《中國信通院&InfoQ：2024年AGI在金融領域的應用實踐洞察報告（55頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院&InfoQ：2024年AGI在金融領域的應用實踐洞察報告（55頁）.pdf（55頁珍藏版）》請在三個皮匠報告上搜索。

1、研究背景AI技術速發展，已不再局限于實驗室的突破，是深到各各業的脈絡之中，引領我們進個全新的AI程化時代。這時代的標志性特征，不僅在于技術具的益完善，更在于全棧智算體系的構建和AI平臺的快速發展。AI技術正以其獨特的量，成為推動產業發展的核動，尤其在融、醫療、交通等關鍵領域，AI技術應更是在了創新的前列。在這背景下，AGI相關產品的規?；瘧?，已成為展現其價值的關鍵，不僅能夠顯著降低企業運營成本，提升作效率，更是推動創新改的重要量。擁有健全且領先的AI程化能，已成為衡量企業未來競爭的重要標準。融，作為AI技術影響最為深遠的領域之，站在了AGI應的前沿。知識密集、場景豐富、數據和技術基礎扎實、資源

2、相對充的優勢，為AGI在融領域的落地應提供了肥沃的壤。然，融領域在AGI落地應的道路上，是否已經找到了最佳路徑？取得了哪些具體成果？臨哪些挑戰與桎梏？這些問題，正是我們亟待解答的。中國信息通信研究院，作為國家級研究機構，憑借其深厚的業背景、科研積累以及資源優勢，在融數字化、科技創新具有不可替代的影響?！拌T基計劃”是由中國信通院發起的推動企業質量數字化轉型的專項推進動，發起之初，便已開展了系列具體作，求通過多項舉措，分析融領域在數字化轉型過程中遇到的困難和挑戰，探討數字化轉型的最佳實踐和發展趨勢。我們期望，這份報告能夠為相關機構提供寶貴的融AGI應思路，助融業實現數字化轉型和質量發展，開啟融科技

3、的新篇章。錄CONTENTAGI在融領域應背景洞察01AGI在融領域應特征解讀02AGI在融領域典型商案例解讀03AGI在融領域應臨挑戰和應對04AGI在融領域應未來發展趨勢05AGI在融領域應背景洞察AI技術發展加速演進，AI程化成為發展核技術產具不斷完善開源框架、研發具、數據處理、部署等具鏈全棧智算體系構建AI芯、軟硬協同庫、規模并計算平臺AI平臺加速形成視覺/語等基礎技術平臺、研發平臺、垂直業平臺AI程化完善AI程化能距離應落地2018局部場景試點應2019 2020應業逐步擴，AI倫理安全問題顯現2021業應深拓聚焦AI技術突破視覺、語建AI基礎研發能探索AI治理與安全智能倫理準則、A

4、I業律公約、AI法臉識別語輸像美顏智能推薦智能客服智能家居智能控智能零售智能安防智慧物流業質檢醫療影像適應教育輔助駕駛業融環保教育交通農業醫療政務產品質檢設備檢修倉儲物流醫藥研發醫療影像健康管理農業遙感智能農機農藥檢測動駕駛交通調度輔助駕駛預計到2030年，約70%的業企業將使AI技術，為全球增加13萬億美元的附加值。以深度學習為代表的智能技術正加速向千百業應滲透，健全、領先的AI程化能成為下階段產業競爭的重要體現。AI技術的迅猛發展推動了AGI應向前邁進，融成為AGI應的先鋒領域全實踐階段復雜應階段基礎探索階段l企業業務與技術應結合度相對低，主要賦能情況為單節點業務合作或業通環節；l先鋒領域

5、：業、融、醫療、政務、交通、農業、教育等；l其他領域：營銷、零售、數字娛樂、設計等。l企業業務開始進AI技術多業務環節應階段，基礎設施、技術、才密度等成熟度中等或者相對成熟，技術可以在某些業務環節中推動業務發展。l企業機構整體業務應程度較，企業機構中的相關員整體成熟度也較，業務和技術可以充分融合，AI能夠在深度業務場景中落地應，實現業務數字化全流程新。2030年以后預期：2026年-2030年預期：2023年-2026年企業AGI應發展階段融業正引領智能應潮流，預計未來年全球投資將以29%的年增率迅速上升2023年迄今，AGI領域迅猛發展，國內外眾多模型的涌現標志著AGI技術基礎不斷鞏固，能得

6、到了重躍，為后續的技術新和應探索奠定了堅實的基礎；2023年，全球各業在以智能為核的系統上出約為1540億美元。其中，銀業的出最，總額為206億美元，零售業緊隨其后，出額為197億美元。全球融業來看，出預計將幅增，從2023年的350億美元增加到2027年的970億美元，復合年增率達到29%。71.9310.9314.6316.0219.7120.64其他流程制造業離散制造業專業服務零售業銀業2023年全球各業在AI系統中的出（單位：10億美元）數據來源：Statista Research Departmenthttps:/35455875972023年2024年2025年2026年2027年

7、2023年-2027年全球融業在AI系統中的預計出（單位：10億美元）復合年均增率：29%融科技業進時代，智能在該領域的全球市場規模即將達到144.1億美元融科技企業在融業中扮演著關重要的，通過提供融AGI產品和解決案，提升了融服務的效率和安全性，同時也為個性化和定制化的融產品提供了可能。2024年，智能在融科技市場的全球市場規模預計將達到144.1億美元，并在未來5年將以27.1%的年度增速增，反映出融科技企業在融態中的重要地位。8.29.911.414.419.527.436.547.055.162.670.619.9%15.0%27.0%35.1%40.7%33.2%28.9%17.2%

8、13.5%12.9%2021年2022年2023年2024年2025年2026年2027年2028年2029年2030年2031年2021年-2027年AI在融科技領域的全球市場規模市場規模（10億美元）增率數據來源：Allied Market Research,Mordor Intelligence,Research and Marketshttps:/速發展，預估復合年均增率為27.1%部分企業被淘汰，增速下滑全實踐期，增速回升銀等融機構開始關注AI在運營和業務中的應，融科技企業加產品研發度AGI技術應助融機構發揮數據資源能，驅動創新發展2024年，融AGI市場規模已達到3.8億元，占整體

9、AGI市場規模（企業側）的13.1%，同2023年增7倍以上。AGI應層已開始具產品快速創新，Copilot、智能編碼等類型的產品將AI能逐漸融作業務中，極地拓展了AI的應場景和實價值。前，AGI正處于應層創新的關鍵銜接期，企業機構在積極探索新的應向，同時也在謹慎評估，避免盲投導致的策略失誤。戰略調整、投試、應產品快速創新等系列動作將推動企業機構AI應邁向復雜應期；0.53.815.443.0114.8226.6467.5887.35.525.182.4205.8457.6738.81343.32137.2715.7%306.1%179.9%166.8%97.3%106.3%89.8%2023

