2025年中國金融智能體發展研究報告

金融智能體行業丨研究報告

摘要：

本報告基于技術發展周期視角，對中國金融智能體的落地現狀和趨勢展開了深度洞察，闡述了金融智能體在關鍵周期階段的主要表現，期望能夠為行業提供一份擁有參考價值的研究內容。

序 -背景

三重驅動因素推進金融智能體發展

相比近年來金融機構采納的各類新興技術，大模型及智能體的發展在“技術突破、業務創新與政策支持”的多重因素驅動下，展現出更為強勁的發展勢頭

近年來，各類新興技術相繼涌現，均在初步探索期獲得市場關注，也都經歷了從概念炒作到理性回歸的過程。這些技術中，部分通過重塑業務流程實現穩健發展，部分則因未能規模落地而發展停滯。多家金融機構技術負責人反映，盡管各類新興技術持續影響金融科技戰略布局，但很多決策者日趨理性，會審慎對待市場炒作，從而更關注技術的實際價值。

與其他技術相比，大語言模型、金融大模型及智能體的創新展現出顯著不同的特質。它們憑借技術突破和場景應用創新，為金融業務升級開辟了新路徑；加之政策層面的積極引導，共同為技術的發展構建了堅實的支撐。這種技術、場景創新與政策的多重共振，使大模型驅動的智能體在中國市場展現出強勁的內生動力。目前，很多金融機構也在采取“戰略積極、落地務實”的策略，重點關注智能體在具體業務場景中的價值實現。

驅動因素 1：技術突破

智能體能夠彌補大模型在執行具體任務和對外交互方面的不足，解決落地應用中的“最后一公里”難題。同時，得益于技術進步與工具生態的完善，智能體正加速走向實用化：一方面，以DeepSeek為代表的大模型在多輪對話理解、任務規劃與復雜指令處理等能力上持續增強，提升了智能體的任務執行效果；另一方面，MCP、A2A、LangChain等協議與開發框架有效降低了開發門檻，使智能體的構建與部署更為便捷高效。

驅動因素 2：業務創新

積極布局AI的金融機構，正致力于探索智能體在業務增長、客戶體驗與服務升級、運營降本增效等維度上的落地模式。調研顯示，約33%的金融機構對智能體持較為積極的投資態度1（詳見后文客戶需求分析），反映出市場對其實踐價值的認可與期待。

驅動因素 3：政策支持

政策層面為智能體在金融領域的應用與發展提供了清晰的指引與目標規劃，這些頂層設計正逐步引導實際的資源投入。例如，部分機構依據相關政策調整科技投入優先級，并為智能體及金融大模型等AI技術設立專項資金。更重要的是，政策明確了價值落地的重點方向，尤其是金融“五篇大文章”所涵蓋的科技金融、綠色金融、普惠金融、養老金融、數字金融等領域，為智能體的業務實踐錨定了關鍵探索路徑。

中國金融智能體的應用落地及商用實踐現狀

1.1 當前行業所處的周期階段

智能體的應用實踐情況是衡量行業發展階段的標尺：2025年是金融智能體發展元年，行業處于初步探索期（投資建設期）的周期階段

目前，96%的應用實踐處于初步探索期，大部分項目集中在“POC、智能體平臺部署、以及完成部署進入試點運行”的階段；僅4%的應用實踐進入敏捷實踐期，主要集中在職能運營類場景或非核心金融業務場景。

1.2 場景應用

目前智能體雖看似在很多金融場景都有落地，但大多是在金融業務場景外圍和職能運營類場景上進行初步探索

當前金融智能體的應用聚焦在兩類場景：

1）職能運營類場景的初步探索：典型場景如知識問答、辦公助手等，這類場景聚焦于通用運營與基礎服務。目前此類場景的智能體應用落地速度快、適配成本低，已成為大多數金融機構推進智能化的首選切入點。預計1年內或1-2年內，該類場景將從初步探索階段全面進入敏捷實踐階段。

2）在業務場景外圍進行初步探索：無論是縱向業務邏輯場景（如智能信貸），還是橫向業務邏輯場景（如智能營銷），亦或是監管合規類場景，目前智能體的應用多數以業務輔助為主，如生成報告、流水分析、產品問答、影像識別等，主要是在業務場景的外圍提供輔助性智能化工具，尚未對金融決策相關的核心場景產生價值影響。智能體想要深入走向金融業務，需要適配金融場景的專屬產品體系，因此產品供應商的金融業務認知與經驗非常重要。

1.3 項目部署實施

2025年，大部分項目的部署實施進程基本遵循既定規劃推進

當下，金融機構的核心目標在于探索智能體在金融業務中的可行落地路徑，并對其實際價值進行驗證。目前金融智能體主要包括兩種落地路徑：

一類是在現有系統或應用中嵌入智能體功能，通過輕量化改造提升業務智能化水平。這類智能體通常依托于原系統的底層架構（如數據接口、流程邏輯）運行，功能聚焦于局部場景優化——例如在傳統信貸系統中加入智能審批模塊。其優勢在于適配性強、改造周期短，但功能擴展通常受限于宿主系統。

