2025年春天，深圳某商戶提交了銀行商戶特約申請(qǐng)資料，一個(gè)變化悄然發(fā)生：過(guò)去人工線下單戶審批需要20分鐘的小微企業(yè)商戶準(zhǔn)入審核，如今只需上傳營(yíng)業(yè)執(zhí)照、銀行流水和租賃合同，系統(tǒng)自動(dòng)識(shí)別材料真?zhèn)?、比?duì)征信數(shù)據(jù)、生成風(fēng)險(xiǎn)評(píng)估報(bào)告——全程僅用5分鐘。
這不是未來(lái)構(gòu)想，而是基于阿里云多模態(tài)大模型已在運(yùn)行的“商戶智能審核助手”。這張看似普通的審批單，標(biāo)志著AI正式進(jìn)入金融“生產(chǎn)級(jí)場(chǎng)景”的核心腹地。
與此同時(shí)，在某大型金控集團(tuán)深圳研發(fā)中心，另一類創(chuàng)新應(yīng)用正無(wú)聲上演：集成了阿里云通義靈碼能力的AI編碼平臺(tái)，部分新項(xiàng)目的代碼AI生成占比超70%，同時(shí)團(tuán)隊(duì)固化場(chǎng)景的解決方案數(shù)量達(dá)數(shù)萬(wàn)個(gè)；系統(tǒng)甚至能根據(jù)業(yè)務(wù)需求，自主生成合規(guī)文檔與接口說(shuō)明。
這兩個(gè)場(chǎng)景，指向同一個(gè)趨勢(shì)：金融AI正在從“能看會(huì)說(shuō)”的輔助工具，進(jìn)化為“能決策、可執(zhí)行、擔(dān)責(zé)任”的數(shù)字員工。
而這僅是開(kāi)始。過(guò)去三年，生成式AI席卷各行各業(yè)，金融機(jī)構(gòu)紛紛布局大模型。但大多數(shù)應(yīng)用仍停留在客服問(wèn)答、報(bào)告摘要、營(yíng)銷文案等“邊緣場(chǎng)景”，熱鬧有余，價(jià)值不足。真正的挑戰(zhàn)在于：如何讓AI走進(jìn)信貸審批、風(fēng)控建模、投研決策這些高敏感、強(qiáng)合規(guī)的核心流程？
2026年，這一臨界點(diǎn)已至。隨著阿里云多個(gè)“核心系統(tǒng)上云”項(xiàng)目進(jìn)入收官階段，支撐AI深入業(yè)務(wù)的底層底座——穩(wěn)定、彈性、合規(guī)的金融級(jí)云架構(gòu)——已然建成。這意味著，技術(shù)準(zhǔn)備就緒，戰(zhàn)場(chǎng)已經(jīng)鋪開(kāi)。而在底座之上，當(dāng)金融AI邁入“生產(chǎn)級(jí)場(chǎng)景”，如何滿足對(duì)準(zhǔn)確性、可解釋性與合規(guī)性的極致要求，實(shí)現(xiàn)深度垂直的價(jià)值創(chuàng)造，是金融AI落地接下來(lái)最大的挑戰(zhàn)。這場(chǎng)從“工具”到“同事”的躍遷，正是2026年金融AI能否破局的關(guān)鍵。
金融行業(yè)的數(shù)字化轉(zhuǎn)型，始終在“安全、效率、普惠”這個(gè)看似不可能的三角中尋求平衡。從算盤(pán)到大型機(jī)，從數(shù)據(jù)中心到云，金融業(yè)的技術(shù)工具一直在演進(jìn)，但同時(shí)，作為國(guó)之重器，對(duì)高可用、高可靠、強(qiáng)合規(guī)的要求一直是金融行業(yè)的底線。理解這種“變與不變”，是把握金融AI落地邏輯的關(guān)鍵。
AI技術(shù)的引入，尤其是大模型，曾被寄予厚望一舉破解這一難題。然而，金融業(yè)務(wù)的復(fù)雜性遠(yuǎn)超想象。金融AI早期大多停留在“輔助性場(chǎng)景”：銀行客服處理密碼重置、余額查詢；券商投顧停留在基金推薦；保險(xiǎn)核保僅能應(yīng)對(duì)標(biāo)準(zhǔn)化車險(xiǎn)。這些應(yīng)用提升了局部效率，但并未觸及核心業(yè)務(wù)流程。
