到2031年中国企业将拥有超3.5亿个活跃智能体，金融行业正站在AGI规模化落地的关键节点。IDC与蚂蚁数科联合发布的白皮书揭示了金融AGI落地的六大趋势：金融机构需构建行业垂直大模型、中小机构采用行业大模型产品更具性价比、智能体开发工具需八大核心能力、按具体任务专项构建智能体、自主可信安全是核心演进方向、RaaS按效果付费模式兴起。本文深度解析六大趋势背后的逻辑与金融机构的行动路径。
趋势一与趋势二——行业垂直大模型与中小机构路径
金融机构需构建行业垂直大模型
通用大模型的训练数据侧重通用场景，未深度融合金融领域的业务逻辑、合规规范及数据特性。在信贷审批、证券交易、保险核保等细分场景中，通用模型难以精准匹配业务需求。金融业务对结果的精确性、可追溯性要求极高，通用模型的概率性输出可能导致业务失误或合规风险。金融机构需基于通用模型基座，结合自身业务场景构建行业垂直大模型，注入金融合规数据与业务语料，形成具备领域认知的底座。
中小机构采用行业大模型产品更具性价比
多数金融机构（尤其中小银行、保险公司等）采用优化后的金融行业大模型产品，比从零构建更具成本、合规及效率优势。行业大模型产品通常已经过金融语料预训练、合规性校准与场景化适配，能够以更低的边际成本实现快速部署。中小机构可将有限资源集中于业务场景开发与数据治理，而非底层模型的重复建设，在智能化竞赛中实现差异化发展。
趋势三与趋势四——智能体开发能力与拆分逻辑
八大核心能力
金融智能体开发工具需具备八大能力：可扩展性与定制化、规模化与部署灵活性、多智能体编排、合规与安全性、持续监控、持续改进、丰富的插件/工具系统、可集成。这八大能力共同构成了企业级智能体平台的准入门槛。
按具体任务专项构建
金融行业智能体的应用拆分暂无统一标准，可结合业务流程、岗位职责或具体任务灵活拆分。企业级金融智能体通常按具体业务场景“一对一”专项构建与采购，其知识边界与工具权限被严格限定在特定任务域内。这种“场景专用”的拆分方式既确保了专业性与合规性，也便于在招标采购环节明确功能边界与服务标准。
趋势五与趋势六——自主可信安全与RaaS模式
自主可信安全是核心演进方向
自主可信安全智能体正朝着架构统一、协同高效、持续进化、安全可控的核心方向发展。Harness工程架构贯穿全执行流程，通过分级授权、全链路可观测等机制实现决策可审计、可管控、可回溯，破解企业级场景中AI自主性与可信度难以兼顾的核心矛盾。
RaaS模式兴起与挑战
大模型推动金融向RaaS（Results-as-a-Service）模式转变——金融机构根据智能服务的实际效果支付费用，使AI投资从“资本性支出”转向“运营性支出”。但落地面临挑战：效果量化标准化难题、合规层面的审慎要求、供应商工程化能力的高门槛。RaaS对供应商的数据治理到模型评测全流程能力提出了更高要求。
金融AGI落地的六大趋势共同指向一个方向：从“技术能力实验”全面迈入“商业价值决战”。能够将每次Token调用都转化为可度量业务产出的金融机构，将在智能化竞赛中建立持久的竞争优势。