另一類則是通過采購標準智能體產品或開展定制化開發，以試點方式快速驗證場景價值；也有部分機構選擇自建智能體平臺或引入全棧式解決方案，實現從底層技術到上層應用的全鏈路開發。這類智能體具備獨立的數據處理、決策鏈路和運行環境，可跨系統調用資源（如同時對接CRM與風控系統），迭代靈活性強，但也面臨與既有系統集成復雜、開發及維護成本較高等挑戰。

就項目進展而言，由于部分項目的實施周期多為數月，許多2025年的下半年（尤其是第四季度）簽約的項目目前仍處于交付階段。總體來看，大部分項目均在約定實施期內按計劃推進，除個別案例外，整體未遇到重大實施障礙。

1.4 項目部署實施后的落地運行

預計將有20%～25%的項目會面臨效果不達預期、甚至會走向失敗的風險，即便部分項目在POC中擁有良好表現

任何一項技術的初步探索期都必然會有一些項目走向失敗，智能體項目能否成功不僅在于對廠商能力的驗證，也受到真實業務環境復雜性、項目全周期成本結構和組織適配能力的綜合影響。在金融智能體的初步探索期階段，我們已經發現部分項目存在因產品技術能力、成本規劃、真實生產環境制約等問題而存在項目失敗或不能達到預期效果的風險。以下是我們列舉的典型案例以及對目前項目的風險評估分析：

1.5 客戶分布

銀行業成為金融智能體市場的核心陣地，資產管理、保險領域亦圍繞自身業務特性積極探索布局

從項目數量占比來看，銀行業以43%的占比優勢位居第一，成為金融智能體應用的核心陣地。這既源于銀行業務場景的多樣化與高頻交互屬性讓智能體的應用擁有更多場景機會，也得益于銀行在資金、技術、數據積累上的先天優勢。目前國有大行和股份制銀行率先開展大模型建設和智能體場景實踐，城商行、農商行則通過標準化場景逐步滲透，形成“頭部引領+中尾部跟進”的梯隊格局。

資產管理類機構以27%的占比位居第二，證券公司、基金公司、信托公司等機構在投研智能化（如研報分析、市場動態監測）等場景呈現出旺盛需求。大模型及智能體在文本理解、邏輯推理方面的能力與這些需求高度契合，因此涌現了較多項目。

保險業以15%的占比處于第三梯隊，其需求聚焦于保單核保、客戶服務等場景，智能體可有效提升效率；互聯網金融公司和其他類機構各占7%，前者依托線上化運營優勢探索智能營銷、風控等場景的應用落地，后者則在細分領域（如融資租賃、財務公司）進行小眾化嘗試。

1.6 項目類型分布

2025年，金融機構聚焦于探索智能體的落地可行性，并著力驗證實際的業務價值；“嵌入式智能體功能”與“獨立智能體應用開發”兩類項目雙向發展

嵌入式智能體功能類項目：在既有的系統或應用中嵌入智能體的功能模塊，例如在銀行風控系統或信用卡外呼系統中，以組件化方式集成智能體能力，提升原有業務的智能化水平與業務效率。這種項目除了客戶主動提出的需求外，也會有一些廠商會在最新的產品版本中增加智能體功能，廠商主動升級的確會在一定程度上促進智能體在金融行業的滲透。但同時也要求廠商審慎管理客戶預期，確保新增功能與目標客戶需求精準匹配，避免在客戶初期接觸智能體時因應用效果不佳而失去投資信心。

主要的供應商為向金融機構提供各類系統及應用軟件的廠商，他們依托已有的產品基礎，通過嵌入式智能體功能對原有解決方案進行智能化升級，實現平滑賦能。部分供應商也會和智能體廠商開展生態合作，選擇集成他們的產品。

獨立智能體應用開發類項目：目前多數金融機構客戶以采購輕量級應用進行快速試點為準，因此智能體應用類項目占比較高，但隨著行業逐步從初步探索期邁向敏捷實踐期，越來越多機構在經歷了場景試點后，將逐步開展智能體自主開發并拓展更多業務場景的應用實踐，市場對智能體平臺的采購需求預計將持續增長。

主要的供應商類型為云廠商、數科公司、AI廠商等，他們會推出智能體平臺滿足金融客戶的智能體開發需求，或提供標準化智能體產品 / 定制開發的服務，部分廠商還會提供金融大模型或通用大模型在內的全棧能力。

