前不久，DeepMind發表的一份研究顯示：AI智能體的快速普及預示著一個AI獨立創造價值的新經濟層正在形成。這可能是歷史上第一個不由人類主導的經濟空間，在經濟發展過程中扮演著獨一無二的角色。而金融業向來被認為是AI落地的第一站，智能體能否在金融領域達成獨立創作價值的經濟層，事關智能經濟時代的整體命運。

2025年，是金融智能體從產業設想走向商用實踐的關鍵年。中農工建交、招商、郵儲等大行相繼發布企業級AI中臺或行動方案。僅工行2025半年報就宣布在零售、公司、市場三大領域新增投入AI財富助理、投研助手、智能信貸官等超過100個場景的智能體。在這種大趨勢下，金融機構普遍希望實現智能體落地應用的提速與范圍擴大。然而對于絕大多數的城商農信中小金融機構來說，金融智能體依舊有點像是井中看月：智能體的開發和部署面臨諸多挑戰，以智能體為代表的AI能力，只能在小范圍試用。那么，如何讓金融智能體從井中觀月，變成月映千江？華為已經有了答案。

在華為全聯接大會2025上，華為數字金融軍團CEO曹沖表示，為了幫助更多的金融機構高效推進智能體落地，華為將AI創新方案、生態實踐、與伙伴的聯合方案、工程化經驗沉淀下來，全面升級華為金融數據智能方案5.5，重磅推出FAB金融智能體加速器，開箱易用、開箱隨用、開箱暢用，把AI落地的復雜留給自己，把簡單帶給客戶和伙伴。

如果說，過去的金融+AI是月光在井中輕搖，只有實驗與探索性質，只能獨照一方，那么華為通過FAB金融智能體加速器，就是讓AI的月光漫灑到金融行業的波濤中，讓所有的金融機構都能快速獲取AI發展引擎，映千江而同輝。

從井中月變成千江月，華為是怎樣帶來金融智能體變革的？

多年以來，金融行業一直是吸納AI能力，落地AI應用的先鋒軍與試驗田。自中央金融工作會議將“數字金融”列為金融領域的“五篇大文章”之一，《“十四五”數字經濟發展規劃》等政策為金融智能化提供明確發展方向以來，金融行業與AI的結合就始終保持在高速發展的進程中。

回顧中國金融行業與AI的融合之路，可以發現其經歷了三個主要階段。第一階段，AI與金融行業的結合是一種普遍性的戰略設想，頭部金融機構會在小范圍業務中嘗試部署AI與大模型能力。這時AI對于金融業來說尚且處在實驗階段，也就是我們所說的“井中月”；第二階段，AI技術開始融入金融行業的核心業務，在客服、風控等代表性場景中歸納出了可復制的業務模型與發展經驗，這時AI之于金融就像“溪邊月”；第三階段，也就是目前這個周期中，AI技術需要在金融行業中取得廣泛性、規模化的商用部署，必須讓金融行業能夠直接從AI中獲取可觀的商業價值。這個階段，金融與AI的代表性結合方式就是與場景結合更加密切，能夠針對性實現價值目標的金融智能體。AI的月色，正通過智能體模式讓金融行業千江同輝。

在這個關鍵節點上，領先的金融機構已經從“AI賦能”走向“AI原生”，致力于以智能體重塑核心業務、實現自主決策和閉環協同，重構金融價值鏈。但在轉型過程中，也會面臨諸如數據安全、模型幻覺、算法黑箱、智能算力短缺，以及中小銀行資源人才不足等挑戰。其中，金融機構應用智能體要面對的分別是以下三類挑戰：

1. 如何讓智能體與金融業務深度結合？

金融行業由一系列特殊的生產場景疊加而成，每個領域都需要極強的專業知識與專家經驗。智能體落地金融，需要與大量金融行業專業數據、業務經驗、工作流進行深度融合，并且適配金融行業敏捷創新的發展形態，才能最終實現業務價值與技術價值的雙重閉環。

2.如何將智能體融入廣闊的金融生態？

金融行業有著復雜而廣闊的生態性，智能體必須對第三方應用服務與數據保持高度的開放性，以此才能確保金融智能體不會變成數字孤島，金融機構在智能化趨勢面前可以把握發展的主動權。

3.如何以智能體提高真實的用戶體驗？

金融智能體有可能全面提升金融機構的客服服務能力與服務質量，但前提是智能體必須能夠主動理解用戶意圖，打造全周期記憶方案，確保每一次交互的準確與快速。想要實現這些能力，需要在具備一系列技術與基礎設施能力的同時，擁有極強的智能體工程實踐。

為了回答這些問題，華為數字金融軍團基于在全球范圍已經幫助頭部金融機構完成數百個AI場景落地的實踐，涵蓋了辦公輔助、運營、營銷、風控，對客等領域；打通了從易到難、循序漸進的過程，實現了增效到增值，從對內到對客，從單點應用走向綜合方案的金融智能體進化。而最終的進化成果，就成了華為讓金融智能體月映千江的秘密——FAB金融智能體加速器。

為了破解金融機構落地金融智能體過程中的諸多挑戰，避免行業在寶貴的發展空間中重復試錯，華為將AI創新方案、生態實踐、與伙伴的聯合方案、工程化經驗沉淀下來，圍繞智能體全面升級華為金融數據智能方案5.5，推出了FAB-金融智能體加速器。基于FAB，金融機構可以快速針對核心生產業務開發部署智能體應用，進而加速AI價值的變現。

