核心观点 - 2025年金融业大模型应用从试点走向规模化量产，成为金融机构核心竞争力，推动投顾、投研、营销、合规等场景的深度变革 [3] - 行业通过监管完善、算力成本下降、模型能力提升和生态成熟实现技术下沉，大模型从概念验证转变为大众可及的生产工具 [5] - 金融大模型发展路径涵盖基准构建、实践应用和行业赋能，最终目标是从功能可用升级至效果可证和生态共生 [3][20][24] 发展路径 - 2025年成为规模化落地分水岭，GPU算力租赁价格大幅下降，监管框架落地扫清使用障碍 [5] - 基座模型调用单价持续下探，应用案例与插件生态日益丰富，解决成本和使用体验问题 [5] - 领先实践锚定真实用户行为数据，例如问财Hithink大模型基于千万级投资者数据构建需求提炼-场景验证-技术迭代-数据反哺闭环 [6] 基准构建 - 行业推出深度融合实际场景的评估基准，覆盖数值计算、链式推理、信息抽取、趋势预测与百科问答等核心能力 [8] - 基准数据集规模达数万至十万余条，包含中英双语样本，输入长度跨度极大以匹配短口令和长研报并存场景 [8] - 评估框架采用多阶段维度解耦，从答案正确性、推理可靠性到指令遵循一致性层层把关，减少单一判分偏差 [8] - 闭源模型在异动溯源分析、金融数据描述等任务表现突出，开源模型在部分细分任务中超越闭源旗舰模型 [9] 实践应用：智能投顾 - 金融智能体平台支撑千万级日活，具备工具+服务+合规三位一体能力，内置MCP协议对接外部服务 [12] - 语义指标平台统一结构化数据业务语义层，检索增强生成引擎处理非结构化碎片，通过动态知识库和溯源验证解决准确性、时效性与合规性痛点 [12] - 平台提供低代码可视化组件，支持业务人员快速拼装AI应用，智能体在生产环境中随真实数据自我迭代 [13] 实践应用：智慧投研 - 智慧金融终端围绕金融数据-逻辑框架-投研落地闭环，覆盖股票、基金、债券、期货等完整数据 [14] - 智能取数、可视化分析与溯源校验实现数据从可查到易用，研究框架将数小时逻辑梳理工作压缩至即时呈现 [14] - 场景化智能体提供开箱即用功能：银行授信报告一键聚合企业数据，行业报告秒级输出，产业图谱自动挖掘标的，AI搜索实时追踪热点 [15] 行业赋能：效率革新 - 智能投顾机器人处理客户需求示例：100万资金适中风险偏好，1年内稳健收益需求，生成包含股票、基金、债券的资产配置建议并实时调整 [17] - 智能投研终端输入分析新能源汽车行业竞争格局需求，自动生成涵盖市场规模、财务对比、技术趋势的结构化报告 [18] 行业赋能：普惠价值 - 中小机构通过标准化服务接入成熟大模型，例如智能客服系统和专业智能终端，无需巨额研发投入 [19] - 低代码开发模式降低应用搭建门槛，业务人员可通过组件编排开发个性化智能营销智能体 [19] 未来展望：供应商能力 - 供应商选型标准从技术交付转向战略共建和效果可证，需具备五大能力：智能上下文管理、数据整合处理、金融工具MCP沉淀、客户全周期服务、行业专业知识 [21][22] - 具体能力要求包括主动管理上下文窗口、处理多源异构数据、构建行业知识库、提供场景咨询和评测体系支持 [22] 未来展望：智能体驱动 - 智能体从办公辅助向核心业务决策渗透，重塑金融价值链，推动从知识外包向智慧共生转型 [23] - 智能体需具备上下文管理、数据整合、金融知识沉淀、客户全周期服务等核心能力，以应对产业链分析、财务指标挖掘等高阶任务 [23] - 发展路径沿工具-平台-生态演进：向下扎根专业评估基准，向上融合应用平台，向远共建安全普惠生态 [24]

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]