1.7 項目金額分布

獨立智能體應用開發類型的項目金額呈現出明顯的場景與機構屬性差異；現階段項目金額多分布在數十萬或百萬級上下

智能體應用項目：當前，智能體應用類項目的金額高度集中于30萬至150萬元區間，金融機構普遍采取小步快跑的務實策略，很多項目的核心目的在于以可控的成本快速驗證智能體的落地可行性及產生的業務價值。主流價格區間之外，部分因開發復雜度高、定制要求強的項目，金額可達200萬至250萬元甚至更高；另一方面，也存在少數低于30萬元，甚至在10萬元上下的項目。這通常源于廠商為爭取標桿客戶案例、客戶預算有限等情況所致，目前這類項目占比不大，暫未演變為行業的惡意價格競爭。

智能體平臺、應用及組合類項目：智能體平臺類項目金額多集中在100萬至150萬元之間，也會因具體需求不同而出現數十萬元或150萬元以上（部分可超過200萬元）的價格。若采用“智能體平臺+應用”組合形式，整體價格通常更高，但也有廠商會在平臺銷售基礎上，將部分智能體應用作為贈送服務。

大模型（或金融大模型）+智能體平臺+應用項目：此類項目的價格通常偏高，但不同需求的項目也會存在較大差異，甚至部分項目價格會存在數百萬元（甚至更高）的差異。

值得關注的是：市場當前涌現出少量由金融機構業務團隊主導的千萬級智能體項目，其目標并非局部優化，而是致力于對金融業務開展全流程、體系化的深度改造。該類項目對服務商提出了更高要求，需兼具領先的技術架構與深厚的金融業務理解能力，能夠提供與復雜業務場景深度適配的解決方案。目前，具備相應綜合服務能力的廠商較為有限，此類標桿性項目也較為稀缺。

1.8 市場規模及商業模式

1.8.1 市場規模：2025年，中國金融機構對智能體平臺及應用解決方案的投資規模為9.5億元，預計2030年將達193億元，年復合增長率為82.6%

2025年中國金融智能體平臺及應用解決方案的公開項目（競爭性磋商、單一來源等形式均包含）、非公開項目的簽約總金額達9.5億元。這其中一部分是輕量級的試水項目，項目金額在數十萬或百萬上下，項目數量占比較多。另外一類項目數量占比雖少，但項目金額在千萬級（金融業務的全流程、體系化智能體升級改造），這些項目共同構成了2025年的市場規模。

中國金融智能體市場的增速可從“相對明確的可預見增長”與“潛在增長動力”兩方面拆分。

相對明確的可預見增長：基于當前市場慣性與項目儲備，讓市場投資規模增速具備扎實支撐，這其中既有存量項目的續購與擴容（如一期轉二期的規?；度耄?，也有新入場金融機構的初期布局（如中小銀行跟進智能體的投資建設），這部分增長由已驗證的需求與落地節奏主導，確定性較高。

潛在增長動力：一是政策強力驅動，將加快金融機構的投資步伐。很多金融機構正在探討和思考如何落實“人工智能+”政策中提及的2027年及2030年關于智能體普及率的目標。這無疑是金融智能體平臺及應用解決方案投資規模增長的強動力；二是頭部機構的成功實踐，所形成的示范效應將推動同業跟隨者加大投入，形成“領先者—跟隨者”聯動的集群增長。三是從行業周期視角來看，預計未來5年行業將逐漸從初步探索期邁向敏捷實踐期、規模擴展期，這將讓行業保持穩健增長（行業周期的推演分析，見后文“趨勢推演”章節，此處不做贅述）。

1.8.2 商業模式：價值交付模式市場空間巨大但對服務商要求極高；產品交付模式市場空間直觀可見，但易同質化競爭

從市場空間和商業機會來看，價值交付模式以業務成果（如AUM增長）作為收費基準，其市場空間直接與所能撬動的金融業務增量價值掛鉤，想象空間巨大但實施難度也極高，需要廠商深度嵌入客戶業務流程并承擔效果不達標的商業風險，目前具備這樣能力的廠商屈指可數，且分潤機制、價值衡量標準，需要服務商和客戶達成共識。產品交付模式通過銷售智能體平臺或應用，市場空間取決于客單價與機構滲透率，規模直觀可見，但易陷入同質化競爭。

1.9 當前行業周期的特點及挑戰

當前周期特征：高漲的市場期望 vs. 探索期的落地現狀

既要抓住行業早期市場機會，也要確保項目落地質量避免影響客戶信任：目前，中國金融智能體市場預期處于膨脹高位，行業需要警惕預期未能達成而帶來的信心透支風險。任何新興技術的發展初期往往伴隨著市場炒作與非理性繁榮，現階段金融智能體實際落地仍處于初步探索期，高漲的期望雖有利于吸引投資，但若項目預期價值難以兌現，或市場上“偽智能體”產品引發較大負面影響，將嚴重動搖機構客戶的信心。