究其原因，不僅是因?yàn)锳I本身技術(shù)成熟度不足、模型能力有限、缺乏可解釋等合規(guī)性，很多金融企業(yè)自身的數(shù)據(jù)治理和技術(shù)底座也并不足以支撐AI深入核心業(yè)務(wù)。比如，金融業(yè)務(wù)剛性的“信任與風(fēng)險(xiǎn)”底線要求AI模型不僅需要極高的準(zhǔn)確性，其決策過(guò)程還必須可追溯、可解釋、可審計(jì)；“高可用與高穩(wěn)定”要求下，銀行核心系統(tǒng)要求“五個(gè)九”（99.999%）的可用性，券商交易系統(tǒng)需毫秒級(jí)響應(yīng)，AI的引入不能以犧牲系統(tǒng)穩(wěn)定性為代價(jià)，底層基礎(chǔ)設(shè)施和AI應(yīng)用架構(gòu)必須具備金融級(jí)的可靠性與彈性；此外，金融機(jī)構(gòu)內(nèi)部系統(tǒng)龐雜，數(shù)據(jù)煙囪林立，且充斥著大量非結(jié)構(gòu)化、高隱私性的數(shù)據(jù)，簡(jiǎn)單的模型調(diào)用無(wú)法穿透業(yè)務(wù)流程，AI必須能夠理解復(fù)雜的業(yè)務(wù)邏輯，并安全、合規(guī)地調(diào)用和處理跨域數(shù)據(jù)。
因此，金融行業(yè)需要的不是“散裝”的模型與算法能力，不是簡(jiǎn)單耦合行業(yè)知識(shí)與技術(shù)能力，而是一套符合行業(yè)標(biāo)準(zhǔn)、體系化的解決方案。正如近日阿里云智能集團(tuán)公共云事業(yè)部副總裁、新金融行業(yè)總經(jīng)理張翅與鈦媒體集團(tuán)聯(lián)合創(chuàng)始人劉湘明的對(duì)話中所指出的：“金融機(jī)構(gòu)缺少的不是模型或者算力，而是落地路徑”。一場(chǎng)垂直價(jià)值創(chuàng)造的攻堅(jiān)戰(zhàn)也就此拉開(kāi)序幕。
從場(chǎng)景角度出發(fā)，金融行業(yè)AI應(yīng)用可分為兩大方向：一是直接服務(wù)客戶，解決金融產(chǎn)品復(fù)雜性帶來(lái)的理解障礙；二是提升金融服務(wù)專業(yè)性，深化核心業(yè)務(wù)場(chǎng)景的應(yīng)用。
但金融業(yè)務(wù)所具備的多環(huán)節(jié)協(xié)同、強(qiáng)規(guī)則約束、高風(fēng)險(xiǎn)管控等特殊性，決定了其需要一種具備自主決策能力的AI形態(tài)。而Agentic AI的出現(xiàn)，正好解決了這一難題。令人興奮的是，隨著技術(shù)的發(fā)展，Agent概念正從“外掛知識(shí)庫(kù)（RAG）”的早期形態(tài)，向具備深度思考與決策能力的“Agentic model”的終局形態(tài)演進(jìn)。
與早期“外掛知識(shí)庫(kù)”形態(tài)不同，真正的Agentic AI具備三大核心能力：自主規(guī)劃、工具調(diào)用，以及記憶與學(xué)習(xí)。例如，在財(cái)富規(guī)劃場(chǎng)景中，Agent可將“制定方案”拆解為風(fēng)險(xiǎn)評(píng)估、資產(chǎn)配置、產(chǎn)品推薦、收益預(yù)測(cè)等子任務(wù)，并調(diào)用內(nèi)部系統(tǒng)與外部數(shù)據(jù)源執(zhí)行；在信貸審批中，它能自動(dòng)調(diào)用征信、流水查詢與風(fēng)控模型，并生成可追溯的決策鏈路；在反洗錢(qián)監(jiān)測(cè)中，通過(guò)學(xué)習(xí)新的欺詐模式，提升識(shí)別準(zhǔn)確率。
不過(guò)，Agentic AI卻也面臨著“效率與成本”的雙重挑戰(zhàn)。一方面，大模型的訓(xùn)練與推理需要高昂的算力成本，對(duì)于中小金融機(jī)構(gòu)而言難以承受；另一方面，金融業(yè)務(wù)場(chǎng)景繁多，每個(gè)場(chǎng)景的需求都不同，單一的大模型難以適配所有場(chǎng)景，導(dǎo)致應(yīng)用效率低下。
事實(shí)上，阿里云對(duì)金融AI的布局，早已超越“工具化”階段，指向了能夠自主規(guī)劃、決策與執(zhí)行的Agentic AI，并將其視為金融AI落地的“終局形態(tài)”。
面對(duì)金融企業(yè)Agentic model落地挑戰(zhàn)，阿里云基于自身在金融行業(yè)的實(shí)踐經(jīng)驗(yàn)，提出了“大飛輪+小飛輪”的協(xié)同架構(gòu)。這一架構(gòu)的核心邏輯是：大飛輪構(gòu)建“通用智能能力”，負(fù)責(zé)意圖理解、任務(wù)規(guī)劃與復(fù)雜決策；小飛輪通過(guò)垂直小模型構(gòu)建“場(chǎng)景執(zhí)行能力”，負(fù)責(zé)具體場(chǎng)景的高效處理與數(shù)據(jù)積累；雙飛輪兩者形成協(xié)同效應(yīng)，既降低了AI應(yīng)用的成本，又提升了應(yīng)用效率。
