來源 | 零壹智庫

【編者按】

金融行業正處于關鍵轉折點，生成式人工智能的突破，特別是大模型能力的顯著提升，成為重要驅動力。在這一變革中，智能體作為核心載體，推動了金融生產力的顯著變革。

大模型作為新一代人工智能的基石，為金融行業的智能化提供了強大的技術底座。它們憑借海量數據訓練，具備卓越的自然語言理解、生成和推理能力，能夠處理復雜文本、進行邏輯分析并生成高質量內容，顯著降低了開發和應用的門檻，是金融智能化的“基建”。

如果說大模型是“大腦”，那么智能體就是將這個“大腦”的認知能力轉化為具體金融業務執行力的“身體”和“行動者”。金融智能體通過其獨特的“感知-推理-規劃-執行-進化”閉環機制，成為連接大模型與現實金融世界的橋梁。

它能夠自主感知外部環境，進行推理和決策，規劃復雜任務的執行路徑，并調用外部工具（API、系統接口、金融模型）來完成具體操作，甚至根據執行結果進行學習優化。智能體的出現，使得金融機構能夠將大模型的能力真正落地到復雜的業務流程中，實現從單點智能到流程智能、決策智能的飛躍。

本文節選自《2025金融智能體深度應用報告》，該報告為螞蟻數科與零壹智庫聯合發布。點擊文末閱讀原文可下載完整版PDF報告。

 01 

浪潮涌起：金融智能體應用現狀

金融智能體作為大模型技術的進階，正重塑國內金融行業格局。它突破大模型僅具備語言理解生成的局限，通過感知、規劃、記憶和行動能力形成閉環反饋系統，實現從“被動問答”到“主動決策”的跨越。

當前，智能體的金融業務場景以“金融業務RPA（Robotic Process Automation）”為主，在客服、風控等場景實現規則化任務自動化，但受基座模型能力、思維鏈技術等限制，尚未實現完全自主工作。

不過，隨著DeepSeek-V3等大模型迭代、螞蟻AgentUniverse等平臺開源，以及算力成本下降，智能體在投研分析、量化交易等復雜場景的多智能體協同應用逐步展開，正從單一工具向全業務鏈智能化解決方案演進。

1、單智能體與多智能體協同應用并存

當前金融智能體應用中，單智能體與多智能體協同應用并存。

單智能體通過結合智能體應用框架，在信貸審批、客戶服務、文檔審批等具有一定規劃要求但業務復雜度不高的業務中優化大模型表現，如某省農商行金融垂直智能體實現貸款面簽自動化率達90%。

多智能體系統則像是一個虛擬職場，每個智能體都有自己專長的特定領域，并統一受“協調智能體”調用，從而使得多智能體系統能夠與人類一樣，具備行動規劃、使用工具執行規劃、與其他智能體及人員合作、邊實踐邊學習以自我改進的能力。在量化金融與投資分析、金融異常檢測等高規劃要求場景中發揮作用。

如某智能投顧平臺利用多智能體協同技術為用戶提供個性化投資建議，通過收集用戶信息、推薦投資組合、實時監控市場動態并調整，提升用戶體驗和投資回報率。

多智能體還具有適用于復雜動態金融環境、提升整體輸出穩定性和提高復雜任務處理效率與適應性等優勢，但對技術架構、算力等要求更高。

2、智能體應用聚焦金融核心場景并逐步深化

智能體在金融領域的應用聚焦核心場景并不斷深化。

在客戶服務方面，工商銀行“工小智”、招商銀行“招小寶”等智能客服通過自然語言處理等技術提升回答準確率、降低人工坐席壓力，美國銀行Erica、摩根大通 COiN 等也在海外展現類似價值。

智能投顧類智能體賦能財富管理，如工商銀行“AI 投顧” 平臺結合大模型和行為畫像生成個性化資產配置建議，高盛Marcus Invest 機器人顧問為中產客戶提供投資建議。

風險管理與欺詐檢測智能體成為關鍵方向，花旗銀行與Feedzai合作的系統、中國農業銀行反電詐平臺均提升了風險識別精度與速度。

此外，運營類、合規與審計類、培訓與知識管理類智能體也在銀行內部加速部署，多智能體協同在企業開戶或信貸等復雜業務流程中逐步落地。

3、技術底座與金融場景深度耦合的專業化架構逐漸形成

國內金融智能體形成“大模型 + 多技術融合”的特色技術路線。

底層依托LangChain、AutoGPT 、螞蟻 AgentUniverse等多智能體框架，結合 DeepSeek-V3 等大模型的金融垂類微調，實現“感知—規劃—記憶—行動”閉環；