近期調研顯示1，53%的金融機構明確表示：雖愿進行探索性投資，但若項目成果顯著低于預期，將立即縮減或終止投入，直至行業出現可復制的成功案例才會考慮重啟投資。這一數據證明了市場信心存在一定的脆弱性。維護行業良性發展，需要各方共同努力跨越從概念驗證到成熟發展的“規?；瘝{谷”，避免因早期泡沫破裂而導致整個行業陷入信任危機。

金融機構客戶需求洞察

2.1 金融從業者對智能體的認知

目前部分金融機構客戶對智能體的能力邊界和應用價值存在認知偏差，這會使其建立不合理的項目預期及價值期望，甚至錯誤地采納偽智能體產品，廠商需要幫助客戶建立正確的智能體認知

引導客戶建立正確的技術認知，是推動金融智能體落地與行業健康發展的關鍵前提。然而調研發現，不同背景的從業者普遍存在認知偏差，且呈現出明顯的群體特征：

非技術背景從業者雖通過網絡文章、短視頻等渠道接觸智能體概念，但由于多數內容存在片面解讀與過度炒作，導致這些從業者對智能體呈現出“高預期值、低辨別力”的特點，既對技術抱有不切實際的幻想，又難以識別“偽智能體”產品的本質缺陷。

技術背景從業者對智能體的認知雖整體高于非技術背景從業者，但仍有部分受訪者存在認知偏差。值得注意的是，存在認知偏差的從業者中，近五分之三的受訪者因過度謹慎而低估智能體價值，設置了過低的預期值，這與非技術背景群體的認知偏差形成對比。

這種認知分化的現狀，市場教育需采取差異化策略：既要破除“概念迷信”，也要消除“價值懷疑”，通過建立分層次、場景化的認知體系，為智能體在金融領域的深度應用掃清障礙。

為促進金融智能體行業的健康發展，廠商需要通過系統化的能力證明與價值引導，與客戶構建長期信任關系。具體而言，應圍繞以下三個層面展開工作：

2.2 客戶的價值期望

金融機構對智能體的價值期望已發生根本性轉變：它不再僅是提升效率與生產力的工具，更被寄望于成為驅動業務可持續增長與重塑客戶體驗的核心創新引擎

數據解讀

2024年Q4，對智能體有所關注的金融機構中，約三分之二1的領導者重視其在提升組織與業務運營效率、降低成本方面的價值。

隨著更多金融業務部門的從業者關注到智能體，機構整體上對智能體的價值期望也在逐步演變。2025年Q4的最新調研顯示，目前越來越多的機構期望智能體能夠成為驅動業務增長、重塑客戶體驗的創新引擎，而不僅是提升效率和生產力的工具。

這一價值優先級的遷移，標志著未來金融機構將會以更加戰略性的視角部署智能體，而不僅是賦能業務的工具。在此范式下，智能體應用的成功標準也不再局限于效率提升與成本節約，而需進一步評估其是否能夠真正成為推動業務增長與客戶體驗創新的價值引擎。報告上文調研數據中的價值優先級排序也印證了這一趨勢：

2.3 客戶的投資意愿

政策和創新多重因素的驅動下，金融機構對智能體的投資意愿正在提升

基于行業觀察，2025年Q4中國金融機構對智能體的投資意愿呈現明顯的提升，相較Q1，擁有積極投資意愿（十分愿意+愿意）的機構占比增加了27.5%，據調研獲取的反饋，這一轉變主要受三大關鍵因素驅動：

首先，同業示范效應逐步顯現。由“積極探索型”機構所推動的實踐案例，雖然很多項目處于驗證階段且在不斷完善中，但這些案例均為后續跟進的實踐者提供了可參照的實施路徑與風險映射，會在一定程度上降低行業的試錯成本與認知門檻。

其次，政策引導是一項非常關鍵的因素，尤其是國家層面“人工智能+”等戰略的持續深化，為智能體應用劃定了明確的發展目標。這些政策促使金融機構重新評估其技術投入的優先級，將智能體從探索性議題提升為具有戰略意義的投資范疇。

再者，領先智能體廠商推出RaaS（成果即服務）的價值交付模式，重構了傳統產品采購的風險收益結構。該模式通過與業務成果的直接關聯，顯著緩解了金融機構在投資回報不確定性方面的顧慮，從而加速了決策與落地進程。

三者共同作用，推動部分金融機構從智能體觀望階段邁向實踐探索階段。

當前中國金融機構對智能體的投資呈現出分層特征，其決策邏輯與機構規模、資源稟賦相關聯

目前金融機構對智能體的投資表現，主要分為以下三種類型：

積極探索型：對于AI戰略領先頭部金融機構而言，其投資邏輯往往會超越傳統的成本效益模型，而是從技術戰略視角來設立專項資金，重點投向智能體平臺能力建設與關鍵業務場景的深度探索。即便部分項目短期難以實現顯著的ROI，但只要對構建長期的技術壁壘或提升業務效能具有戰略價值，仍會保持較高的投資意愿。

