金融行业大模型市场格局与厂商表现 - 2025年金融行业大模型中标项目数据显示，育度以38个项目、6021万元披露金额位列第一，科大讯飞以37个项目、5881万元紧随其后，火山引擎、中关村科金、阿望云分别位列第三至第五 [1] - 百度智能云凭借其覆盖算力、模型到应用的AI云全栈能力，已连续两年成为金融行业“中标王”，并成为全部系统重要性银行及800多家金融机构的共同选择 [6] 金融行业大模型应用现状与趋势 - 金融机构对大模型的接受度持续提升，2025年大模型中标项目覆盖银行、证券、保险、基金、资管、消费金融、信托、支付、征信等多个细分领域 [2] - 银行类机构是大模型落地的主力，2025年中标项目数量达290个，占比49.4%，其后依次是证券机构（96个）和保险机构（82个） [2] - 大模型需求明显向应用层集中，2025年金融应用类项目达到312个，占比53% [3] - 应用场景中，智能客服与数字人（81个项目）、知识问答与知识平台（35个）、智能审核与分析决策（28个）、智能编程（15个）以及内容生成（14个）位列前五 [3] - 大模型应用正从内部辅助工具快速向客户经理助手、客服助手、财富管理助手等前台、面客类高并发、低时延业务延伸 [4] - 国内已有金融机构内部大模型服务的日调用量突破百亿Tokens，表明应用已从试点进入规模化落地阶段 [3] 大模型在金融业务中的具体价值体现 - 在证券领域，百度智能云与银河证券合作的“场外交易Agent”帮助准确理解客户询价需求，使客户从询价到下单的转化率提升了3倍，业务规模翻倍增长 [3] - 中信百信银行与百度智能云联合推出的“智能风控Agent”将风控特征挖掘效率提升了一倍，风险区分度提升了2.4% [3] - 百度智能云基于昆仑芯P800与招商银行的算力合作，有效提升了招商银行在多模态数据分析、智能客服、代码助手等场景的应用效能，部分多模态模型推理性能达到行业领先水平 [6] 金融机构对大模型能力的需求演进 - 随着模型推理、安全和性能等能力提升，以及生成式AI平台工具链完善，大模型正推动金融机构从交互体验创新迈向更深层次的业务逻辑创新 [2] - 金融机构不仅需要通用基础模型，也迫切需要围绕信用风控、交易监测、客户服务、合规审查等垂直场景构建“专精模型” [5] - 行业正进入高强度、真实业务负载阶段，破解复杂命题的关键在于构建覆盖算力、模型到应用的全栈能力体系 [4][6]

大会概况与主题 - 第六届金融科技应用与服务大会于12月18日在上海召开 [1] - 大会主题为“AI赋能金融创新”，深入聚焦人工智能驱动下金融业的根本性变革，包括业务范式重构、治理体系现代化以及全球竞争力的重塑 [1] 行业组织与标准化进展 - “金融智能化专家工作组”在大会期间正式成立并揭牌，该工作组由上海现代服务业联合会、上海金融业联合会指导，汇聚产学研多方力量 [1] - 工作组致力于构建开放协作的前沿技术攻坚与标准研制平台，未来将围绕联合研发、标准制定与生态共建等方面开展工作 [1] - 工作组同步发布《智能编排技术赋能金融领域业务自动化》白皮书框架并召开研讨会议，旨在将早期探索凝练为可复用的方法论与实践指南 [1] - 此举标志着行业对AIAgent等前沿技术的应用，开始从分散探索步入规范共建与风险共治的新阶段 [1] 获奖机构与公司 - 获得“金融创新解决方案奖”的机构包括：浦发银行、上海农村商业银行、厦门国际银行上海分行、兴业银行上海南外滩支行、中泰证券、湘财证券、上海对外经贸大学出海金融服务与数据科学实验室、银联数据、华为、金浦产业投资基金管理公司、上海市联合征信、北银金融科技、众安信科、携程金融科技、上海易涟信息技术、上海生腾数据科技 [2] - 获得“领军企业奖”的企业包括：花旗银行（中国）、深圳平安综合金融服务、天弘基金、上海申银万国证券研究所、上海国际信托、浦银金融租赁、海通恒信国际融资租赁、上海合合信息科技、珠海金智维人工智能、上海复深蓝软件、通联支付、空中云汇（上海）网络科技 [2] - 大会还颁发了“智能金融服务体验奖”、“服务模式创新奖”、“优秀品牌价值奖”、“行业生态贡献奖”、“ESG先锋典范奖”、“创新突破企业奖”、“领军人物奖”及“新锐人物奖”等多项奖项，全面覆盖金融科技领域的多元创新成果与杰出代表 [3] 大会组织方 - 本次大会由上海现代服务业联合会、上海金融业联合会联合主办 [3] - 浦发银行、上海数据集团、天弘基金、湘财证券协办大会 [3] - 大会由上海现代服务业联合会金融科技服务专委会、上海金融业联合会金融科技专委会、上海数据集团金融科技有限公司承办，上海现代服务业发展研究基金会支持 [3]