10、年2024年2025年2026年2027年2028年2029年2030年2023年-2030年中國融AGI市場規模及增率預測融AGI市場規模（億元）其他領域AGI企業側市場規模（億元）增率數據來源：InfoQ 研究中測算https:/作為AGI的典型應，模型在融機構呈現出三種布局式融機構三種模型布局類型研業模型引通模型+微調調模型接融機構在布局模型時，主要采取了三種不同的策略，以適應各的技術基礎、資源狀況和業務需求。從研到微調再到接調，不同的融機構根據身條件和市場變化，靈活選擇最適合的路徑，以實現AI技術在融領域的深應和價值創造。適機構必備資源優勢劣勢機構內部主研發機構外部技術+內部研發機構外

11、部技術頭部型融機構：在AI技術有深厚積累頭部型融機構和中融機構：在AI技術有定積累中融機構：資源和技術上有定限制強的技術團隊豐富的研發經驗充的資持資源、數據和業務場景基礎較好具備定數字化能和經驗，有適的業務場景度專業化、個性化、靈活性和控制保護數據隱私和安全優勢快速獲得模型的能適性和效果較強可于內部，也可輸出給同檻較低，可快速落地避免研或引模型所需的昂投研發周期、難度、資和員需求收益難以預判資源需求較，訓練時間較泛化能較強或導致性能下降潛在的安全和隱私問題實時信息更新慢個性化和靈活性弱，使場景受限中國融模型應商圖譜技術服務商技術服務商融模型解決案及應融模型解決案及應互聯融服務公司互聯融服務公司

12、FinixLightGPT奇富GPT天鏡模型星環涯Infinity財躍F1融模型問財HithinkGPT因融模型招聯智軒轅模型君弘靈犀模型融業垂直模型融業垂直模型傳統融機構：銀、保險、證券傳統融機構：銀、保險、證券國泰君安財躍星階躍星通模型通模型云商服務商鴻湖九天星河通義犀盤古混元abab智腦湖從容天書星序列猴科技公司海天新百靈MiracleVision孟moonshot悟道PolyLM郎神天河天元紫東太初moss研究機構ChatGLM星語義模型云服務商云服務商融數科公司融數科公司AGI在融領域應特征解讀融業特征為AGI應提供豐富可實踐場景，同時安全屬性對AGI應提出更要求1業務系統復雜2數據

13、密集3控要求4監管嚴格銀系統通常其他融機構更為復雜，涉及更多業務線、服務種類和客戶觸點，為AGI技術的應提供了闊的舞臺。銀尤其是零售業務的客戶量遠超過證券和保險公司。量的客戶數據為AGI技術應（如模型）提供了豐富的數據源進訓練。銀對險管理要求較，在控模型和合規性對模型的準確性和可解釋性有嚴格要求。銀業務受到嚴格的監管，因此在集成AGI技術產品時需要考慮到合規性和監管融合的問題。不同融業的監管環境對AGI技術產品的采納和應產影響。融業具有量豐富的可實踐場景融業實踐需要極其謹慎融業獨特屬性業應程度特征顯著：融科技和銀引領AGI在融領域的應實踐嘗試決策類業務證券機構在AI模型的應探索主要聚焦于業務流

14、程相對簡單且決策性的環節。頭部證券機構開始嘗試，例如財富管理、投資研究、中后臺辦公等領域的模型應。證券在尋找新的增點和提升運營效率的需求推動下，銀數字化轉型的戰略核益聚焦于“數據+算法”的模式。AI模型已成為實現數據價值最化、推動業務創新不可或缺的關鍵量；銀業的模型應主要聚焦于兩領域：是服務于內部運營管理的優化升級，是助外部業務場景的重新塑造與拓展。穩健發展，擴應范圍銀保險業的應主要體現在AI+保險領域；在核業務環節，多數保險機構模型應處于初步探索階段，個別頭部機構的模型產品已具備AI Agent雛形。頭部探索AGI應保險資產規模保險AGI應平融科技銀證券銀應解決案不斷迭代，全賦能融科技類企業

15、依托強的模型技術實，從身的業務出發已經完成了1-2輪的應解決案迭代，業賦能價值逐漸顯現。融科技融機構應AGI技術的五條件組織及戰略條件組織及戰略條件管理層認知：層對AI應的重視和持，能夠提供資源持；跨部協作：確保AGI技術順利與業務流程順利整合；戰略規劃：將AGI技術應納期戰略規劃，明確向和標；培訓與發展：對現有員進AGI技能的培訓，提升整個組織的AGI素養；創新化：勵創新思維，持嘗試和實驗新法。融機構應AGI技術，并蹴就，是需要在系列成熟條件之上逐步推進，實現技術與業務的深度融合。這不僅要求機構內部擁有夠的技術儲備和專業才，還需要管理層具有前瞻性的視和對變的深刻理解。整體來看，融機構應AGI

16、技術需要，滿5類條件?；A設施及競爭條件基礎設施及競爭條件數據累積及治理平：強的數據管理系統，數據規模，數據質量、信息安全等的完善程度；技術平臺：穩定且可擴展的技術平臺，持AGI技術應的開發和部署。資源條件資源條件專業才：擁有AGI相關領域的專業才，能夠將AGI技術集成到現有的業務系統中，實現縫對接；資及資源：資、GPU等業務與數字化條件業務與數字化條件業務理解：深理解業務需求和痛點，確保AGI解決案能夠解決實際問題；場景應：識別恰當的業務場景，使AGI技術能夠在這些場景中發揮最效；數字化轉型：進展及積極性其他條件其他條件合規性：確保AGI應符合融業的監管要求和合規性標準；險管理：建有效的險管

17、理機制，識別和控制AGI應帶來的潛在險；業競爭平：業競爭活躍度等。銀業務新：模型引領AGI應創新，探尋利率下時代中的業務增新動我國六均在其2023年年度報告中披露了模型相關進展 建成全棧全棧主可控的千億級千億級AIAI模型模型技術體系；智能處理業務量上年增14%。啟動模型“計劃”；深耕計算機視覺、智能語、然語處理、知識圖譜、智能決策五領域。發布融融AIAI模型模型應ChatABC；關注知識理解能、內容成能以及安全問答能。探索探索內部知識服務、輔助編碼等應場應場景景，提信險評估能。深化客戶服務、產品推介、險防控等場景；探索辦公助、客服問答等應場景。打造融合模型技融合模型技術的“郵儲腦”術的“郵儲

18、腦”探索本成、代碼成、本提煉和多模態理解成等向應尋找新的增點和提運營效率成為銀業當下迫切需求。在這需求下，銀數字化轉型的邏輯逐漸明確為“數據+算法”，其中AI模型成為實現數據價值最化和推動業務創新的關鍵。過去年，我國六國有銀以及多家頭部商業銀都已踏了這領域，以期通過新的數字化段推動價值鏈升級，并在融市場中保持競爭。2024年H1融業模型中標項領域分布銀其他融業銀快速釋放模型采購需求，成為企業級市場主要買家58%2024年H1銀業模型相關招標關鍵字銀業是融業中AGI落地應需求最為旺盛的業，根據不完全統計的2024年上半年融業的模型中標項領域統計有58%的標的歸屬銀業；根據銀業發布的公開信息中，招