務實跟進型：此類機構的投資行為高度務實且受價值驅動。他們傾向采購或合作開發面向特定業務問題的解決方案，期待智能體能夠直接貢獻于營收增長、客戶體驗升級等可量化的業務指標，實現總擁有成本（TCO）的結構性優化與投資回報率（ROI）的切實提升。這類客戶期望通過相對清晰的ROI測算模型以支持投資決策。

審慎觀望型：以眾多技術能力與預算有限的小型金融機構為代表，其投資策略相對更加謹慎。他們對價格敏感，高度關注產品的成熟度與易用性。在投資決策過程中，會表現出風險規避傾向。

行業共識是，金融智能體市場整體處于“初步探索期”，因此多數機構在產品/技術、解決方案、監管成熟之前，傾向于采取有限試點的漸進式策略，將大規模投資留在行業發展更為明朗、技術路徑更為清晰之后。

2.4 客戶所關注的四大方向

業務為本、技術為用：安全合規基礎上，智能體如何能夠更好地落地、為金融業務帶來持續的價值反饋，是客戶從根本上以及長期發展角度所關心的問題

在當前金融業智能化轉型的關鍵時期，金融機構正面臨戰略與技術的雙重驅動力：既要積極踐行“人工智能+”國家戰略以保持競爭優勢，又需把握智能體帶來的業務變革機遇。通過對151位金融機構專家和領導者的訪談，我們將金融機構客戶關注的問題整理為如下所示的四大維度，而這四個維度也構成了金融機構客戶在采納智能體時的核心決策鏈路。

2.5 安全合規（投資智能體的前提）

需要確保智能體的應用在“安全底線”和“監管紅線”之內

金融機構在智能體安全合規領域呈現出高度一致的戰略關切，不同角色的受訪者對安全問題關注的方向可能不同，但從整體上來看，安全合規是機構采納智能體的前提與底線，任何與之有關的問題出現都可能導致暫停對智能體的應用和投資。面對這些需求，金融機構需要圍繞“大模型 - 智能體 - 場景”來建設金融智能體的安全合規解決方案。

首先，需要圍繞大模型（或金融大模型）全生命周期提供安全保障，例如，提高金融領域模型在訓練或微調中所使數據的質量；覆蓋模型精調、評估、部署的安全運維流程；通過模型圍欄等技術規避模型被誤用、輸出錯誤結果或泄露數據的風險；等等。

其次，需要構建RegTech驅動的AgentOps，在通用的AgentOps能力之上，讓金融智能體的每一個決策和行為都能夠在監管合規紅線、業務安全底線之內。

再者，在金融智能體的場景應用中，應該建立基于風險分級的人機協同機制；面對惡意信息輸入和多模態偽造攻擊等場景，同樣需要構建安全防御能力。

2.6 價值評估（判斷是否值得投資）

對價值的定義、衡量與場景適配已成為金融機構采納智能體的關鍵決策錨點

金融機構在采納智能體的過程中，對價值的聚焦已成貫穿決策的核心，從如何定義核心價值、如何精準衡量實際效用，到如何找到能最大化價值的場景切入點，每一步決策都圍繞價值兌現展開。頭部機構雖資源更充沛，但其布局智能體時，既需響應政策層面對技術落地的戰略要求，也需滿足業務端對效率提升、風險管控的具體需求，價值判斷兼顧長期戰略意義與短期業務成效。中小機構則因資源有限，更注重價值的快速兌現，傾向于選擇能直接帶來成本節約、流程優化等可量化收益的場景，避免過長的回報周期帶來經營壓力。盡管不同機構對價值的側重略有差異，但對價值的定義、衡量與場景適配已成為金融機構采納智能體的核心決策錨點。

2.7 落地實踐（讓智能體有效落地）

安全合規、產品易用的基礎上，懂金融業務的智能體更加具備落地優勢

基于報告前文，目前智能體項目類型包括：在既有系統或應用中嵌入智能體功能、標準化智能體&定制開發智能體、采購智能體平臺、包含大模型的技術棧能力組合方案?；诖?，這部分內容將圍繞這其中涉及到的智能體平臺及應用、大模型（金融大模型）進行調研。

安全合規、產品易用為支撐，更懂金融業務為核心期望：在智能體平臺及應用層，金融場景的深度適配以66.2%的受訪者占比成為最受關注的方向，機構核心訴求是智能體具備預置金融行業知識庫、可插拔工具組件的能力，以便快速構建貼合自身業務的深度應用；業務領導者和技術領導者對其關注程度均達5分（最高），直接體現了“智能體需懂金融業務”的核心期待。在大模型/金融大模型層，客戶更加期待模型對金融業務的理解力，具備吃透金融業務的認知與推理能力，進而更好地支撐智能體的應用落地。目前市場中大部分產品的能力與客戶的高預期之間仍存在差距。其余維度在智能體落地中同樣是不可或缺的能力：例如智能體的集成交互、復雜任務支持、大模型的信創兼容性等。