落到實(shí)際應(yīng)用中，阿里云的“雙飛輪”架構(gòu)的解題思路是：針對(duì)金融行業(yè)細(xì)分崗位，采用“一個(gè)基礎(chǔ)大模型與多個(gè)不同崗位的蒸餾小模型結(jié)合（MOA）”的方式更匹配金融機(jī)構(gòu)的實(shí)際情況?？梢韵胍?jiàn)，未來(lái)金融機(jī)構(gòu)需構(gòu)建“大飛輪驅(qū)動(dòng)意圖理解、小飛輪落實(shí)執(zhí)行”的雙輪體系，實(shí)現(xiàn)從輔助到深度協(xié)同的跨越，真正讓AI融入專業(yè)工作流。
與“雙飛輪”架構(gòu)帶來(lái)技術(shù)范式革新匹配，“生產(chǎn)級(jí)場(chǎng)景”的規(guī)?；涞馗枰暾慕鉀Q方案構(gòu)建一體化體系支撐。很多金融機(jī)構(gòu)在AI落地過(guò)程中都會(huì)遇到“碎片化困境”，例如，分別從不同來(lái)源采購(gòu)大模型、數(shù)據(jù)治理工具、開(kāi)發(fā)平臺(tái)，拼接在一起，最終導(dǎo)致各個(gè)系統(tǒng)之間無(wú)法兼容，數(shù)據(jù)無(wú)法互通，AI應(yīng)用難以落地。
“最好的服務(wù)商，給的不是散裝零部件，而是一臺(tái)能跑的車。”阿里云認(rèn)為。換言之，AI時(shí)代，金融行業(yè)需要的解決方案是“全棧人工智能服務(wù)商”，即能提供從底層算力、中間層模型與平臺(tái)到上層應(yīng)用的一體化解決方案的科技同行者。
中間層的模型與平臺(tái)是全棧能力的核心。為此，阿里云不僅提供通義千問(wèn)這樣的通用大模型，還基于金融行業(yè)的特點(diǎn)推出了“通義點(diǎn)金”金融AI平臺(tái)，從底層架構(gòu)到應(yīng)用場(chǎng)景全鏈路深度適配?；谏疃却怪被芰?，通義點(diǎn)金一并發(fā)布了五大開(kāi)箱即用的垂直模型，構(gòu)建了“合成－訓(xùn)練－評(píng)測(cè)－應(yīng)用－迭代”的一站式金融垂直模型生產(chǎn)工廠，讓AI從“通用能力”轉(zhuǎn)變?yōu)?ldquo;業(yè)務(wù)價(jià)值”。
總體來(lái)看，該平臺(tái)包含三大核心模塊：一是金融垂類大模型，針對(duì)銀行、證券、保險(xiǎn)等不同領(lǐng)域的需求，進(jìn)行了專門(mén)的微調(diào)與優(yōu)化，內(nèi)置了金融行業(yè)的專業(yè)術(shù)語(yǔ)、業(yè)務(wù)規(guī)則與風(fēng)險(xiǎn)模型；二是開(kāi)發(fā)工具鏈，提供模型訓(xùn)練、推理優(yōu)化、部署運(yùn)維等全流程工具，降低金融機(jī)構(gòu)的AI開(kāi)發(fā)門(mén)檻；三是場(chǎng)景化解決方案，針對(duì)信貸審批、智能投顧、理賠定損等核心場(chǎng)景，提供開(kāi)箱即用的解決方案，包含預(yù)訓(xùn)練模型、數(shù)據(jù)模板與業(yè)務(wù)流程。
目前，千問(wèn)、萬(wàn)相及通義點(diǎn)金已深入金融業(yè)務(wù)的多個(gè)核心場(chǎng)景，從大型國(guó)有銀行到保險(xiǎn)、證券機(jī)構(gòu)，均取得了顯著的實(shí)踐成果。例如，2025年云棲大會(huì)上，工商銀行分享其打造的“工銀智涌”大模型技術(shù)體系，在20多個(gè)業(yè)務(wù)領(lǐng)域、400多個(gè)場(chǎng)景實(shí)現(xiàn)端到端賦能，打造了上千個(gè)專業(yè)領(lǐng)域的智能體，累計(jì)調(diào)用量達(dá)15億次，日均消耗80億token。此外，公開(kāi)資料顯示，國(guó)泰海通也與阿里云合作深化AI場(chǎng)景應(yīng)用，圍繞智能投研、智能投顧、智慧辦公等方向，聯(lián)合開(kāi)發(fā)證券行業(yè)垂直大模型，同步優(yōu)化客戶服務(wù)體驗(yàn)與內(nèi)部管理效能。