19、標關鍵字包括：模型、訓練、部署、具、數據管理、推理、代碼補全等。銀AGI應場景：向內部運營管理和重塑外部業務我國融AGI應發展正處于政策紅利期，多數銀還處于技術儲備和淺層試驗階段，AGI產品難以真正脫離“”來發揮“AI+”的效果。當前，銀多將AGI技術應于為員賦能減負以及提升客戶體驗，部分頭部銀逐漸將AGI技術覆蓋到銀核業務環節中。內部運營場景優化外部業務重塑提升研發效率：如代碼成、系統測試、代碼審核等針對研發全流程的應；簡化客服流程：如智能客服單成；智能助：如為柜員提供在線業務知識問答當下應以優化內部運營管理和重塑外部業務為主辦公提效數據分析、報告撰寫、運營分析等：快速成研報摘要和點評、拜訪

20、記錄、客戶調查報告等；模型+知識圖譜：員問答輔助，提升知識獲取效率和業務成功率。內容分析及成銀核業務領域：如融影像字識別產品，能夠助票據審核信息錄效率提升；圍繞常運營管理：如內部審計和合規檢查的動化。運營流程優化營銷內容成：通過分析客戶興趣偏好、交易習慣、產品需求等信息，洞察客戶并成營銷創意內容；提升銷售成交率：挖掘質量話術，幫助銷售在不同情況下給出差異化策略與話術，提升客戶體驗與銷售轉化。智能營銷保護消費者權益，管理銀經營險：消保管理事前審查和事后分析，如投訴處理報告動撰寫、消保投訴管理動統計分析和智能監測等。消費者權益保護智能客服、智能助、數字員；智能電話客服：通過端到端的語識別和語合成能

21、，實現說話身份聲紋識別、部分語識別、頻質量檢測能，持智能外呼等應。智能客服保險落地嘗試：核場景的試點，驗證新技術應在業務中的賦能和提效價值 型保險企業開始在部分場景中開始進實踐中國前頭部的保險企業通過應成式AI技術，在智能核保、智能理賠、險控制等取得了顯著進展，這些應不僅提升了保險服務的質量和效率，還為客戶提供了更加個性化和動化的服務體驗。隨著技術的不斷發展，預計未來這些公司將在AI領域有更深的探索和應。推出的AI數字員，通過搭建“數字應平臺”，持數字資產管理以及離線視頻制作等功能。推出了基于模型的數字產品，主要于協助代理更有效地與客戶溝通，并且根據客戶需求提供精準的產品推薦。正在使Agent

22、來提升保險服務能和理賠動化平；并推出了模型培訓師，提升內部作效率。發布“數智靈犀-保模型”，并介紹演示了兩款保專屬問答領域模型應“保智友”和“聰明寶”。保險AGI應場景：模型讓保險業看到了向全動化轉型的可能性中國銀融科技發展規劃（2022-2025 年）提出：“要健全安全效的融科技創新體系，搭建業務、技術、數據融合聯動的體化運營中臺”。保險業數字化轉型進新階段，保險機構AGI技術應除了服務全員辦公，主要聚焦在營銷和銷售環節。焦點環節初步探索環節提升研發效率：如代碼成、系統測試、代碼審核等針對研發全流程的應；檔理解與知識庫：如幫助員理解保險條款和產品，為員提供在線業務知識問答；為銷售員提供智能知

23、識庫。保險AGI技術應以營銷和銷售為重點，逐漸探索從投保到理賠的業務場景應，并加強復雜交互能辦公提效針對垂直場景的智能客服/機器：如解答購買過程中常問題、保單信息查詢、保險理念/保障規劃講解、產品咨詢等；優化管理流程：如代替員動執審計任務，核查分析數據。運營流程優化客戶細分與個性化服務：基于為習慣、險偏好等數據，預測客戶產品傾向，精細客戶，提供個性化產品和服務；客戶交互：如成數字并完成視頻推送，快速學習銷售技巧，激發客戶需求。營銷與銷售內部知識問答和對外客服問答：逐漸攻克智能客服/數字員對語化、開放性復雜問題的識別與解答，能夠回復部分專業問題。復雜交互險評估與定價：在核保、反欺詐、退保預警等發

24、揮作，預測保費和賠付率，優化險管理和定價策略；欺詐檢測與預防：通過分析歷史賠付數據、客戶為數據等，偵測到異常為，進提前預。險管理銷售、投保、承保、核保、理賠等各核業務環節：絕部分保險機構處于探索階段，個別頭部機構AGI技術應能夠在簡單、額場景中實現智能理賠，快速結案。核業務證券：各證券公司先后發布模型，集中探索智能客服、投資分析、效率具四券商探索模型應23年以來，各證券公司先后發布證券模型和依托模型的各類探索產品，繼續深數字化業建設。當下券商模型應多數集中在智能客服、財報分析、代碼研發、常辦公等場景，核業務滲透率不。發布債券智能助債券智能助BondBond CopliotCopliot，探索模

25、型在債券承攬、承做、承銷環節的應。具備動撰寫、研報摘要成、債券法規問答、產品的定價分析、發結構分析、投資畫像 分析、市場數據分析、多維數據問答等功能。發證券模型發證券模型服務涵蓋了本問答&成、代碼成、圖像視頻，應側涵蓋運營Copilot、研究Copilot、研發Copilot、辦公Copilot等。前內部鑰匙平臺已在使智智能犇犇助能犇犇助，獲取服務員溝通的上下，并精準返回答案，提升和客戶的溝通效率和滿意度。推出泛海道模型泛海道模型，在智能問答、智能研報、智能研發等業務場景成功落地。數智數智2.02.0：可以實現多種交互度、動作和景別的由切換，化身數智講解員、數智主持、智能客服、智能投顧、智能作

26、助。推出FinGPTFinGPT，在交互式問答場景持續挖掘。此外，還持續在證券交易控交易控領域的進算法探索。此外，國證券還構建了aiXcoderaiXcoder代碼模型代碼模型，提供代碼搜索、代碼成等功能。交易輔助、交易數字助理、交易機器：例如基經理投資指令解析，提升決策效率；為客戶動推送服務信息以及報價等。動撰寫與研報摘要成：快速整理市場信息與研究報告；產品分析與定價：分析產品定價、預測市場向、價格波動；投資畫像分析：根據對應產品品類提供投資者畫像，助精準營銷；交易量化分析：識別并利多種技術指標和市場分析模型，精準提取股票、債券、期貨等融市場的關鍵因，提研究效率和準確性；證券機構前重點關注A

27、GI在智能投顧、智能投研、智能控、智能投、智能投教等業務環節。盡管客服是核業務中重要的環，但證券機構普遍處于謹慎應AGI技術階段。運營場景：智能客服、智能營銷、資訊成、要素抽取、投資畫像分析、輿情監測等；辦公場景：知識庫（如為內部員提供合規問答知識庫）、智能編碼（代碼成、代碼翻譯、bug修復等）、檔審閱、業務審核、單成、會議紀要成等。證券AGI應場景：主要集中在內部提效，對客服領域持謹慎態度從整個證券業來看，數字化建設作已進全階段，度和深度不斷加。頭部證券機構已經開始圍繞AI能建設及推進智能化應場景落地，例如財富管理、投資研究、中后臺辦公等領域的AGI技術應。然，由于融服務對精準度要求極，證券