想要破解金融機構應用智能體的諸多問題，核心要義在于將智能體的復雜工程化繁為簡，最終實現智能體能夠靈活組裝，業務構想得以快速實現。為了滿足這一目標，FAB實現了三大差異化特點。它們分別是：

1.開箱易用。

在FAB中，華為沉淀了超過50個專業的場景創新工作流，結合伙伴超過30個原子場景能力。這讓FAB可以覆蓋絕大多數金融機構的智能體業務訴求，當出現新的業務需求時，就可以通過FAB實現開箱易用的快速實現。以某金融機構的審貸聯動智能體為例，基于FAB可以將開發時間從月縮短為周。

2.開箱隨用。

為了滿足金融機構在智能體領域的生態發展需求，FAB構建了豐富的MCP生態和領域知識庫，讓智能體能夠靈活組裝各種能力，準確簡單地對接到第三方應用服務，讓廣泛的大模型與數據生態都成為金融智能體的發展動力。

3.開箱暢用。

想要讓智能體帶來真實提升的用戶體驗，就必須達到90%以上的準確率和毫秒級時延。為了實現這個嚴苛目標，華為在過去幾年間沉淀了大量工程實踐，從而提煉出一系列的工程化工具。比如，智能體面客需要精準的意圖識別，為此華為沉淀了全鏈路模型調優工具，通過數據合成、Prompt優化，強化學習，讓模型精度和效果能夠快速迭代，達成90%以上的意圖識別準確率，85%以上的任務調度準確率。同時，在AI面客語音交互過程中，華為在模型、智能體平臺、推理算力開展端到端優化，幫助金融機構實現毫秒級的智能外呼。

精準理解業務需求，廣泛的生態性，并且可以帶來真實可感的用戶體驗提升，這三點讓FAB在金融智能體領域構筑了全方位的加速效應，從而讓金融機構能以最簡潔高效的形式，跨越絕大多數智能體挑戰，實現AI價值的商業化落地。

只有讓金融機構可以平等、普遍、高效地開發部署自己的智能體，AI在金融行業才能千江同輝。

如果說，FAB解決了金融機構開發部署智能體的難題，那么如何才能進一步確保金融行業在AI智能體時代獲取最大的綜合價值？

在華為看來，優質的數據底座，以及具有高度韌性的存算網基礎設施是金融機構擁抱AI紅利的必要條件。同時，生態發展將幫助金融機構與合作伙伴實現AI時代的價值最大化。

華為堅定硬件開放、軟件開源戰略。華為一方面基于昇騰堅實強勁的算力底座，持續加大投入，在AI智能體平臺、模型，場景不斷升級能力；另一方面，和伙伴充分合作，從AI平臺、模型、場景各層，構筑算力上的繁榮生態；最終通過與客戶聯合共創的模式，圍繞底座、模型、知識、平臺&工程、架構、場景、人才和生態8大全面構建能力，助力客戶穩步推進AI變革落地。

首先來看數據與知識，在AI進入金融業核心生產場景時，僅靠數據已經不能解決模型的專業問題。數據湖需要向知識湖升級，從而讓AI更好理解和使用數據進行推理。知識湖既保留數據湖的原始、海量、多模態，又疊加知識圖譜的結構、語義與業務上下文，讓每一份數據都能被AI直接理解、檢索、推理。

面向這一訴求，華為全新推出了知識湖方案。以昇騰加速大規模圖計算與多模態知識分析，并且打造一站式知識管理平臺DataArts Studio，開展高效的知識治理、萃取和本體建模。同時，華為還聯合伙伴創新知識場景應用，構建統一語義知識服務，滿足金融機構在AI時代的數據與知識底座升級需求。

韌性是AI在金融業務場景真正落地的前提，也是金融機構永遠不變的數字化追求。為了幫助金融客戶實現更優質的基礎設施韌性，華為帶來了全新的4大安全解決方案：零信任園區網實時動態鑒權；量子安全廣域網實現抗量子解密；AI訓推保護方案防推理模型投毒；數據安全黑匣子抗極限網絡攻擊，支撐金融面向智算時代安全方案建設。

在生態發展層面，華為數字金融“融海計劃”發布一周年，已攜手融海伙伴在20多個國家實現聯合方案合作落地，助力全球金融客戶的新核心建設、數據平臺升級和AI創新。本次峰會，華為啟動“融海計劃·AI睿領行動”，從全域場景創新、全棧能力聚合、全面資源協同三個方面加速升級，攜手伙伴在風控運營、運營體驗、投研投顧、保險理賠等更多場景下不斷打造AI創新方案，持續推動行業智能化進程。

數據、韌性、生態，華為數字金融軍團通過這些長期戰略與系統化前行方向，構筑了金融智能化范圍不斷擴大，底座不斷強化的八方通衢。智能體更好用、底座更健壯、生態更繁榮，金融與AI的結合在多重推力的加持下，正在迎來大規模部署、高效率商用的全新階段。

為了更好地促進金融同業交流和學習，樹立AI時代金融行業新標桿，共創行業新典范，華為聯合交通銀行、太平洋保險和國泰海通證券，發布數智金融三大全球樣板點，為全球金融機構的數智化轉型提供參考藍圖和路徑。

華為目前已經擁有150多家金融解決方案生態伙伴。在金融行業，華為攜手全球超過11000家伙伴，在80多個國家和地區服務超過5600家金融客戶。

在華為與合作伙伴、客戶的共同努力下，金融智能體，正迎來月映千江時。

審核編輯 黃宇