从“用起来”到“有价值”，金融大模型落地看这份白皮书就够了

健康生活 2025年09月09日 10:37 1 admin

2025年被认为是大模型进入各行业核心生产环节，实现规模化应用的关键年。尤其在金融行业，AI技术正驱动金融服务走向前所未有的普惠化、智能化。从辅助效能提升、客户服务优化到风险管理升级等方面，一场由大模型驱动的生产力革命正在金融业上演。

近日，百度智能云联合全球领先的IT市场研究和咨询公司IDC发布《AI原生开启金融智能新未来——金融行业大模型应用落地白皮书》（以下简称“白皮书”），基于百度智能云百余个金融行业大模型实战案例，结合国内数十家金融机构的深度洞察，全面梳理大模型在金融领域的应用现状、核心挑战，并提出以“AI原生”为核心的破局思路。

从“工具导向”到“超级生产力”，大模型驱动金融机构加速智能化转型

白皮书认为，随着政策的全面铺开、模型能力的快速升级、应用场景的不断丰富，大模型在金融行业的应用将完成从“工具导向”到“超级生产力”的跨越。根据IDC数据，2024年中国金融行业生成式AI投资规模为36.26亿元，这一数据预计在2028年突破238.04亿元，增幅达到556.5%。

当前，大模型在金融行业正深化从技术验证向业务渗透的质变，开启深度赋能金融核心场景的新阶段。这一趋势下，各类金融机构纷纷加码投入规模，结合自身资源禀赋，建设差异化的技术体系。

>>国有大行、股份行以能力建设为核心，优先保障算力供给和工具平台建设，兼顾千亿级模型后训练，推动智能体场景全行落地；

>>区域行平衡投入成本与产出，侧重模型场景化微调，追求价值优先和“开箱即用”；

>>保险机构重点关注决策模型、推理模型、多模态结合使用，提升核保核赔等业务效率；

>>证券与基金公司着重建设高性能算力与金融专精模型，关注低时延交易与智能投研报告撰写。

从“单点探索”迈向“战略深化”：金融行业大模型落地进入“深水区”

白皮书指出，金融机构对大模型的关注在不同时期聚焦在不同领域，重心从过去的算力基础设施、模型参数规模、提示词工程、知识工程等，逐步转向异构算力管理、数据飞轮、专精模型、智能体应用以及组织建设等方面。

>>算力方面，针对模型训练、模型管理及应用开发等需求，需构建兼容性强且技术领先的大模型训推加速云原生异构算力管理平台，以支撑算力的高效调度与普惠化；

>>数据方面，需依托强健的数据管道与算力支撑，实现高质量数据从采集、清洗、标注到回流及模型再训练的全流程闭环，形成可持续的飞轮效应；

>>模型方面，鉴于金融业务流程复杂且专业性强，模型需具备极高精确性——既要充分掌握金融业务间的关联逻辑，也要精准把握金融细分领域的特有规则，确保业务决策的科学性与合规性；

>>应用方面，需夯实AI算法基础，强化工具调用与协同编排能力，并深度融合对金融业务的理解，才能真正实现跨系统、跨数据、跨部门的业务流程整合与优化；

>>组织方面，需弥合业务团队与技术团队间的“理解壁垒”，建设业技融合的敏捷型组织，推动技术势能向业务动能高效转化。

从技术到场景，金融行业AI原生应用的重构与破局之路

满足各类金融机构大模型落地需求的关键是对AI能力进行原生重构。非AI原生仅能实现业务局部优化，但具备AI原生应用的金融机构完成的是从算力、数据、模型到业务层面的系统进化。白皮书提出构建AI原生应用策略(AI Native Strategy)，以应对金融机构面临的挑战以及差异化需求，具体包括AI原生的异构计算基础设施、数据平台、模型开发平台、应用开发平台以及金融场景适配五个层级。

>>基础设施：通过动态适配实现“算力与业务同频”，搭建兼容多芯片、多AI框架、多参数场景的异构算力管理平台，构建算力共享机制，实现“基础设施普惠化”；

>>数据平台：基于AI知识需求重构数据底座，依托“RAG+高质量向量知识库”打通“行业数据+机构数据”链路，助力打造“数据越用越准、价值指数增长”的数据飞轮；

>>模型开发：提供贯穿模型训练-微调-部署-安全-运维的完整工具链能力，赋能业务团队构建“专精+通用”模型矩阵，提升模型复用能力，降低模型部署门槛；

>>应用开发：针对复杂的金融业务链条提供编排与搭建方案以及智能体模板，赋能业务快速构建会思考、会执行、会进化的Agent；

>>金融场景适配：专精模型匹配对准确率、时效性、专业度要求较高的领域，攻克业务难题；泛化模型支持员工端从效率提升到决策支持的全方位需求，降本增效。

基于AI原生应用策略框架，近日，百度智能云正式推出“金融双智能、双引擎解决方案”，助力金融机构将技术势能切实转化为业务动能。

>>“双智能”：聚焦“员工智能”与“客户智能”两大领域，为银行、保险、证券、基金等机构的专业岗位打造智能助手。

“员工智能”以“一岗一助手”为核心，在投研、信贷、营销、保险代理等场景已有深度落地。例如，在某股份行的对公信贷尽调场景中，数字信贷经理Agent协助行方完成20+行业模板开发上线，使尽调报告的撰写耗时从一天缩短至一小时以内；在某行的风控建模场景中，数字风险建模工程师Agent协助行内重塑特征工程和风控建模流程，建模耗时从由数月压缩到小时级别。

“客户智能”则围绕“新交易”“新服务”“新交互”，致力建设“一客一管家”，覆盖智能交易、智能客服，以及下一代金融App的对话式交互升级等核心场景。

>>“双引擎”：由百度百舸AI计算平台与百度智能云千帆AI开发平台为核心，组成统一、可持续进化的AI云基础设施。

算力引擎方面，百度智能云成功点亮昆仑芯三万卡集群，昆仑芯已在多家头部银行实现规模化部署。百度百舸5.0在网络、算力、推理及训推一体等层面全方位升级，可对所有的底层硬件进行统一的纳管、调度，实现超大规模节点上有效训练时长超过95%。

平台引擎方面，百度智能云千帆AI开发平台提供包括深度推理、视觉理解、视觉生成、语音等超150个模型，配套企业级MCP服务和专属工具链，助力企业高效构建与部署智能体应用。针对金融业，千帆推出慧金行业专精模型，小参数规模下实现高性能应用，在金融投资咨询、营销客服等垂直场景优势显著，已支撑各类金融机构完成交易助手、理赔处理、车险定损等场景的应用落地。

在这一体系支撑下，百度智能云已深度合作80%的系统重要性银行及150余家保险、券商、基金公司，稳居金融大模型落地首选合作伙伴地位。IDC《中国金融行业生成式AI平台及应用解决方案市场份额，2024》报告显示，百度智能云位列中国金融行业生成式AI平台及应用解决方案市场份额第一。根据第三方标讯，2025年上半年，百度智能云在金融大模型中标数量与金额层面均领跑行业。

展望未来，白皮书建议，金融大模型的落地需“机构定战略、服务商给工具、生态聚合力、行业立规则”。金融机构需构建“战略精准-执行适配-风控闭环”的系统能力，技术服务商提供“算力效能-平台易用-模型工程化-场景赋能”的全栈支撑，产业生态要共建“标准统一-产学研协同-产业链联动”的协同体系，监管部门需强化“政策引导-工具迭代-标准牵头”，多方协同构建“战略-支撑-生态-监管”四位一体保障体系，加快推动大模型产业化发展，释放更多场景价值。

白皮书目录