28、機構在考慮將AGI技術應于客戶服務，前仍持謹慎觀望的態度。證券機構積極將AGI技術融其運營和常辦公流程，以減輕內部員的作壓，提升作效率和優化整體業務流程。融科技企業：從技術研發向創新實踐，幫助融機構實現技術與業務場景的共振2023.05下旬度滿率先推出國內個開源的千億級中融模型“軒轅”2023.08上消費發布個零售融模型“天鏡”2023.09螞蟻集團發布融業模型（AntFinGLM）并推出了 toC“寶2.0”和toB“助”兩個產品應2023.05中旬奇富科技推出研的融業通模型奇富GPT2023.06恒電推出融業模型LightGPT2024.03財躍星研推出國內個千億參數多模態融模型“財躍F1

29、融模型”說明：所列事件僅為業部分案例除了銀、證券、保險等傳統融機構，互聯融科技企業更是通過接第三、研等式積極局。例如，螞蟻集團在模型時代到來之前就已積累了深厚的融數據資產和智能應經驗，在融模型、解決案及相關產品布局上有著先天優勢：2023年98，螞蟻集團正式發布融業模型，并同時推出了兩個依托模型的產品應“寶2.0”與“助”；進2024年后，融科技企業更加重視技術與融業務的深度融合，融科技企業在數據整合與分析、險管理與信貸審批、個性化融產品推薦、智能投顧、智能投研、監管科技（RegTech）等應領域也陸續推出相關AI產品和解決案。2023年，融科技企業密切關注核技術研發和主知識產權掌握2024年

30、，融科技企業關注焦點從“技術底座”轉向“場景應”說明：所列事件僅為業部分案例 螞蟻集團“AI融助理”寶2.0版本進對外測試階段 投研智能體“助”已經為超百家融機構提供服務，背后的專業智能體框架agentUniverse已對外開源。AI應已實現規?；瘜蛯⒛Ｐ湍軕诋a業鏈融 商銀升級了供應鏈融解決案雁系統，將AI模型次應于產業鏈融，提升微企業融服務的覆蓋率和便捷性，既能更加精準地預測微險，也能簡化授信流程?；ヂ摽萍计髽I：紛紛進軍融科技領域，助AI應向“百花放”不僅融科技公司在AGI技術開發和應上取得了顯著進展，眾多互聯和科技巨頭也紛紛加這領域，推出了專為融業量身定制的解決案。這些案不僅體現了AG

31、I技術與融機構業務的深度融合，也展現了互聯和科技企業對融業需求的深刻理解。AGI在融領域的應不僅覆蓋傳統銀、保險、證券等領域，還覆蓋了互聯融、消費融、供應鏈融等新興領域。隨著融業數字化轉型的深，融機構、科技公司以及互聯公司在融科技之間的界限正逐漸模糊。這些企業機構將通過相互合作，發揮各技術和專業優勢，共同參與融AGI布局，推動融業的全升級。01如商湯科技：代碼浣熊、融智腦Agent智能軟件公司02如數勢科技：智能分析助(SwiftAgent)、智能指標平臺(SwiftMetrics)、多實體標簽平臺(SwiftXDP)、智能營銷平臺(SwiftMKT)數據智能產品提供商03如瀾碼科技：企業級A

32、gent平臺“AskXBOT”AI Agent平臺公司04百度智能云：融服務智能體應“智”；華為：基礎設施的全主創新；科訊：星展業助、星盡調助、星智能客服、星代碼助；騰訊云與中國信通院：中國個融業模型標準?？萍季揞^企業多元化參與者共同推動融業全升級成式AI企業應領域分布：銷售、營銷、客戶關系在融業占據前三19%51%39%68%66%38%29%43%51%73%67%36%事/法務IT客戶關系銷售營銷產品研發AGI應場景分布統計整體業融業數據來源：2024年成式AI業應情況問卷調研https:/根據市場調研結果顯示，融業AGI場景與整體AGI應場景相較，涉及市場營銷的銷售、營銷、客戶關系、事

33、/法務四個場景開始應例均于整體平，整體應平較；銷售領域應例達73%，顯著于 整體業應平。AGI技術在融領域應成熟度模型：致于運營管理的新以及業務流程的優化應探索產品測試市場投放成熟應智能助語助智能客服數字員/智能機器智能編碼智能營銷檔管理資訊整理資訊成報告成（簡單應）知識問答險評估及預測欺詐檢測與預防量化分析知識庫報告成（較復雜應）智能投顧智能投研交易平臺管理趨勢預測投資交易決策投資策略設計資產管理/財富管理宗商品交易財務管理實時情報分析壓測試融業通向AGI應的步伐尚處于探索期，正逐漸向產品測試期發展。融AGI產品主要被應于智能客服、智能辦公等運營場景，部分頭部科技企業在融核業務環節有所突破：

34、如螞蟻集團推出的投研智能體“助”，推動了AGI在融機構的規?；瘧?。AGI產品是否能夠在融核業務中發揮出重要作，直是業界熱議的話題。AGI技術在融領域應成熟度模型AGI在融領域典型商案例解讀商銀：全推并應模型技術體系，加速融科技與業務的縫融合商銀在2023年已邁出了業先驅的步伐，率先構建了全棧主可控的千億級參數規模的融模型技術體系，該體系由“三技術撐”、“業務領域創新應”以及“五應范式”共同組成，并在客服、營銷、運營和控等多個業務領域得到了泛應。商銀將繼續深化在“融五篇章”的實踐，致于打造以模型為核的“AI融”態系統。業務領域對公信貸運營管理遠程銀行金融市場內控合規人力資源智能辦公智能研發五應范

35、式知識檢索智能搜索文檔編寫數據分析智能中樞三技術撐千億級融業模型，具有出的融知識理解和成能業個國產千億級模型算底座，持千億級模型次訓練和規模并發推理需求將融數據、企業內部專業數據安全快捷地融模型，為業務創新應提供數據持商銀融模型技術體系北京銀：深度應AIGC技術，加快構建模型應體系隨著銀業務數字化轉型的步伐不斷加快，智能技術正迅速融到各個核業務領域。北京銀2021年起便著實施“京智腦”項，旨在滿不同業務線對智能解決案的需求，同時不斷提對智能核技能的掌握與應能；2023年2，北京銀開始探索模型在融領域的應，同年4上線個模型問答具京智助，8啟動AIB融智能應平臺建設作，主要向營銷和銷售場景。北京銀

36、成為最早探索AGI技術應的銀之北京銀開始探索模型在融領域的應實施“京智腦”項，為不同業務線提供智能化解決案上線模型問答具京智助，后續引開源模型，應于知識檢索問答，探索模型在數據查詢、任務執等的應啟動AIB融智能應平臺建設作，向客服及營銷銷售業務，提供實時在線持。AIB平臺逐步構建起前中后臺全覆蓋的智能應體系Agent智能應用金融知識庫智能檢索模型微調可持智能問答、知識檢索、數據分析、任務執等業務場景應針對從營銷策略、操作規范、監管政策到內部審計等業務環節，形成全的融知識圖譜體系研數據查詢和搜索引擎，提升融應的準確性、專業性和可信度信創算和框架，構建L1業模型構建和L2場景任務模型，針對銀業務特