整體來看，金融機構落地智能體時，以“適配業務場景、理解金融邏輯”的業務認知能力為核心錨點，同時從安全、技術、生態等維度構建保障，既聚焦業務價值的精準落地，也兼顧合規與實操可行性。

2.8 持續發展（確保持續價值反饋）

領先實踐者開始前瞻性關注智能體的持續價值反饋，長遠發展來看，金融機構可以嘗試構建智能體戰略辦公室（ASO）來推動智能體應用的體系化落地，確保價值的持續反饋

當金融智能體從初步探索期逐步邁向敏捷實踐期、規模擴展期，金融機構可以嘗試設立ASO ( 智能體戰略辦公室，AI Agent Strategy Office ) ，將智能體的管理從項目制的一次性交付，提升為產品制的全生命周期運營。ASO通過戰略對齊、統一架構、價值量化和反饋驅動這一系列嚴謹的技術戰略管理及運營，確保金融智能體能夠體系化地落地應用，能夠不斷從業務中學習、進化，并持續貢獻可衡量的價值。

目前，領先的金融機構會采取自主建設+外部供應商合作的方式，甚至部分機構正在選擇多家供應商以分散風險，雖然這些情況還未成為主流，但這也印證未來智能體數量增多，廠商協同復雜的趨勢。對此，智能體的持續價值反饋，不能只依賴項目管理思維，而是應該從體系化的產品戰略及管理角度推動智能體價值的持續正反饋。此外，金融智能體有機會滲透在諸多金融業務板塊，提升業務和產研團隊的協同效率也是十分關鍵；再者，還應將外部監管與內部風控內化為智能體系統的設計原則與運行標準。綜上趨勢，從金融機構應用智能體的長期發展來看，ASO是一個值得參考的組織管理模式。

基于行業周期的趨勢推演

趨勢摘要

Stage 1：初步探索期（投資建設期）

初步探索期，多數項目正在經歷POC、部署實施、試運行的過程。應用方向也會相對局限于職能運營類、金融非核心業務類場景，金融核心場景的落地尚處于探索階段。這一時期，智能體還未能發揮出深度的應用效能，因此從價值回報的角度，被定義為投資建設期。

此階段，應該重點關注行業早期的市場教育、客戶預期建設、智能體產品的甄別（謹防偽智能體產品造成的負面影響）、把握項目的客戶滿意度、在應用場景的廣度和深度上持續探索并尋求突破。

初步探索期持續的時間越長，對金融智能體的縱深發展越不利，因為遲遲看不到應用擴展和價值回報的客戶將會失去投資信心和熱情。在這一階段，如下趨勢值得關注：

隨著金融機構發起的智能體項目逐漸增多，以及越來越多的廠商正式推出智能體相關的產品或解決方案（目前部分廠商還在打磨產品而尚未開啟商業化），將推動市場走向“熵增”，此時的市場也充斥著一些偽智能體產品擾亂客戶認知。行業將在這樣“混沌”的狀態下經歷初步探索期的考驗。這個階段，幫助客戶建立合理的預期、讓客戶正確認識智能體的價值邊界十分關鍵，這將影響項目合作的可持續性和行業的健康發展。

在初步探索期，數據的有效性和可用性是影響智能體項目能否推進的關鍵因素，且這一影響會持續貫穿后續各應用階段，因此在金融智能體應用的全生命周期中值得持續關注。

面向智能體的數據工程需要建立一套綜合能力體系。其核心目標是確保數據能夠充分支撐智能體的自主感知、規劃與行動。從“為靜態分析提供數據”轉變為“為自主智能體提供動態數據燃料”。要關注的不只是數據本身，還包括支撐其持續產生價值的管理流程和治理體系，讓數據自適應智能體運行，主要包含數據準備、靜態數據轉化為動態交互兩個部分。

數據準備：以明確的智能體用例目標為導向，保障數據的可訪問性、可靠性與及時響應。通過增強數據語義，確保數據集合具備代表性和多樣性以反映現實模式并減少偏差。同時，建立涵蓋可溯源性、隱私保護、偏差管理和道德合規的數據治理框架。

靜態數據轉化為動態交互：需構建時序交互上下文以串聯多輪對話與工具調用；思維鏈標注數據以提供推理范本；標準化工具接口以封裝可執行服務；以及涵蓋邊緣案例的安全驗證數據集；等等。這些工作旨在為智能體提供可學習、可決策的連續數據流，而不僅是孤立的信息點。

