意见领袖 | 洪偌馨、伊蕾

‘超级智能体’时代降临。

‘未来三年，AI对银行利润率的影响将逐步提升60%-80%。’

麦肯锡在一份名为《区域型银行如何实现AI战略突围？》的报告中指出，根据麦肯锡预测，生成式AI对于银行业的潜在生产力提升有望达到2000亿-3400亿美元。

对于银行而言，这是一场没有退路的进取之战。

尤其，随着DeepSeek的现象级出圈，生成式AI不仅完成了一场全民科普，也让原本还持有观望态度的银行们加快了‘接入’的步伐。

但现实的挑战在于，从大模型的能力基座到场景端的落地，生成式AI本身仍处于快速迭代和进化的过程中，而它在垂直行业和专业场景中的应用实践更是刚刚开始。

而与其他很多行业相比，商业银行具有用户基数大、对数据安全和隐私保护要求高、业务链条和场景较为复杂等特点，向智能化转型显然要比数字化阶段难上许多。

尽管‘后DeepSeek时代’，极大地降低了使用AI大模型的成本和门槛，但现阶段大模型在金融场景中的应用仍存在明显的局限性，比如决策力、执行力的缺乏、以及待解的‘幻觉’问题等。

那么，解锁银行智能化的快捷通道究竟在哪儿？

在刚刚举行的中国国际金融展上，我似乎找到了答案。

1

金融智能体，

银行通关AI时代的‘快捷密码’

从‘数字金融’到‘数智金融’，一字之差的背后，是一场关于金融‘新质生产力’的革命。

虽然‘数字金融’已经能在局部业务实现的自动化，但它的能力有着显著的‘短板’：

由于对非结构化数据（如合同、报告、语音记录等）处理能力的不足，许多有效信息无法被识别和利用；

数据孤岛的普遍存在以及语义理解和交互的能力的缺陷，也意味着无法处理复杂业务链条、完成‘端到端’交付。

而大语言模型的发展让AI有了更聪明的‘大脑’：大模型不仅擅长自然语言理解、交互，还具备更为复杂的推理、逻辑分析能力，甚至会主动寻找和开发工具。

在此基础上，开发者们可以通过‘金融知识库’让‘大脑’掌握更多的专业金融知识，具备‘专家级’经验；再基于AI Agent（智能体）让‘大脑’具备可以支配的‘手脚’，去执行更具体的任务。

所谓AI Agent（智能体），是基于大模型，具备记忆能力、能够有自主推理和规划工具的使用，从而来解决问题的智能程序。

换言之，金融机构只需要将任务指令下达给智能体，他们就会调用‘大脑’中的有用知识与信息，形成方案计划一步步执行，甚至寻求其他智能体一起解决问题，最终给出反馈结果。

在这一过程中，不仅无需人工的干预和提示，智能体还会在业务场景中主动学习、自我进化，让下一次的表现更好。

这也意味着，相较于生成式 AI 在应用到不同行业和业务场景中存在的技术门槛和对接难度等，AI Agent（智能体）的落地，有望成为企业进入 AI 新世界的‘快捷密码’。

2025 也被称为AI Agent（智能体）元年。

而作为国内最早探索金融智能体的金融科技公司之一，奇富科技从2023年就启动了金融大模型战略，又率先抢滩智能体应用，到如今，奇富科技已经步入‘全员AI化’阶段。

可以说，这家公司本身就是一个巨大的AI‘训练场’。

在此次展会上，奇富科技重点展示了其所打造的‘奇富信贷超级智能体’，其中包括端到端授信决策智能体、小微企业信用评估、AI合规助手、AI决策助手、AI审批官等众多模块。

透过这个‘超级智能体’，我们可以看到智能体在信贷业务不同场景下的应用。

其中，最核心的是‘端到端授信决策’智能模块，利用长思维链推理+强化学习技术，将超过700个模型、7000+策略模块、过亿历史决策融入大模型，形成奇富黑科技，轻松对用户进行风险智能评估。

此外还包括：

小微企业信用评估：搭载覆盖99%小微企业、宏微观信息准确率98%的专业知识图谱，基于宏观、微观知识给予社会科学的评估。依托四阶技术栈，输出小微企业专属的‘麦肯锡’级报告。

Lumo AI合规助手：集成2000+监管法规、300+风控模型、50+合规算法，通过知识图谱+算法模型+动态监测，将‘事后纠偏’转化为‘事前预防’，实现效率、成本、风控三重突破。