中国金融现代化发展趋势 - 智能化、绿色化、数字化、国际化是金融现代化的时代潮流 [1] - 科技金融、绿色金融、普惠金融、养老金融、数字金融构成行业发展的“五篇大文章” [1] 金融智能化进展 - 银行、保险、证券、金融科技机构广泛布局智能客服系统 [1] - 智能客服专利申请量全球前十中中国企业占据6席，专利申请量占比达65% [1] - 人工智能在风险控制、客户服务等领域深度应用，金融机构智能客服替代率上升至70% [1] 金融数字化进程 - 金融科技发展规划提出到2027年主要金融机构数字化率超过85% [1] - 数字金融业态覆盖支付、信贷、投资、保险、征信等各项业务 [1] - 中国是全球移动支付第一大市场，移动支付平台用户数超过10亿，普及率全球首位 [2] - 2024年中国个人手机银行用户使用比例达88%，93%的企业开通企业网银 [2] - 数字人民币试点扩大至17个省，雄安新区数字人民币发薪覆盖率超过80% [2] 金融国际化成果 - 离岸人民币债券发行规模创新高 [2] - 粤港澳大湾区跨境理财通规模实现突破，跨境保险通、债券通南向交易等新政落地 [2] - 上海国际金融中心建设顺利推进，数字人民币国际运营中心已正式开业 [2] - 跨境支付中人民币占比有望进一步上升 [2]

文章核心观点 - AI正以前所未有的力量重塑金融行业，带来深远的结构性变革 [1] - 金融机构需平衡AI的长期价值与短期实践，积极布局并稳步推进 [1] - 华为通过提供全栈产品、构建八大能力及发布金融智能体加速器FAB，助力金融机构AI转型和商业成功 [1][2] AI对金融行业的三大变革 - 革新交互模式：AI时代的入口可能统一于一个Agent，深刻改变现有模式 [2] - 释放人机潜能：人机协作从“人+工具”走向“人+AI同事”，实现一人一团队的新模式 [2] - 重塑决策体系：风控决策从依赖确定规则和结构化数据，转向依赖知识+智能体的协同决策 [2] 华为金融智能体加速器FAB的特点 - 开箱易用：结合金融AI智能体落地最佳实践，打造50多类创新场景工作流与样板间，例如将某银行审贷联动智能体的开发时间从1个月缩短为2周 [2] - 开箱随用：联合伙伴积累150多个金融MCP，沉淀丰富领域知识，支撑灵活组装内外部MCP [3] - 开箱畅用：结合昇腾算力和ModelArts Versatile平台，解决复杂工程化难题，实现AI面客90%以上意图识别准确率和毫秒级时延 [3] AI在金融核心场景的落地攻坚 - 智能体交互对客：解决意图精准识别、个性化推荐及低时延交互三大关键难题，目标是让每个普通用户都能体会到有专职客户经理 [4][5] - 风控等内部场景：构建全流程风控智能体方案，在贷后风险预警中使小微企业风险识别率提升50%以上；目标是将授信审批效率提升3倍，让3年审贷官具备20年经验 [6] 金融AI大规模应用的关键前提 - 全量全要素数据治理：数据的缺失、错误和噪声会导致AI落地70%精力耗费在数据治理，打造高质量数据平台是释放AI生产力的关键 [7] - 数据到知识的萃取：需打通金融数据到知识升级的关键路径，让AI成长为“资深专家”，尤其在风控等需要精准可解释的场景 [7] 华为的生态合作与全球布局 - 发布银行、保险、证券三大领域全球样板点，为全球金融机构数智化转型提供参考蓝图 [8][9] - 启动“融海计划·AI睿领行动”，以全域场景创新、全栈伙伴能力聚合、亿级基金全面支撑，携手伙伴加速走向全球市场 [11] - 截至目前，在金融行业已携手全球超过11000家伙伴，在80多个国家和地区服务超过5600家金融客户，包括全球Top100银行中的53家 [11]