Stage 2：敏捷實踐期（回報初期）

敏捷實踐期，大部分項目走過了部署實施后的試運行階段，開始在業務中落地，但還未形成可規?；茝V的方案，且一些項目還是面向非全量用戶或部分業務。價值回報視角，這時的智能體已經從“投資建設期”邁向“回報初期”，行業周期已經達到E – Cycle曲線的第一個增長拐點，金融智能體開始逐步釋放智能體的應用價值，進入正向的價值回報階段（即便還未能追平前期的投資），我們將這個拐點時期定義為“看到曙光”。

敏捷實踐期的核心目標是：通過在應用場景中不斷地敏捷嘗試，抽象出金融智能體落地應用的規?；妒?，進而邁入行業的下一發展階段：規模擴展期。站在金融機構的角度，規模化范式可以從試點的小項目升級為企業級規?；渴?。站在行業的角度，規模化范式可以將智能體解決方案推廣至更多的機構。

敏捷實踐期持續的時間要長于初步探索期，此階段需要金融機構和廠商共同對規?；妒竭M行“解題”。相比于上一階段（初步探索期）需要進行早期的市場教育、客戶預期建設引導，這一階段需要幫助客戶建立規?；涞氐男判?，同時讓客戶看到當前智能體的應用價值，因此一套科學且客戶共識的價值衡量體系在此階段變得十分重要。在這一階段，如下趨勢值得關注：

金融智能體項目的服務周期因合作內容不同而差別較大，短周期項目多見于3～6個月，長周期項目可達12-18個月，部分項目甚至2-3年。當這些項目服務結束時，一些失敗或未能達到客戶預期的案例將篩選出競爭力較弱的廠商，反之成功的案例將讓對應的廠商增強市場競爭力。往復循環之下，將形成“大浪淘沙，競爭分化”的市場迭代。相比于下表所示的2025年廠商分布，未來的廠商格局將突出在產品技術能力、金融業務理解能力上具備優勢的廠商。此外，早期的市場教育也會同步在這個優勝劣汰的過程中完成，供需兩端將同步完成進化迭代。

隨著客戶對智能體的價值期望逐漸傾向于“業務增長、用戶增長”等方向，但在采購智能體時卻對ROI產生擔憂，?RaaS（Result as a Service，結果即服務）這種價值交付模式將成為一種值得選擇的方案。

在敏捷實踐期，RaaS將對推動行業發展產生貢獻，因其可以幫助客戶規避ROI不確定性的顧慮，進而高效開展智能體應用。同時，在這個過程中將產生更多的規?；妒教剿鳈C會，也有可能沉淀驅動業務增長的最佳實踐。

支持RaaS的廠商需要在金融業務經營、用戶增長等方面擁有深厚的KnowHow，且可以形成能力或資源壁壘而持續被客戶需要，以促進機構的長期合作。支持RaaS的廠商還需要能夠建設與客戶共識的價值衡量標準及合理的定價機制，同時輸出落地方法論和行動指南。

RaaS將改變金融智能體市場的競爭范式，標志著廠商的角色從智能體產品供應商升級為業務成果的共創伙伴，其收入直接與為客戶實現的、可衡量的業務成效掛鉤。目前已有多家廠商支持RaaS模式。

金融決策的復雜性（如信貸審批、投資組合）意味著，任何微小的思維偏差都可能導致直接的財務損失、監管處罰或聲譽風險。因此在風險敏感的金融領域，對智能體運行的信任，是決定其能否走向核心業務、以及行業能否邁入規模擴展期的核心影響因素。對此，金融機構需要構建一套增強信任的金融智能體安全架構，該架構是圍繞“大模型-智能體-場景”而構建的金融智能體安全解決方案。這其中不僅包括產品、技術及解決方案的創新，也包含了安全的人機協作等運營機制，為金融智能體的落地應用保駕護航。這其中包含的主要技術在報告前卷已經介紹，此處不再贅述。

智能體安全合規通常會受到技術、數據、用戶輸入、業務環境等多種因素的綜合影響，在行業即將邁入規模擴展期之前，金融機構有必要建設一套完整的“增強信任的金融智能體安全架構”而非只是其中的單項能力，因為邁向規模擴展期后，智能體的應用環境將會變得更加復雜，提前部署完備的增強信任的金融智能體安全架構，有助于降低智能體運行的安全隱患。根據調研，雖然幾乎所有的金融機構都會將安全合規作為采納智能體的前提，但他們對智能體安全合規解決方案的投資思路會存在差異。

Stage 3：規模擴展期（黃金回報期）

邁入規模擴展期，意味著行業經歷了前期的考驗，在多數場景中找到了智能體的規?；瘮U展范式而開始逐步擴展應用，在這些場景中，智能體逐漸面向全量用戶和業務進行開放。此時，在行業的前兩個階段（初步探索期、敏捷實踐期）停止投資或處于觀望的客戶也將逐漸開始投資行動，行業進入黃金回報期。