AI决策助手：采用LangGraph多智能体框架，构建了问数、知识问答、洞察和报表的多智能体协同工作应用形态，将原本需要3天完成的数据分析流程压缩至1小时内完成。

AI审批官：通过多模态融合识别技术和自动化审查，T+0输出定额建议，自动标注可疑点，秒级完成标准化批量核验，审批人员可以专注在最高阶的风险判断上，效率提升数倍。

‘AI驱动的不只是流程优化，更是金融服务本质的进化。’奇富科技CEO 吴海生表示，奇富将以信贷超级智能体为支点，持续深化技术研发与生态合作，推动智能体网络在金融领域的规模化落地。

从这个角度来看，智能体的普及和应用，让金融机构面对从‘数字化’到‘智能化’的惊险一跃时，有了更加高效和安全着陆的抓手。

2

AI平权背后，

人才、技术、ROI‘一个都不能少’

金融智能体的‘大爆发’，让许多中小金融机构看到了‘技术平权’的希望——改变行业分化加剧的局面，甚至实现‘弯道超车’。

但面对现实，想要跨出第一步并没有那么容易。

比如，从基础设施投入到应用落地，金融机构一次性的成本投入至少在百万量级。而相比于底子更厚的大行们，中小银行们必须更加‘精打细算’地考虑ROI。

此外，还有很多‘隐性门槛’不能忽略。

麦肯锡指出，首要瓶颈是‘数据孤岛’的存在，调研显示，40%的企业存在50个以上的数据孤岛，导致大模型精度下降20%-30%；

另一方面复合型人才短缺矛盾尖锐，麦肯锡预测，2030年中国AI人才缺口将达500万，兼具算法与金融业务能力者不足15%。

参考奇富科技的发展来看，过去这些年，他们的技术投入近百亿，研发团队超千人，累计帮助160多家银行撮合成功了两万多亿的信贷交易，积累了过亿条的语音、图片和文字语料，产生了大量的便于模型训练的数据集。

与此同时，作为一个合规门槛极高的行业，金融行业还要确保数据安全、产品可信，并且在业务实践中反复验证可行性。换言之，资金、技术、数据、人才、场景缺一不可。

金融机构需要一条兼具可信、可行和‘性价比’的落地路径。

麦肯锡认为，从成本效益角度考虑，找到合适的生态合作伙伴，帮助银行最快进行战略梳理和用例接入，是性价比最高的选择。

这也是奇富科技打造‘信贷超级智能体’助力金融机构加速迈向智能化阶段的重要原因。

按照奇富数科总裁周旭强的说法，数字化时代的信贷科技产品，是有一套事先编排好的流程，业务人员‘投喂’结构化的数据或信息后，会产出相应的结果。

‘但在AI智能化的范式下，系统可解析和识别更多元的信息和材料，因为大模型有多模态的识别能力，能看懂音频、视频、图文等。且可实现自主智能，从智能化的分析问题，到找到适合的策略，再到调用相关的智能体去执行’

作为奇富科技旗下的银行业数智化解决方案提供商，截至2025年3月，奇富数科的金融科技赋能的业务规模同比飙升约144%。

在周旭强看来，奇富的信贷超级智能体就像‘智能杠杆’，可以助力金融机构实现更广泛的普惠客群覆盖、更精准的风险定价以及更具弹性的业务增长。

3

超级智能体时代，AI‘飞轮’转动

未来已来，数智金融正在以我们难以想象的速度进化着。

从本质上看，AI的能力进化高度依赖场景，无论是对用户意图的理解、对于知识和工具的调用还是对于合规的源源不断的知识供给、信息反馈才能驱动智能体的迭代进化，形成‘越用越好用’的正向循环。

而作为一家兼具to C与 to B服务的公司，一方面，奇富科技通过在真实的信贷场景中积累了规模化、高质量的数据，并结合系统训练与强化学习机制，持续提升决策智能与自我进化能力。

另一方面，因为长期与不同类型的金融机构合作，奇富科技深知金融机构的业务痛点和难点。

就像我们跟 AI机器人对话，只有给出最适合的 Prompt（指令）才会得到更接近理想的答案。对于垂直于专业领域的智能体也一样，只有熟悉业务链条上的每个环节才会设计出最适配的智能体产品。

从单个智能体到智能体多模块，从人使用AI到AI使用AI，金融‘超级智能体’时代已经离我们越来越近。而那些更早拥抱新技术的市场参与者们，也可以借助金融智能体这条‘快捷通道’真正实现市场突围。

转自：意见领袖