37、性對模型進微調四項技術確保模型與業務縫融合，提升靈活性、可解釋性、安全性和可適應性陽光保險：模型應的建設遵循從普及應到垂直深的策略，全覆蓋業務場景陽光保險已經聚焦模型進了諸多嘗試，迅速確了模型平臺與數據平臺的核地位，深探索模型的能邊界：如在雙底座建設中積極探索了包括銷售、服務和管理等業務領域在內的各種應場景。此外，陽光保險還基于 Transformer 結構研發了“陽光正”模型，未來將繼續積極開發價值的應場景，最化模型技術的潛和效益?！?”賦能全員辦公1“3”切線上交互場景，研發3類保險對話機器2“N”全賦能保險應3陽光保險建“1+3+N”的應模式從辦公助理、動編程及知識搜索上推進認知和普及應

38、，員泛評價GPT對常書類作效率有明顯提升；科技團隊應模型輔助編程，研發常藤GPT編程助在代碼安全合規監測、代碼注釋成可節省50%以上作量，在新建系統的標準后臺代碼成可節省60%以上作量。研發的三類保險對話機器已經體現出由對話、理解潛臺詞、隨機應變、和樣思考等明顯智能化程度：客服機器按照服務分類，已上線保單信息查詢、智能報案1.0，節約1186時，客戶滿意度90%；壽險銷售機器完成銷售邏輯搭建，實現了講理念、保障規劃、講產品服務等功能，準確率已達82%。線上險銷售機器已可以解答險購買過程中常問題，問題解答率91.12%。正在規劃傷智能定損機器、養陪伴機器、資管投研助等系列智能化產品；在部分場景中

39、，陽光模型產品已具備AI Agent雛形，能夠在簡單的事故場景中實現智能理賠決策作。外部公有云模型內部私有化模型針對保險垂直領域場景的專項合作應策略應場景及具模型類型中信證券：上線債券模型Bond Copilot，緩解債券全鏈條作的痛點中信證券推出了業個主研發的債券類模型應Bond Copilot。該產品集成了商機挖掘、險管理、智慧辦公、項運營四核功能模塊，利數據可視化技術、智能化分析、動化問答和場景化服務四能，為債券融資業務提供了度專業化的智能輔助服務。Bond Copilot計劃進步擴展其應場景，將延伸基、股票等其他融產品，實現全的業務場景覆蓋。Bond Copilot在各個作階段的應 B

40、ond Copilot通過智能推薦算法和多模態模型技術，挖掘并推送潛在融資需求，成多維市場報告（動撰寫與研報摘要成）主要應的功能板塊商機挖掘險管理智慧辦公產品能 融資時機分析推薦 多維市場報告成產品功能 智能法規問答、險探查和前置險處置等功能幫助機構構建全的險識別和分析體系，確保業務合規（債券法規問答）重點披露事項提醒 多維智能回答 進REITs發結構和投資畫像分析，以提供精準的業務參考，更效地得出發結構 REITs投資畫像分析項運營：全流程的運營監控和問答機制智慧辦公華盛證券：憑借研融模型的創新突破，引領港融券商領域在AI 2.0時代的新作為港融科技券商領域中少數擁有主研發實的企業之，華盛證

41、券在2023年6推出了模型“華盛 GPT-天璣”。這舉措標志著華盛證券成為融業內批推出融垂直領域模型的先鋒機構之?！叭A盛 GPT-天璣”模型的設計初衷是服務于系列內部作場景，包括內容創作、運營推、投放策略分析以及代碼編寫等。借助天璣具，內容運營中的作效率得到了顯著提升，賦予團隊更的靈活性和創造，使團隊能夠專注于為客戶提供更深層次、更價值的內容。提升研發效率釋放運營團隊產將AGI技術融研發流程，旨在通過智能化段，進步提升研發作的質量和效率代碼成與測試：動成代碼，提開發效率，減少編寫代碼的作量；AI代碼審查：不僅增強了代碼質量，且優化了重復性、規則性強的開發任務。優化運營流程并提升推效果：內容成：

42、提升資訊時效性和內容成速度，快速響應市場變化；內容審核：根據海內外投放要求，動審核內容合規性；效果評估：評估內容頭發效果，如流量分布；運營策略：深挖掘戶為和偏好，投放渠道效率、為運營決策提供數據持。融模型應重點融模型應價值釋放資源于個性化內容產幫助團隊聚焦深度內容產出降低審核成本優化規則性作螞蟻集團：“助”成為業批經過規?；炞C并被泛認可的模型典型實踐以融為代表的度專業化業對嚴謹性、專業性和可靠性有著極為嚴格的要求。模型在這些領域的有效應需要滿以上三要求，以確保能夠遵循業的分析和決策標準，并保證輸出結果的安全性和合規性。為此，模型訓練不僅需要依賴規模質量語料，還需要訓練者具備精湛的技術技能和對

43、相關業務領域的深刻理解。然，對模型的開發和維護所帶來的成本和技術挑戰，中融機構往往臨才短缺和資不的雙重困境，難以獨承擔開發任務。螞蟻集團推出的“助”為融機構解決了這難點，能夠效執專家指令并提供精準服務，成為業批經過規?；炞C并得到泛認可的模型典型實踐。助|投研專業投資研究和分析助助|保顧全流程保險銷售助助|理賠保險理賠專家助助|創意營銷輔助具，全渠道智能投放告素材產速度提升100倍，保險業投放ROI第模型端到端突破理賠難題，從兩快賠升級為秒賠，為戶創造理賠新服務體驗。全覆蓋中/美/港市場的重要上市公司與基產品、800+業板塊、200+熱點事件，以及百余家核獨獸公司，實現對融市場動態的分鐘級分析

44、響應和多度分析AI帶來保險規劃師均產能提升150%，AI帶來理財師均產能提升100%分鐘級100%+秒賠100倍“助”是款專為理財、保險、投資等嚴謹領域開發的融從業專家AI助，是業批經過規?；炞C并被泛認可的典型實踐?！爸蓖ㄟ^學習并模擬業專家的思維模式，輔助專家的作流程，能夠顯著提從業員的作效率和服務范圍。助 AI業務助助投研：融知識庫結合專家分析框架，利多智能體協同推理提升分析效率“助投研”融分析框架由三個核部分構成：融知識庫、多智能體和專家分析框架，覆蓋“融知識挖掘”，“資產/市場/業分析”，“新聞/政策/事件解讀”，“公告/研報/財報解讀”，“量化代碼成”和“財經稿/分析報告撰寫”六項

45、能；融知識庫：信息存儲系統，匯集了泛的融資訊、財務報告以及上市公司公告等資料，設計具有度靈活性，能夠根據不同戶的專業領域進定制；專家分析框架：將專家的法論、研究思路、作法等通過知識程轉化為模型可理解的形式。評價智能體根據專家分析框架及其他重要維度進分析并評價輸出內容的準確性。評價智能體還會考慮主觀和通維度，如邏輯、章節覆蓋和表達流暢性等；多智能體：位于知識庫和專家分析框架之間，依托專業智能體框架agentUniverse協同負責處理、分析、解讀信息，根據專家的專業領域，從知識庫中提取相關資料。融分析框架：依托專業智能體框架agentUniverse融知識庫研報庫財報庫融信息公告資訊螞蟻智庫通常

