4月30日，由数字中国建设峰会组委会秘书处主办，福州市委金融办、数字金融合作论坛、兴业银行和华福证券承办，华为协办的数字金融主题交流活动在第九届数字中国建设峰会期间成功举办，活动以数“聚”金融、智启未来为主题，福建省委、监管机构等领导与来自全国各地的专家学者、金融机构和科技企业共聚一堂，共同探讨AI在金融行业的发展、应用、创新与实践。
华为中国政企金融系统部总经理赵蕊在活动中发表了《打造开放AI生态，加速金融数智跃迁》的主题演讲，她指出，在Agentic时代，要通过工程能力持续升级，释放金融AI的规模化价值，为数智技术在金融行业的创新发展贡献力量。
华为中国政企金融系统部总经理赵蕊
AI代际极速发展，各行业加速落地并建立可持续生态
“中国模型+中国算力”生态加速走向成熟
从产业发展的角度看，业内普遍认为大模型发展分为五个阶段，2022年ChatGPT 开启的Chatbots阶段，主要是以自然语言聊天为特征；2024年进入Reasoner阶段，大模型具备复杂推理能力；从去年开始进入Agentic 阶段，AI以智能体方式实现了任务执行闭环，今年“小龙虾”和“爱马仕”的出现，以及模型Agentic能力的升级，让智能体的自主规划、可控性和自进化能力得到极大提升。从过去几年的变化，我们看到AI的代际演进是极速发展的，现在正接近自主创新的奇点。未来，AI将具备更强的自主创意能力，甚至替代一个组织自主运行。
技术的演进是快速迭代的，基础模型能力、智能体架构和本体技术的发展，给行业客户带来的影响就是从“创新尝鲜”快速回归的商业本质，通过AI解决行业核心的业务问题，满足深层行业需求。同时，开源生态的快速崛起，降低了用户的使用门槛、打破了国际竞争带来的技术壁垒，进一步加速了AI应用创新落地。从聊天、编程、再到“龙虾”全自主的智能体，每一次技术升级都带来token消耗的10倍级提升，从2024年初到2026年初的两年期间，中国的总token消耗提升了1400倍，我们正快速进入token经济时代，算力和电力融合成token价值，成为智能社会的新基座。
进入2026年，中国的开源模型进入井喷式爆发状态，近46天就发布了30个模型，平均1.5天一个，且开源模型的能力在评测榜单都进入了前列，这两天刚发布的DeepSeek V4 更是在能力逼近全球顶尖闭源模型的同时，算力消耗显著减少，大幅降低了我们使用万亿参数大尺寸模型的门槛。中国开源模型的快速发展，为我们行业用户AI创新提供丰富的选择。同时，中国这些开源模型也在加速适配国内自主创新算力，昇腾与主流开源模型均实现0day适配，Deepseek v4发布当天就有将近10家金融机构基于昇腾完成了v4的部署上线。
华为推进All Intelligence战略
使能百模千态，赋能千行万业
华为在去年11月制定了AI战略2.0，我们将致力于打造坚实的AI算力底座，为世界构建第二选择，为中国参与全球AI竞争提供先进算力保障。AI算力和昇腾生态是我们AI战略的基础，在芯片制程受限的情况下，我们通过系统架构创新，采用灵衢全对等架构构建算力集群竞争力，实现规模算力全球领先。同时，我们将通过开源开放促进生态的成熟和发展，包括CANN、Mind系列训推框架、开发工具链、盘古大模型，以及行业智能体开发平台，都已经开源。华为致力于打造开放的AI架构，以昇腾算力支撑百模千态，赋能行业客户的智能化转型。
AI native 重塑全行人机协同共创的AI银行
在过去的人类历史上，已出现过数次科技突破带来的人类社会巨大改变。纽约的第五大道，从1900到1913年，13年时间，发生了天翻地覆的变化，从只有一辆车变成只有一匹马。相比过去，现在AI会产生更加深远和巨大的影响。我们的工厂会变成以机器人为主，同样，未来的AI银行，也将会以智能体形式运营，智能体替代了大量的银行员工。对外，我们有面客的超级智能体，能完成全流程的业务服务；对内，我们的员工具备多个金牌级能力水平的数字分身，通过一人操控的方式，完成过去需要许多人完成的工作，我们正在进入人机协同共创的智慧银行时代。
Agentic AI不断深化
金融AI从可用到好用，释放规模化效应
在新的金融产品网络营销管理办法下，手机银行愈发成为我们面向客户营销和服务的重要窗口，同时这也是AI应用难度最高的场景之一，因为涉及到面客，场景复杂度高，对意图理解精度、执行闭环能力、合规性、时延、并发能力等都有很高的要求。以这个场景为例，我们在1.0阶段通过大量工程方法，实现了从GUI向LUI的升级，可以通过语音交互的业务办理，让手机银行初步实现了部分功能的好用，达到上线面客要求。2.0阶段又进行了大量工程方法的升级，让手机银行具备更大范围面客的能力。