金融行业IT发展主脉络 - 金融行业IT发展两大主脉络为国产化和智能化 [1] - 国产化推进范围从银行、证券、保险扩展到小牌照金融机构如消费金融、融资租赁等 [1] - 银行业国产化进度约60%，保险证券行业约20% [1] - 区域性银行和中尾部券商、保险机构成为新的增量市场 [1] 国产化进展 - 券商和保险机构国产数据库、云平台和核心系统选型项目显著增加 [1] - 头部金融机构已进入常态化国产建设阶段 [1] - 金融机构在IT预算缩减情况下仍全力保障国产软硬件领域投入 [1] - 瑞众人寿完成数据库替换测试，核心对象兼容率99.4%，SQL兼容率超99%，性能提升50% [2] 腾讯云金融领域布局 - 腾讯云产品架构包括专有云、PaaS平台、数据库、大数据平台、AI开发平台等 [3] - 服务TOP200银行中90%以上客户 [3] - 覆盖12大中资保险集团和300多家保险机构 [3] - 覆盖90%以上资本市场买卖方和头部经营机构 [3] AI大模型应用现状 - AI大模型是金融智能化最重要抓手 [4] - 通用模型在低准确性要求场景应用已成熟 [4] - 复杂经营、交易、风控场景仍在探索阶段 [4] - 上百家金融客户接入混元大模型，上线AI代码助手、智能客服等应用 [5] 大模型落地案例 - 腾讯金融云"大模型信贷尽调助手"覆盖95%工作内容，将尽调报告生成周期从10天压缩至1小时 [5] - 保险行业应用大模型搭建企业知识库，管理千万级知识单元 [6] - 腾讯侧重将AI模型嵌入全场景业务矩阵，通过场景实践迭代改进 [6] 技术升级建议 - 金融行业应用大模型需建立场景幻觉容忍度分级标准与容错机制 [6] - 应以系统论视角统筹技术升级，强调架构合理性和协同性 [6] - 通过冗余设计与渐进业务融合提升系统稳定性 [6]

核心观点 - 2025年是AI Agent从前沿技术到应用落地的进阶之年，金融行业迎来智能体时代，头部金融科技公司如蚂蚁数科、奇富科技已发布相关产品[1][2] - 金融智能体具备自主性，能感知环境、推理决策、规划执行复杂任务并持续进化，相比传统RPA和数字化工具实现质的飞跃[7][9][11] - 金融智能体通过五大颠覆式潜力重塑行业生产力：端到端自动化、实时响应、复杂任务执行、持续学习优化、降低服务门槛[16][17][18][19][20] - 应用场景已渗透至信贷、财富管理等核心业务环节，蚂蚁数科探索超100个深度应用场景覆盖银行/证券/保险等领域[22][24][26] - 技术落地面临数据孤岛（40%企业存在50+孤岛）、人才缺口（2030年达500万）、高投入（百万量级）等挑战[29][30][31] 技术演进 - 传统RPA需预设规则仅能处理固定流程，金融数字化阶段实现部分去人工化（如网商银行"310模式"、保险AI核保）[5][6] - 大模型技术赋予AI自然语言理解/生成/推理能力，金融智能体将其转化为业务执行力实现"端到端交付"[11] - 智能体具备"感知-推理-规划-执行-进化"闭环机制，能灵活处理超纲问题并持续自我优化[9][11][19] - 蚂蚁数科定义金融智能体四大要素：金融大模型、知识库、工具集、安全评测体系[12] 行业应用 - 信贷领域：奇富科技推出"信贷超级智能体"实现业务流程重构[22] - 财富管理：智能体可分析客户画像/持仓/市场变化，提供"千人千面"的资产配置建议[24][26] - 应用场景覆盖客户服务、风险管理、产品创新等六大领域，银行/证券/保险均受益[22] - 单智能体解决简单需求，多智能体系统实现跨领域协作形成虚拟职场生态[32] 实施路径 - 建议从具体业务场景切入试用，逐步扩展至多智能体协同[32] - 需配套解决数据孤岛问题（孤岛导致模型精度下降20%-30%）[29] - CEO直接参与对EBIT提升效果显著，需战略级重视[35] - 蚂蚁数科总结四条落地路径（具体内容未披露）[33]

金融智能化转型 - 金融领域数字化转型进入"认知升维"新阶段，金融智能化竞赛进入深水区 [1] - 马上消费金融推出全国首个金融大模型"天镜"并迭代至3.0版本，实现模型技术创新和应用突破 [3] - 公司通过AI技术从传统消费金融提供者向科技创新引擎转型，但行业已从增量拓展转向存量博弈 [3] 消费金融行业现状 - 消费信贷需求减弱，2025年前五个月住户短期贷款减少2624亿元 [4] - 2024年消费金融公司总规模余额约11000亿元，同比下降12% [4] - 消费金融公司数量增至35家，同比增长8%，贷款利率从8.5%降至7.2% [4] - 监管要求不断提高，运营成本与合规压力显著增加 [4] 马上消费金融的挑战 - AI技术优化内部流程和服务效率，但无法扭转行业需求收缩、竞争加剧、监管趋严的困境 [5] - 公司营收151.49亿元同比下降4.09%，资产规模从712.8亿元降至655.6亿元，同比下降8.03% [7] - 暴力催收投诉激增，近30天投诉量达9547件，占总投诉量的17.38% [6] - 代理催收费从28.2亿元增至31.28亿元，同比增加超3亿元 [7] 合规管理问题 - 安逸花APP因"未提供有效的用户账号注销功能"被责令整改 [8] - 公司多次被监管点名，合规管理存在漏洞，整改压力大 [8] 海外扩张尝试 - 公司瞄准墨西哥市场，招聘西班牙语实习生和国际化法务经理 [8] - 墨西哥金融普惠市场存在空白，60%中低收入群体处于"金融真空地带" [9] - 海外扩张面临文化差异、监管合规风险和本地竞争压力 [11][12]