前沿领域的强大应用 [6] - 勾勒出未来"所想即所得"的智慧金融服务蓝图 [6] - 标志着以人工智能为核心驱动力的金融科技新篇章开启 [6]