在1.0阶段，我们探索了用Agent主从架构，实现主智能体的意图识别和子智能体的任务执行，通过小尺寸模型的微调和强化学习，解决了面客中关键的精度、时延和成本的难题。
在手机银行2.0 阶段，最核心的是实现了复杂任务的精准意图理解、动态规划和执行闭环，基于新的GLM5.1 744B的大尺寸模型超强的意图理解和动态规划能力，实现从单意图简单任务到多意图复杂任务的执行。比如客户的真正意图是想买理财产品，手机银行智能体会根据用户画像进行理财产品筛选推荐、账户余额查询、多渠道资金归集等任务规划，通过多轮对话交互直到意图达成。这也是开发范式的升级，从人工穷举到动态自动规划业务流，极大的降低了开发工作量。
同时，我们还设计了全链路可观测的自演进机制，实现了智能体执行过程可追溯，满足金融的安全合规要求。
在手机银行2.0阶段，我们还引入了数据飞轮，每天晚上进行数据飞轮跑批，针对海量会话中的bad case进行自动挖掘和分析，基于多个大尺寸模型（GLM/DS/ Kimi）的结果仲裁，进行数据校准等数据工程的快速迭代，持续提升手机银行意图识别精度，同时也充分利用了晚间空闲算力。
在算力支撑方面，2.0阶段我们引入超节点集群，满足GLM 5.1大尺寸模型的性能、并发和时延问题，确保手机银行的用户体验具备上线面客条件。
金融AI规模化应用的公式
金融可控的Agent=Agentic模型+规约+自进化
通过手机银行2.0的深化实施，我们在业务能力、可控和自进化能力、性能和高可用能力三个方面实现了全面的提升，使得AI手机银行具备更大用户范围和更全业务领域的面客基础。
• 业务能力的升级主要通过范式升级来实现，Agentic大尺寸模型提供的动态规划能力和分钟级开发skill的技术，让业务场景覆盖具备了从20个到400多个菜单、上万级业务流扩展的可能，并且保持意图识别的准确度不下降。
• 可控和自进化能力是通过工艺升级实现，我们升级了记忆系统、实现从每次交互中沉淀优化规约和新skill的自进化能力，形成自我提升的闭环，让智能体能够“越用越聪明”。
• 性能和高可用能力直接决定了用户体验，通过引入超节点算力，让万亿参数的大尺寸模型也有大并发、低时延的性能表现；同时通过NPU serverless的技术应用，让模型的加载从数小时提升到3分钟之内；另外，通过智算中心的双活架构，确保了单中心故障时，智能体服务能够实现毫秒级的切换。
总结一下，因为模型能力、架构体系和工程方法仍在快速演进，因此我们建议金融机构在规划企业级AI架构时，应重点关注架构的开放性，以开放架构支撑智能体生态的深化普及；由于模型的快速进步，模型服务层应与上面的智能体和下面的算力保持松耦合，以实现先进模型的“热插拔”快速引入；在算力平台层，应坚持兼容开放原则，对多元化模型具备广泛亲和的支持能力。
总结：对金融机构开展AI创新和规模落地的新8条建议
1.把AI作为公司级战略，需一把手牵头进行整体战略规划及落地要求，推动组织目标和思路达成一致
2.业务部门深度参与是成功的必要前提，价值点识别、流程梳理和优化是AI创新的基础工作，需构建技、业、数融合的AI团队，持续深化AI创新
3.坚持“好用”和“释放规模化效应”原则，评判场景落地成效，避免做“盆景”，关注日均调用次数、Tokens消耗等指标
4.模型能力进入Agentic阶段，自主执行能力极大提升，迭代周期从年级缩短到周级，开源模型仍然是主要趋势；构建开放架构的模型管理平台，支撑新模型的快速部署和切换
5.基础模型、Agent平台等产品技术仍在快速迭代中，在金融专业领域无法开箱即用，要结合领域级工程经验进行场景端到端优化，并具备快速引入新技术、升级工程方法的机制，才能满足金融AI的规模化应用要求；AI好用10%取决于模型能力，90%取决于工程能力
6.面向未来全行级的AI战略，构建新型的Agent开发范式：智能研发实现一句话开发Skills、Harness engineering实现Agent可控可驾驭，Hermes实现Agent自进化(记忆、规约、技能）
7.数据资产尤为重要，驱动新一轮的数据治理、数智融合的架构升级，构建企业高质量数据集和知识，通过三级数据飞轮，有效支撑AI应用
8.AI创新不是短期项目，是企业持续发展的战略长跑，应打造AI-Native的企业架构，构建持续运营和迭代优化的组织机制、合规可控的安全治理体系，逐步探索人机共生的组织环境和管理机制
“数智世界 一触即达” 选择华为，让您的企业轻松数智化。