據(jù)了解，接入阿里云后，中小金融機(jī)構(gòu)也能低成本獲取先進(jìn)AI能力。目前，已有九成的政策性銀行及大型國(guó)有銀行使用通義大模型，12家股份制銀行也已全部接入，國(guó)內(nèi)規(guī)模排名前十的財(cái)險(xiǎn)公司也都在使用通義大模型，他們普遍以通義大模型作為主力模型，支撐70%以上的AI應(yīng)用場(chǎng)景。
金融AI正從外圍輔助場(chǎng)景走向核心業(yè)務(wù)的滲透，從“云原生”走向“AI原生”。“從云原生分布式升級(jí)為AI原生的架構(gòu)為AI落地提供了高可靠、可信賴的技術(shù)底座，例如MCP等工具可將原有核心能力（如風(fēng)控、匯率計(jì)算）封裝為Agent可調(diào)用的組件。隨著AI智力不斷提升，未來(lái)架構(gòu)是‘人+AI+系統(tǒng)’的深度協(xié)同。”在張翅的預(yù)想中，未來(lái)三到五年，金融行業(yè)IT建設(shè)將從“系統(tǒng)建設(shè)”轉(zhuǎn)向“智能增強(qiáng)”階段，而這背后不僅僅是技術(shù)升級(jí)，更是一場(chǎng)涉及技術(shù)、組織、人才結(jié)構(gòu)的深層次變革。在這其中，成功的AI實(shí)踐的前提是：業(yè)務(wù)構(gòu)建清晰可評(píng)判的SOP（標(biāo)準(zhǔn)作業(yè)程序），組織需打破技術(shù)與業(yè)務(wù)壁壘，構(gòu)建雙飛輪技術(shù)范式，逐步邁向Agentic AI。
阿里云作為這場(chǎng)變革的引領(lǐng)者，正通過(guò)“AI原生架構(gòu)”的打造，與金融機(jī)構(gòu)共同構(gòu)建具備自主決策能力的“AI大腦”，實(shí)現(xiàn)從“上云換心”到“用AI換腦”的跨越。
近年來(lái)，金融機(jī)構(gòu)上云進(jìn)程加速，諸如深農(nóng)商、中華財(cái)險(xiǎn)等一批金融機(jī)構(gòu)核心系統(tǒng)遷移至阿里云，以阿里云為代表的云服務(wù)商提供了穩(wěn)定、彈性且符合金融級(jí)要求的云底座，解決了AI規(guī)?；涞厮璧乃懔?、存儲(chǔ)和安全合規(guī)問(wèn)題，也為實(shí)現(xiàn)軟硬一體的全棧AI能力和數(shù)據(jù)治理能力提供了基礎(chǔ)。
IDC發(fā)布的《中國(guó)金融云市場(chǎng)（2025上半年）跟蹤》顯示，2025上半年，中國(guó)金融云市場(chǎng)規(guī)模為380.1億元人民幣，同比增速恢復(fù)至20.0%。其中阿里云在金融公有云基礎(chǔ)設(shè)施份額為43%、創(chuàng)歷史新高，連續(xù)7年第一；同時(shí)蟬聯(lián)中國(guó)金融云整體市場(chǎng)第一、收入同比增長(zhǎng)32%。
同時(shí)，大模型能力不斷成熟，通義千問(wèn)等國(guó)產(chǎn)大模型頻繁在國(guó)際各類評(píng)測(cè)中領(lǐng)先，且自2023年云棲大會(huì)開(kāi)始，面向垂直業(yè)務(wù)領(lǐng)域的行業(yè)模型在阿里云年度發(fā)布和合作成果中逐漸成為主力。阿里云全棧AI云正成為金融機(jī)構(gòu)智能化升級(jí)的核心支撐，通義千問(wèn)成為金融AI生產(chǎn)級(jí)場(chǎng)景里的主力模型。
從“上云換心”到“用AI換腦”，過(guò)去十年，阿里云見(jiàn)證并推動(dòng)了金融行業(yè)的“上云換心”革命。如今，當(dāng)金融行業(yè)進(jìn)入“用AI換腦”的新階段，阿里云再次走在了前面，通過(guò)Agentic AI技術(shù)、雙飛輪架構(gòu)與全棧服務(wù)能力，幫助金融機(jī)構(gòu)構(gòu)建具備自主決策能力的“AI大腦”。多年后回看，2025年或許正是中國(guó)金融智能化變革的起點(diǎn)，而在這場(chǎng)變革中，阿里云不僅是見(jiàn)證者，更是主動(dòng)的塑造者。（作者｜張申宇，編輯｜蓋虹達(dá)）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論