中層通過RAG（檢索增強生成）技術整合產品知識庫、投研觀點庫等異構數據，如天府絳溪實驗室的投資助理智能體能將初步研究時間壓縮80%，行業分析精準度突破95%，并推動投資決策效率躍升70%；

上層通過 PEER 協作模式（如支小助的計劃—執行—表達—評價循環）實現復雜任務拆解。隨著人工智能與金融的深度融合，人工智能在金融領域的應用場景不斷拓展，從信貸管理到風險防控，再到承保核賠以及信息披露審核等，為金融業務的創新與發展提供了有力支持。

同時，區塊鏈、隱私計算等新技術的運用，進一步推動了金融數據安全與合規應用，進一步推動了金融監管領域的數字化與智能化發展。模型安全平臺與合規引擎的集成，確保智能體在金融數據脫敏、監管合規等方面的落地可行性。

 02 

螞蟻數科100+金融智能體深度業務場景

在金融行業智能化轉型的浪潮中，螞蟻數科憑借深厚的技術積累與行業洞察，構建起覆蓋財富管理、精準營銷、風險管控、數據分析等核心領域的金融智能體矩陣，依托Agentar金融智能體開發平臺、AI大模型服務網關等全棧技術體系，推動智能體解決方案在銀行、保險、證券等多元金融場景落地生根。

螞蟻數科金融智能體的強大能力，最終體現在其對金融業務全價值鏈的廣泛滲透與深度賦能。其超過100個的深度業務場景，不僅展示了技術的廣度，更彰顯了對金融業務理解的深度。

這些場景系統性地覆蓋了從外部客戶服務到內部運營管理，從精準營銷到嚴密風控的各個關鍵環節。本章將對這些豐富的業務場景進行全景式解析，以揭示金融智能體如何重塑金融服務的生產與消費范式。

1、垂直行業分布

（1）銀行板塊

· 在客戶服務側，AI原生手機銀行提供賬戶管理、信用卡還款、情感陪伴等智能化功能，同時通過適老關懷提升普惠金融體驗；

· 在經營分析中，智能助手可自動生成分支行報告、挖掘商機，賦能精細化管理；

· 零售業務場景下，從實時行情問答到客群智能推品，從持倉解讀到投資決策輔助，全面升級財富管理服務；

· 信貸風控環節則通過AI盡調報告生成、智能審核、風險預警等工具，實現全流程自動化與精準防控；

· 營銷助手和通用助手進一步優化客戶觸達與內部協同效率，推動銀行業務向數據驅動范式轉型。

表1  螞蟻數科銀行板塊智能體深度業務場景詳表

（2）證券板塊

· 在投資研究領域，智能體可輔助生成研報框架、總結路演要點，并快速分析市場事件影響；

· 投資顧問場景下，通過初選投顧方案、預處理理財產品問答，提升服務響應速度；

· 風險控制模塊聚焦客戶流失預警，而合規審查則通過合同初審、交易存證等功能降低合規風險；

· 通過智能運營工具，如信披報告初審、營銷物料合規提示等，進一步優化中后臺效率，助力券商實現業務敏捷性與合規性的平衡。

表2  螞蟻數科證券板塊智能體深度業務場景詳表

（3）保險板塊

· 在產品及客戶服務中，智能體賦能代理人助手、個性化方案推薦及投訴根因分析，提升銷售轉化與用戶體驗；

· 承保管理環節通過自動報價、核單及風勘報告生成，顯著縮短業務周期；

· 理賠服務依托智能定責定損、反欺詐技術，實現車險、健康險等多險種的高效處理；

· 合規與監管模塊提供稽核檢查、政策摘要生成等工具，確保業務合規性；

· 此外，數據資產管理實現保險數據的智能分級分類，為精細化運營夯實基礎。

表3  螞蟻數科保險板塊智能體深度業務場景詳表

（4）通用板塊

· 安全合規領域涵蓋內容審核、合同審查，筑牢風險防線；

· 客戶體驗工具通過標簽挖掘與用戶洞察，優化交互設計；

· 智能辦公與智能客服場景下，從工作報告助手到數字人坐席，全面提效內部協作與客戶響應；

· 智能陪練和智能研發模塊提供交互式培訓、AI編程輔助等功能，加速人才與技術創新；

· 智能用數則通過領導駕駛艙、問數助手等，將數據轉化為決策洞察，賦能企業智能化升級。

表4  螞蟻數科通用板塊智能體深度業務場景詳表

2、業務鏈條解析

（1）客戶服務場景——重塑體驗，提升效率

在直接面向客戶的服務層面，智能體致力于解決傳統金融服務的服務時間有限、響應不及時、體驗同質化等核心痛點。通過提供7x24小時在線的智能化服務，不僅極大地提升了服務效率與可得性，更能通過深度個性化，重塑客戶體驗，增強客戶粘性。

