从“工具”到“引擎”，瓴岳科技探索定义金融AI新范式

AI大模型凭借其强大的功能和广泛的应用前景迅速在金融行业走红,与行业融合显然已进入关键阶段。

数据显示,截至目前金融领域公开披露的大模型中标项目达?63个?,仅次于教育科研和通信领域,主要由银行和券商主导,也涵盖信托、期货、汽车金融等;头部机构更为领先?,A股42家上市银行中,?九成已部署AI系统?,应用场景从智能客服扩展至风控、营销、投顾等核心业务。

但数字只是表象,真正值得关注的,是这场技术渗透背后的范式变革。即金融大模型正从“解决简单任务”进阶为“驾驭复杂决策”,从“效率工具”升级为“战略引擎”。

这意味着,金融机构不再满足于用大模型做文本校对、合同质检这类“轻活”,而是开始将其嵌入了一系列核心业务流程。

一场关于金融价值链的重构,正在悄然展开。

01 金融AI的拐点之年

如果说2024年是金融大模型的“概念验证”之年,那么2025年就是“规模化落地”的元年。

一组数据足以说明这一拐点的到来。据智能超参数发布的《中国大模型中标项目监测与洞察报告(2025)》显示,全年共统计到587个金融大模型中标项目,披露总金额达15.06亿元,项目数量同比增长341%,金额增幅高达527%。更关键的是,应用类项目的数量在2025年首次全面超越算力类项目,成为市场的主导力量。

金融机构初期对算力、芯片等“硬投入”的焦虑性采购高峰已过,战略重心正全面转向如何将大模型能力转化为具体的业务价值。银行、证券、保险等机构的技术决策者,问题已从“要不要建大模型能力”,转变为“在哪个场景用、能带来多少ROI”。

从应用方向看,客户服务和聊天机器人部署、投资与资产管理、欺诈检测、预测分析与建模、后台流程自动化,已成为当前金融机构推进人工智能规模化部署的五大重点场景。分行业看,银行更侧重反洗钱、欺诈检测、授信审批和合规监控;保险机构更多将人工智能用于客户服务、预测建模、理赔管理和定价;资管机构则主要聚焦投资组合管理、市场分析和客户体验。

在回报层面,人工智能应用已开始显现成效。60%的金融机构表示,其“最重要的一个人工智能应用场景”已取得11%至25%的投资回报率。业内测算,大模型预计每年为全球金融行业带来2500亿到4100亿美元的价值增量,相当于9%到15%的营业利润增厚。

02 从“技术工具”到“价值重塑”,金融科技在进化

随着AI大模型在金融业场景应用的不断深化,金融科技企业的角色也在发生深刻转变:从单纯的技术提供者向金融机构业务价值的重塑者演进。

从金融科技公司过去的经营逻辑来看,其主要是为金融机构提供IT基础设施、系统开发和数据处理等技术支持。但在AI大模型高速发展的大背景下,头部金融科技公司早已不再仅仅专注于技术工具,而是深入参与到金融机构业务的构建,通过AI大模型帮助金融机构设计创新产品,直接参与业务价值的创造。

这一转变的背后,是金融行业需求侧结构的深刻演变。中国人民银行科技司司长李伟在参加中国财富管理50人论坛2025年会时表示,人工智能金融应用的创新发展和落地实践离不开产业体系的有力支撑。一方面,大模型应用门槛和成本大幅降低,逻辑推理能力显著提升,多模态能力跨越式提高,有力推动金融等行业大模型应用迈入高速发展的快车道。

以瓴岳科技(Fintopia)为例,这家深耕金融科技领域多年的企业,正在以自身实践诠释金融科技公司的角色进化。如在过去的2025年,瓴岳科技(Fintopia)通过不断探索与创新,其AI研发落地完成了一次关键跃迁,即从“AI辅助编码”走向“AI原生研发组织”。

在这个过程中,瓴岳科技(Fintopia)意识到,AI的真正价值不在代码补全或脚本生成,而在于进入研发主链路。由此,瓴岳科技(Fintopia)构建了五层体系:方法论上,推行Spec驱动的AI自主编码,通过需求、方案、任务、实现与测试闭环,实现81.9%代码由AI生成;基建上,围绕Agent建设自动化执行与高速反馈机制,将质量校验前置,自动化覆盖率达100%,修正成功率80%;上下文工程上,将规范、架构、业务知识沉淀为AI可消费资产,沉淀规则与技能超200项,覆盖全部仓库;应用层上,围绕高价值场景建设专业Agent矩阵,如Code Review、SQL、Oncall等,显著提升效率与准确率;组织架构上,同步调整能力模型、分工与管理机制,覆盖全员AI培训与新员工onboarding。

瓴岳科技(Fintopia)表示,“其实企业AI的壁垒不在模型,而在上下文与组织适配。只有将知识持续资产化、流程自动化、团队智能化,才能真正释放AI的生产力。当前我们已在效率、质量与组织能力上取得可量化的进展,未来将持续深化AI原生研发体系。”

另外,值得关注的是,在瓴岳科技(Fintopia)赋能的金融场景中,平台能够深入理解金融数据的含义、关联以及背后的业务逻辑。且在大模型技术的加持下,该平台具备自学习和自适应能力,即便金融市场环境变化、监管政策更新,或是新的业务数据涌入,平台也能够自动调整参数和算法,持续优化分析结果,始终为内部用户提供最贴合当下实际情况的洞察。

03 从“能力建设”到“安全治理”,行业的范式跃迁

当然,技术越深入,风险越不容忽视。如何在保证数据安全的前提下,最大化的发挥技术对于金融场景的赋能价值呢?

从当前行业实施情况来看,其核心思路还是从“被动防御”转向“主动融合的安全设计”。如监管机构正在强化对金融数据全生命周期的管理,机构层面也在通过全方位的创新手段守护数据安全。以瓴岳科技(Fintopia)为例,为保障数据资产安全,该公司已建立起以数据分类分级为核心的基础安全管控体系。

具体来看,瓴岳科技(Fintopia)将数据划分为公司数据、业务数据、用户数据三大类,并按敏感程度从低到高分为L1至L4四个等级,对应实施差异化的准入、存储、传输、使用、删除等控制策略;在权限管控方面,遵循最小必要与权责一致原则,实行最小授权的访问控制机制,对批量修改、拷贝、下载等敏感操作严格履行审批流程,防止越权与非授权访问;在数据加密存储方面,明确要求对敏感数据进行加密存储,加密算法与密钥长度须符合公司密码管理规范,存储期限不得超过授权使用目的所必需的最短时间;在API安全脱敏方面,传输敏感数据须使用安全通道,并按要求进行对应级别的技术处理(如脱敏)后再行传输,确保数据在接口调用过程中的安全性与合规性。上述各项要求都在其之前制定的《数据分类分级管理办法》《数据全生命周期管理办法》《数据使用规范》等配套制度中进一步细化落实。

正如《金融人工智能发展与安全白皮书》所强调的,金融人工智能的发展必须超越单纯的技术视角,构建“以业务价值为导向、以数据安全为基石、以可信人工智能为治理框架、以智能防御为技术手段”的四位一体发展与安全新范式。

在此范式下,金融人工智能安全不再是发展的制约因素,而是保障其商业价值实现、赢得市场信任、构筑长期竞争优势的内在核心能力。瓴岳科技(Fintopia),正在精准发力。

【免责声明】【广告】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：news_center@staff.hexun.com