20 25年，在监管完善、算力成本下降等多重因素推动下，金融业大模型 应用从"试点"走向"量产"，成为金融机构核心竞争力。本文分析金融业大 模型发展路径、基准构建、实践应用等，解码其在投顾、投研场景核心价 值，并勾勒出未来金融大模型应用从"功能可用"到"效果可证"，再到"生 态共生"的蓝图。 发展路径：从技术探索到规模应用 2025年被视为金融业大模型规模化落地的"分水岭"。监管条例和配套指南集中落地，GPU算力租赁价格大幅下降，金融大模型从昔日只有头部机构才能负 担的"概念验证"骤然下沉为大众可及的"生产工具"。投顾、投研、营销、合规四大场景率先被写进各家金融机构的发展规划，"要不要做"彻底让位于"怎 么做得更快、更好"。 这一共识的背后，是监管、模型、成本、生态四条曲线同步成熟且共振的结果。监管框架落地。扫清了 "能不能用"的顾虑；基座模型能力持续跃升及调 用单价一路下探，解决了"用不用得起"的难题；应用案例与插件生态的日益丰富，又进一步回答了"好用不好用"的疑问。随着越来越多金融机构将大模型 能力嵌入核心业务流程，它便不再只是技术层面的问题，而是决定了一家金融机构未来的运营模式、产品形态乃至决策方式，成 ...

公司核心竞争力 - 金融AI核心竞争力植根于数据资产、真实场景与金融科技基因三者的深度融合以及协同效应 [1] 智能体平台发展 - 公司4月推出自研金融智能体平台 同步亮相AI审批官和AI决策助手等智能体应用 [1] - 6月进一步展示奇富信贷超级智能体的核心模块 [1] - 智能体平台已搭载覆盖99%小微企业的专业知识图谱 宏微观信息准确率达98% [2] 技术难点与解决方案 - 小微企业信用评估面临数据处理与模型风险识别两大核心挑战 [1] - 通过智能体多模态感知整合能力将碎片化非结构化数据转化为有效评估依据 [1] - 通过知识图谱前序筛选保证输入准确性 并通过注入过往成熟经验保障模型准确度 [2] 智能体应用成效 - 新上岗两个模型研发智能体实现7×24小时不间断工作 [3] - 一个月内核心业务场景模型性能提升近1% [3] - 智能体显著释放人力成本并提升工作效率 [3] 未来发展方向 - 打造端到端决策风险智能体替代现有风险决策逻辑 实现全流程自动化 [3] - 开发经营与风险辅助决策智能体 目标成长为可独立工作的决策人员 [3] - 预计两年后AI智能体将以数字人形式深度参与金融机构业务 [3] 行业应用现状 - AI智能体在金融行业应用仍处于起步阶段 [2] - 当前落地更多集中在成熟场景 客服领域通过多智能体协同已完成大多数工作 [2] - 智能体通过后训练具备强能力后 在大多数金融场景都有应用可能 [2]