46、識知識庫知識挖掘知識獲取計劃表達評價執專家分析框架多智能體PEER范式融知識程6知識庫，20+類知識，8條知識挖掘鏈路鳳凰模型融領域問題分析專家法論9類典型的定性分析場景，30個細分專家框架框架描述框架描述評價標準專家知識解讀思路信息收集表達要求報告解讀市場分析事解讀政策解讀標的分析宏觀分析策略建議信息查詢泛融股票分析債券分析基分析基經理框架選取思路指導信息收集指導表達指導評價指導科技企業：從智能代碼到數據洞察，科技企業幫助融機構多位實現AGI技術應落地商湯科技數勢科技瀾碼科技容聯云商湯推出的代碼浣熊幫助融機構不僅提升了整個組織機構開發流程、代碼質量，還能夠滿融機構對代碼精準性、數據合規性嚴苛

47、極的要求；商湯推出融智腦Agent全賦能營銷獲客、財富管理、合規控等作，可實現對客戶需求的實時識別和實時響應，綜合提升效率超過100%，運營成本節省80%。應場景：提升融機構研發全流程效率和與客戶管理能基于底層模型，瀾碼科技主研發了能夠連接和系統的企業級Agent平臺“AskXBOT”，助企業構建基于專家知識的超級動化，從提升業務質量和效率，包括HR招聘Agent、檔問答Agent、數據查詢Agent、數據分析Agent、組卷判卷Agent等Agent平臺。應場景：助企業構建基于知識中的超級動化提供銀業和證券業的解決案：針對銀，數勢科技通過多實體標簽與OneID技術，幫助銀精細化識別客戶需求，

48、并聯動線上線下驅動實現客戶全旅程的營銷策略動化執。針對證券機構，數勢科技提供數據資產統管理、敏捷效的經營分析與洞察決策、全渠道全命周期客戶精細化運營等場景化服務。應場景：助融機構多維度提升客戶體驗，加速業務增推出豐富的智能產品，為融機構提供精準營銷獲客、智能客服、數據洞察等服務：針對銀，服務包括綜合業務呼叫中、全渠道統客服平臺、銀智能化升級建設、界多媒體遠程銀和全域數據精準營銷。針對保險機構，服務包括規模智能呼出營銷、電銷體獲客、全渠道智能客服、數據精準戶運營和視頻柜業務經營。應場景：提升融機構研發全流程效率和與客戶管理能AGI在融領域應臨挑戰和應對在融領域應中，AGI技術應前存在四挑戰融機構

49、在應模型過程中臨的主要四挑戰在融業，AGI技術應主要集中在辦公、營銷、運營等通業務場景，對于投研、交易、控等核業務，多數融機構的相關動作仍然相對保守。這與融業強監管的特殊屬性有關，這種業特性也在定程度上制約了AGI技術產品在融業的規?；瘧M程，融機構AGI應主要臨四挑戰。挑戰1技術挑戰技術挑戰（模型的可解釋性和穩定性及技術融合）挑戰2數據挑戰數據挑戰（質量、規模、隱私、版權和安全問題）挑戰3資源挑戰資源挑戰（才、算、資）挑戰4合規性及監管挑戰合規性及監管挑戰（應價值與險的匹配）技術挑戰：融業監管和安全性為模型應帶來多項技術挑戰推理過程復雜，難以針對其具體輸出給出解釋難以判斷訓練數據的質量對模型

50、的影響難以判斷內部推理鏈和決策過程對微差異甚相同的輸可能產不同輸出，影響了模型的穩健性和可靠性融業監管屬性為模型帶來可解釋性和穩定性挑戰技術挑戰AI準備作不模型結合挑戰基礎設施重構及系統集成挑戰融業安全屬性為模型帶來數據、系統和基礎設施適配的技術挑戰SOP和知識體系的建尚不健全AI建設成本龐企業數據質量低保持模型通能突出模型業定制屬性實現“共共治”的和諧態性能服務器和GPU集群系統間的兼容性挑戰融現有作流和提升整體效率數據挑戰：數據問題削弱了訓練與優化效果，進降低了內容的準確性數據安全性與持續學習的平衡 鑒于融業其對數據安全的嚴格要求，模型落地應往往需要采取本地化部署策略，但需要考慮如何平衡本

51、地化帶來的安全性與模型持續學習能的需求；但在完全本地化的環境中，雖然可以保障數據的安全性與可控性，卻限制了模型從外部實時獲取新數據以進迭代升級的能，進影響其效果與效率。數據丟失、泄露及篡改的險 在模型訓練及應的復雜過程中，融機構不可避免地存在著數據丟失、泄露及篡改的險，這些險不僅可能嚴重損害融機構的商業利益，還可能對戶的隱私安全構成重威脅。內容價值取向挑戰 模型能夠效整合并利來戶的反饋進持續優化。然，這特性也蘊含了易受意領袖或特定群體偏好影響的潛在險。因此，精準識別并理解尾戶群體的真實需求與期望，成為應模型過程中不可忽視的挑戰。保障模型的價值導向與倫理邊界成為項跨領域、多維度的系統程。數據挑戰

52、不僅體現在數據本身以及數據獲取向，同樣體現在輸出內容資源挑戰：垂直模型建設對融機構資源配置和戰略規劃是巨的考驗為了持模型的訓練和推理過程，需要進持續且穩定的資投。這種投不僅在初期階段關重要，且在整個模型的命周期中都需要不斷地進。GPU資源緊張，算不，訓練研發周期，成品收益不明顯復合型才稀缺既懂技術也懂業務，能夠將AGI技術融到企業的整個產流程中算資源問題算部署問題 在融領域，算的部署是個涉及多因素的復雜程，不僅僅是單的技術問題；融機構在構建算系統時，不僅要考慮整合異構算資源，還需統籌規劃包括數據中、絡設施在內的基礎設施建設。我國市場正臨算供給的嚴重短缺；盡管部分機構在算資源限購前進了儲備，但主

53、研發能的不導致了對外部算資源的依賴，這種“卡脖”的局亟待解決。業務員挑戰邏輯思維和技術思維缺能邊界挑戰對才能的需求不斷增才類型挑戰復合型才短缺傳統IT才挑戰產品設計和深度建模能不合規性及監管挑戰：融機構需要考量AGI相關產品的應價值與險的匹配在融這度監管的領域中，安全合規不僅是AGI技術成功落地的堅固基，更是推動業穩健前不可或缺的命線。如何確保技術應的合法合規性，以及如何在促進智能融蓬勃發展的同時，構建有效的險防控體系，從平衡智能融發展與監管、發展與控之間的關系，成為擺在融機構前亟待解決的重課題。1 AI技術供應商與融機構之間存在定的信任和透明度的問題，AI系統和算法的復雜性可能導致融機構難以