圖1  智能體增強客戶體驗業務場景

（2）內部運營場景——賦能員工，降本增效

金融機構的內部運營涉及大量重復性、流程化的工作。智能體在此領域的應用，旨在將金融從業者從繁瑣的事務中解放出來，作為其“智能副駕”，優化內部流程，顯著降低運營成本，使其能專注于更高價值的專業性工作。

圖2  智能體提升內部效率業務場景

（3）營銷與銷售場景——精準觸達，提升轉化

在營銷與銷售環節，智能體通過強大的數據分析和內容生成能力，幫助金融機構從“大海撈針”式的傳統營銷，轉變為“精準滴灌”式的智慧營銷。其核心價值在于深度洞察客戶，實現個性化觸達，從而最大化營銷投入產出比（ROI）。

圖3  智能體促進金融銷售業務場景

（4）風險管理場景——智能預警，防范未然

風險管理是金融行業的生命線。智能體能夠處理和分析比傳統規則引擎更復雜、更海量的數據，從而在風險發生前進行更早、更準確的識別與預警。其應用旨在將風控從事后補救，向事中攔截和事前防范的范式遷移。

圖4  智能體風險管理業務場景

（5）產品創新場景——洞察需求，加速研發

在快速變化的市場中，產品創新能力是金融機構保持競爭力的關鍵。智能體通過對海量非結構化數據（如用戶反饋、社交媒體討論、市場研究報告）的深度分析，能夠幫助產品團隊更敏銳地洞察客戶需求和市場空白，從而加速產品研發迭代周期。

圖5  智能體回憶產品創新業務場景

（6）決策支持場景——數據驅動，輔助管理

對于金融機構的管理層而言，及時、準確、有洞察的數據是科學決策的基礎。智能體能夠扮演高級數據分析師的角色，對復雜的經營數據進行多維度分析，并以自然語言的形式呈現核心洞察，從而為戰略規劃、業務調整等高層決策提供有力支持。

圖6  智能體在金融機構中的應用

 03 

金融智能體驅動的未來已來

從行業實踐看，國內金融智能體已形成單智能體與多智能體協同應用、核心場景深度滲透、技術與場景專業化耦合的發展格局，螞蟻數科等機構通過全棧技術體系與 100 + 場景的規�；�落地，驗證了智能體在提升效率、優化體驗、創新模式等方面的顯著價值。

作為核心驅動力，金融智能體將催生全新的金融產品、服務模式和風險控制體系，深刻改變金融行業的競爭格局和生態。

1、個性化與嵌入式金融服務

智能體憑借其對海量數據的感知和分析能力，能夠更精準地理解用戶需求、預測其行為模式，從而實現實時、動態、高度個性化的金融產品和服務推薦，包括定制化理財規劃、保險方案設計、信貸產品匹配等。

同時，智能體能夠將金融服務無縫地嵌入到各種生活、消費、產業場景中（嵌入式金融），更好地貼近用戶的個性化需求，讓金融服務無感可用。Kieran Garvey 和世界經濟論壇強調，智能體將是推動個性化金融服務和普惠金融的關鍵力量。

2、智能化產品設計與創新

智能體能夠輔助金融機構進行更高效的市場分析、競爭情報收集和用戶畫像構建，加速金融產品的設計和迭代周期。例如，智能體可以自動化生成金融合同草稿、分析現有條款的潛在風險、優化產品參數以滿足特定客戶群需求等。

3、實時、智能的風險管理

智能體能夠對海量、多源的金融交易數據、市場信息、社交媒體輿情等進行實時監控和異常行為識別�；�于強大的推理和決策能力，智能體可以構建動態的風險評估模型，實現更前瞻、更精細的風險控制，例如實時反洗錢（AML）監控、交易欺詐檢測、信用風險預警、市場風險監測等。

英國投資協會（IA）報告、Kieran Garvey/WEF以及一線銀行AI負責人的實踐都印證了智能體在提升風控效率和準確性方面的巨大潛力。

4、全新合規與監管模式

在日益嚴格的金融監管環境下，智能體能夠輔助甚至部分自主完成復雜的合規檢查、法規解讀、報告生成和審計支持工作，顯著提升合規管理的效率和準確性。同時，監管機構自身也可以利用智能體技術提升監管效率、實現穿透式監管和風險畫像，更有效地維護金融市場穩定。

英國金融行為監管局（FCA）國際與市場執行董事 Sarah Pritchard 表示，FCA支持在安全、責任、合規的前提下推動AI創新，并強調監管需要以原則為基礎、突出結果導向，密切關注AI對風險管理和合規的影響。

-End-

       原文標題 : 智能體正在洞穿100個金融場景