在規模擴展期，隨著智能體在更多業務場景中落地，市場期望將回歸理性并逐漸走向穩步爬升階段。E–Cycle曲線在整體規模擴展期將呈現高增長態勢，直至邁入下一個階段（增速放緩期）時，走勢才趨向平緩。

規模擴展期需要重點關注智能體治理、安全合規及風控等方面的問題。在推進智能體落地的過程中需要在智能體架構、落地路徑、組織及資源等方面進行合理的統籌規劃。在這一階段，如下趨勢值得關注：

根據目前項目的進展和運行周期的理想化預判，預計2028年行業將到達規模擴展期。這個階段，智能體應用規?；妒叫纬桑悄荏w的落地應用經歷了初步探索期的不確定性和敏捷實踐期的實驗打磨，我們將這個時期稱為“跨越規?；瘝{谷”。在這個階段，具備以下智能體落地特征：

相比于解決了Agent“能開發、能運行”的平臺及工具支撐，面向價值增長的金融Agent Infra將是解決“為何行動、如何創造價值、價值如何衡量與放大”的驅動型價值操作系統。

這一趨勢的核心成因是如何衡量及定義智能體的應用價值、找到最佳實踐場景并確保應用落地是當前大部分金融機構在采納智能體時核心關注的問題，這也是智能體走向深度金融業務必須要解決的問題，在2028年行業已經邁入規模擴展期的戰略假設下，面向價值增長的金融Agent Infra將成為金融智能體能力建設的必選項。

在規模擴展期的行業周期內，一些項目的投資成本在不斷增加（例如工具調用次數、模型調用Token次數在不斷增加），部分機構對成本缺乏有效管控，他們往往將預算重心放在智能體平臺建設及應用開發等顯性成本上，卻嚴重低估了算力消耗、數據治理、持續運維以及產品迭代所帶來的隱性開支。這種片面的成本規劃，導致項目在實際推進中預算頻頻超支，不僅直接拉低了投資回報率，更動搖了管理層對智能體應用價值的信心，甚至可能使頗具潛力的項目在規模化前夜被迫中止。

調研數據來看，一些機構是“先擴張、后算賬”的模式。他們初期只聚焦場景落地，等項目鋪開后才考慮成本管控，若前期資源投入較大，很容易因為前期缺乏規劃導致成本超支，最終拉低ROI。若延續“初期忽視TCO、擴張后補漏”的模式，隨著2025-2028年智能體項目的擴張，會在規?；A段暴露成本規劃缺陷，而機構為規避損失，恐將會放緩后續投資節奏。

AI Agent作為具備自主感知、決策和執行能力的智能系統，其成本結構遠復雜于傳統AI項目。金融機構需從戰略與治理、技術架構、組織運營、風險管理四個核心維度，系統性地審視總體擁有成本（TCO）。

自主式AI、多智能體系統、面向價值增長的金融Agent Infra、增強信任的金融智能體安全架構等技術的成熟發展，是構建智能體金融網絡平臺的前提條件。

智能體金融網絡平臺代表從平臺中介到代理網絡的范式革命。其核心是多個自主智能體構成的動態柔性網絡，通過自然語言理解主動為用戶提供金融解決方案，實現從產品貨架到主動服務的轉變，生態結構靈活，可根據任務動態組網。風險控制基于多智能體模擬與實時博弈，實現預測性風控；監管則以“監管Agent”形態內嵌于協議中，實現嵌入式實時治理。

金融機構、三方服務商、有FinTech背景的廠商，都有可能成為智能體金融網絡平臺的參與者（主要三類角色：用戶、平臺建設運營方、金融服務供給方），目前市場中一些公司提及的RaaS商業模式，很有可能通過該類平臺落地而非定制化的項目模式。

這里定義的金融智能共生系統是指，客戶側和金融機構服務側，都將會是人與智能體融合的狀態。這樣的趨勢將會隨著智能體在業務中的逐步深入而顯現。這意味著金融機構的服務體系必須進行一次根本性的重構，不僅是增加一個API接口那么簡單，而是從產品設計、風控、營銷到客戶服務的全鏈條變革。從更長期來看，這樣的變革還可能催生新的支付方式，在這個系統中，需要更加獨立敏捷的交易系統來提升效率，以及和場景的適配，基于數字人民幣的智能合約將擁有新的應用場景。此外，由于該系統中會有“不同類型的Agent、不同的真人用戶”進行復雜地交互，需要可信技術體系作為保障。

這個趨勢有望重塑競爭格局，能更好地服務“智能體客戶”的金融機構將具備競爭優勢。

歡迎關注艾瑞數智獲取更多內容