54、理解其作原理和潛在險。信任和透明度2 由于缺乏透明度和可解釋性，采購AI產品和服務的融機構在進盡職調查時臨挑戰，尤其是在評估AIGC產品和服務時。AIGC內容可能存在安全險以及隱形偏的可能性。盡調挑戰3 許多AI供應商出于保護其創新成果和商業機密，傾向于對關鍵商業知識產權度保密。融機構因難以觸及這些技術的核層，可能臨評估難題，包括對產品性能、安全性及期維護能的全考量。信息披露4 在規劃AI部署策略時，需審慎考慮如何對供應商進全深的審計，挑選合適的產品進采購。這過程的核在于確保所采納的AI解決案既能嚴格遵守融業監管要求，還能有效識別、評估并管理與之相關的各類險。審計與采購融機構臨保證價值與險匹配

55、可控挑戰針對AGI應建設挑戰，融機構應如何有效利技術？針對融業是否泛建設AGI應是不必要的過度投資這問題，普遍的業共識是否定的。雖然前AGI應程度尚未根本性地改變們的活式，也尚未出現顛覆性的爆款應，但其潛在的影響不容置疑。技術投與其所帶來收益之間的關系被認為具有正價值，這不僅基于對未來增的預期，也基于對AGI應能夠為業務帶來實質性賦能的信。STEP 1:AGI應評估思考STEP 2:設定成本效益評估指標STEP 3:循序漸進，設定“破冰期”融機構在積極擁抱AGI應的同時，也需要在投資上保持謹慎，避免盲投。融機構需要根據投產出進評估：應投：盡管當前的AGI技術被認為能夠降低成本并提效率，但這種效

56、益的實現往往依賴于定規模的應；應產出：AGI應前主要集中在輔助操作，完全取代。雖然效率有所提升，但同時也可能增加作員的作量。需要進細致的成本效益分析，不同機構對投產出的衡量標準存在差異。機構可根據身情況設定清晰的中間業績指標和過程指標：些企業將模型視為戰略性投資，對試錯的容忍度較；另些企業則更加關注短期成果，會密切監控短期、中期和期的效益；企業需要做好兩個的平衡：短期利益與期利益之間的平衡；降本增效與創新之間的平衡。盡管精確計算技術投與業務收益之間的平衡點仍是個挑戰，但融機構可以以較的成本進初步的體驗和探索：業績指標的評估則可以通過與操作的效率進較，或者與軟硬件及員成本進對來進；可以選擇個具體

57、場景作為試點，設定個“破冰期”（通常為半年左右），讓公司內部員直觀感受到AGI應產品在降低成本和提效率的潛，然后逐步推。型融機構vs中融機構，AGI建設考量因素差異在選擇AI產品時，型融機構與中融機構的策略和考量存在差異。型融機構往往擁有更為雄厚的資源、更強的險承受能、對技術創新更多的探索以及更強的技術集成能。但論是型還是中型機構，在選擇AI產品時均會注重戰略規劃和合規性，確保技術投資與遠發展標致，同時滿嚴格的監管要求，體現了融機構在追求技術新的同時，對穩健經營的重視。1資源投2技術集成3險管理4創新與嘗試型機構通常擁有更多的資源來投資AGI技術應和才團隊建設，中機構需要更加謹慎地考慮成本效益

58、。5監管合規型機構往往擁有更成熟的技術基礎設施和專業團隊來持AGI技術相關產品的集成，中型機構可能臨更多的技術挑戰。由于有更強的險管理能，些型機構更愿意接受新技術帶來的險。相之下，中型機構可能更加保守，更注重險控制。型機構通常更愿意嘗試和引領新技術的應，中型機構可能更傾向于跟隨已經證明有效的解決案。所有機構在選型時都必須考慮監管合規性，但型機構可能有更多的資源來應對監管要求和進必要的合規調整。融模型產品及解決案：選型思路在合規的要求下整體遵循技術先進性與業務適應性平衡考慮的原則123456業務適應性服務能全局能數據創新智能化能技術基礎場景適配|易操作性|管理適配|集成能|本地化|定制化基礎設施

59、|技術能|適配兼容|穩定性|監管合規|成熟度算/接/存儲 可靠性/市場驗證 致性/控主性|對性|統計分析能|動化程度|權限與安全控制數據兼容|數據融合|提取整合效率|隱私保護|挖掘深度|數據資產增值|數據更新|數據安全信息總結|信息推斷|本轉換|信息擴展|價值觀|復雜推理|可解釋性|透明度|持續學習能公司資質|案例經驗|服務管理|團隊架構|穩定性|公司碑最具發展潛的融AGI應場景知識庫：企業內部知識查找和答疑代碼推薦和輔助成機構內部培訓銷售策略個性化成報告資訊成智能助理/數字員通業務環節最具潛的場景險管理與反欺詐（融）經營決策分析（銀）垂直場景機器（保險）定損理賠（保險）投顧投研（證券）量化分

60、析/投資輔助（證券）融核業務環節最具潛的場景AGI在融領域應未來發展趨勢未來AGI建設向：融機構關注三發展重點融機構建設AGI是提升融服務效率與質量、推動融創新與變以及應對未來挑戰與機遇的必要選擇。AGI技術的應將推動業務創新和服務升級，助融機構做好“五篇章”?？紤]產提升對產關系的影響過往的智能化實踐中，些融機構因盲追求技術的新穎，使得創新受阻。技術應必須考慮業務價值，融業在應AGI技術時，應緊密圍繞業務需求，明確技術應的具體場景和標，確保技術能夠切實解決業務中的實際問題。關注MaaS平臺隨著基礎模型的不斷涌現和國產芯技術的逐步成熟，融業內部的公共平臺MaaS平臺逐漸成型，可以更好地實現上層應

61、與底層技術的解耦。同時，當有新模型或新算法出現時，融機構可以迅速將其集成到MaaS平臺中，并通過該平臺提供給上層應使。MaasS平臺的出現和發展將使融機構能夠更加靈活地應對市場變化和客戶需求。突出應場景和數據積累數據交易是融業的核柱，尤其在海外市場，其交易活動的頻率和規模造就了龐的數據資產儲備。這些豐富的數據資源對于訓練和精細化調整融垂直模型關重要。國內融機構也應度重視數據資產的積累與利，并找到合適的AGI技術應場景從在融創新和服務優化上實現突破。在各項條件中，數據積累及治理平和競爭積極性組成融機構AGI建設的重要前提在各業中，融機構AGI建設平與探索步伐均處于領先地位，得益于兩因素：先，融機

62、構在數字化轉型持續投，使得融業的數字化轉型已邁深區，并在這過程中積累了豐富的前沿技術應經驗和數據。數據作為融業的命線及核資產，其治理平直備受關注。當前，融數據不僅規模龐，且度規范化，這為融機構的AGI建設提供了堅實的基礎。此外，鑒于融業整體處于充分競爭態勢，各家機構必須尋求差異化發展路徑，因此，融機構需要更加積極地應新技術，以保持競爭優勢。AGI基礎較為薄弱融機構基本已脫離這層級完善的AGI基礎部分頭部融機構處于該層級，以銀為主具備較強的AGI建設基礎絕部分融機構處于該層級，尤其是中機構三要素構成融機構成AGI建設基礎，銀普遍更為完善數據積累及治理 信息安全和數據治理平：監管重視度治理規范化平

63、 底層數據質量及客戶情況：數據量數據完整性數據多樣性數據可性競爭積極性 競爭投：資投才供應GPU資源 競爭平：領域規模/機構數量（競爭充分性）機構新技術應意愿AGI建設規劃/戰略準備數字化轉型進展/經驗AGI建設需要機構在兩奠定堅實基礎在未來應，險管理將成為關注重點，險緩釋策略將得到全新隨著險環境的不斷演變和AGI應與現有系統的逐步整合，融機構將臨對現有險管理框架進全審視和新的挑戰。這挑戰的核任務包括確保升級后的險管理框架需要遵循融監管機構制定的消費者權益保護標準、有效管理客戶險、維護絡安全、保障數據隱私以及防知識產權侵權等內容；對監管環境的變化和AGI應的快速發展，融機構迫切需要深化對AI技

64、術險的全理解，從制定出強有的險管理策略。這些策略旨在確保AI技術的部署既安全效，同時能夠應對不斷變化的監管要求和技術創新帶來的挑戰。融機構應對AI險的主要挑戰1明確并達成致的險承受度和標2實施適當的智能協議3險認知4就險管理和責任達成致5評估應案例中短期險6設計險緩釋措施7評估不進AI創新的潛在險8理解AI技術邊界融機構往往已建了健全的險框架，當融機構考慮將AGI技術融業務中時，直接在現有險框架上增加另層專針對新技術的險管理機制，可能會帶來額外的復雜性和不確定性，也就是說新增的險管理機制若設計不當或執不，本身有可能成為新的險源；調整現有框架以應對AGI帶來的險可能更為有效，如重新評估和調整融機

65、構的險偏好、對融機構的治理結構進必要的更新，并定期審查與險管理相關的所有因素?！耙幠；迸c“普惠化”將引領中國融領域AGI應躋身全球領先地位在推動中國AGI在融領域應邁向全球前沿的征途中，規?；渴鹋c普惠化實踐正成為關鍵驅動。盡管國際舞臺上不乏先者展現出領先的應探索和技術能，但從應規模來看，這些嘗試多數仍局限于規模試點或度研究導向的階段。相之下，中國融領域在AI技術的應，以螞蟻集團AI Agent產品為代表，已從象塔邁向產實踐及泛商業化，率先實現了AGI技術在融業務場景中的規模應與驗證，不僅驗證了技術的可性與商業價值，更是樹了規?；瘧牡浞??！耙幠；迸c“普惠化”成為驅動融AGI應發展的主要驅

66、動助AGI在融領域應實踐在世界前列平普惠化規?；档虯gent等AI具使檻；通過開放合作，加速技術向更泛領域的滲透與應。從規模試驗向實際應于融各領域機構；提升個效率，且提升整個組織效能。標桿案例：螞蟻集團 525，螞蟻集團正式開源多智能體框架agentUniverse，是業個開源的融領域多智能體技術框架，提供了多智能體協作編排組件，允許開發者對多智能體協作模式進開發定制，可幫助開發者加快模型技術在融場景的落地研發；對融業內眾多機構仍在進AGI價值論證及AI產品規?；瘧窂教剿?，螞蟻集團作為少數成功實現AI應批量化驗證的企業，通過開放合作加速AGI技術向更泛領域的滲透與應。51專家致謝感謝各位專

67、家為報告編制作提供的寶貴建議?。ò葱兆峙判颍┰?卉螞蟻財富保險事業群運營專家 曙 光華盛證券技術VP紀韓螞蟻財富投研助技術負責賈 安 亞商湯科技 Copilot 產品負責蔣蓬杭州聯合農商銀信息科技部總經理賴 永 興螞蟻財富席架構師 曉 煦北京銀軟件開發中總經理隋 天 謀吉林銀融科技部總經理助理唐 興 才容聯云模型產品負責仵 偉 強渤海銀總個融部副總經理楊寧數勢科技融副總裁、級咨詢專家周健瀾碼科技創始兼CEO感謝鑄基計劃專家為報告編制作給予的巨持和報告內容的寶貴建議！王景堯博中國信通院泰爾終端實驗室 數字態發展部主任吳荻博中國信通院泰爾終端實驗室 數字態發展部副主任馮藝卓中國信通院泰爾終端實驗室

68、 數字態發展部程師52報告預告InfoQ 研究中持續關注AGI領域的應和產品進展，也歡迎各位業內的專家就本報告的內容進交流和討論，共同助中國AGI應發展。中國 AI Agent應研究報告l 模型腦夠聰明到撐Agent落地了嗎？l 其他模塊能現狀如何？l 理想中的智能體和現實有哪些差距？l 平臺類、業類、領域類Agent產品形態有何不同？l Agent未來還將如何發展？內容咨詢： 商務合作：InfoQ 研究中屬于極客邦科技雙數研究院，秉承客觀、深度的內容原則，追求研究扎實、觀點鮮明、態互動的標，聚焦創新技術與科技業，圍繞數字經濟觀察、數字才發展進研究。InfoQ 研究中主要聚焦在前沿科技領域、數

69、字化產業應和數字才三，旨在加速創新技術的孵化、落地與傳播，服務相關產業與更闊的市場、投資機構，C-level、架構師/階程師等業觀察者，為全業架設溝通與理解的橋梁，跨越從認知到決策的信息鴻溝。p 市場份額追蹤p 細分市場分析p 市場規模預測p 市場分析模型輸出p 戶規模評估p 戶認知分析p 戶決策分析p 戶為分析p 技術需求洞察p 技術實踐分析p 應規劃建議p 發展趨勢研判技術市場趨勢洞察技術市場戶分析數字化實踐趨勢分析極客邦科技，以“推動數字才全發展”為任，致于為技術從業者提供全的、質量的資訊、課程、會議、培訓等服務。極客邦科技的核是獨特的專家絡和優質內容產體系，為企業、個提供其成功所必需的

70、技能和思想。極客邦科技 2007 年開展業務今，已建設線上全球軟件開發知識與創新社區 InfoQ，發起并成技術領導者社區 TGO 鯤鵬會，連續多年舉辦業界知名技術峰會（如 QCon、ArchSummit 等），主研發數字才在線學習產品極客時間 App，以及企業級站式數字技術學習 SaaS 平臺，在技術群、科技驅動型企業、數字化產業當中具有泛的影響。2022年成雙數研究院，專注于數字經濟觀察與數字才發展研究，原創發布了數字才糧倉模型，以此核整合極客邦科技專業的優質資源，通過 KaaS模式助數字才系統化學習進階，以及企業數字才體系搭建。公司業務遍布中國陸主要城市、港澳臺地區，以及美國硅等。余年間已經為全球千萬技術，數萬家企業提供服務。洞察技術創新趨勢，推動數字化商業升級內容咨詢： 商務合作：InfoQ 公眾號AI前線 公眾號InfoQ 視頻號