20 25年，在监管完善、算力成本下降等多重因素推动下，金融业大模型 应用从"试点"走向"量产"，成为金融机构核心竞争力。本文分析金融业大 模型发展路径、基准构建、实践应用等，解码其在投顾、投研场景核心价 值，并勾勒出未来金融大模型应用从"功能可用"到"效果可证"，再到"生 态共生"的蓝图。 发展路径：从技术探索到规模应用 2025年被视为金融业大模型规模化落地的"分水岭"。监管条例和配套指南集中落地，GPU算力租赁价格大幅下降，金融大模型从昔日只有头部机构才能负 担的"概念验证"骤然下沉为大众可及的"生产工具"。投顾、投研、营销、合规四大场景率先被写进各家金融机构的发展规划，"要不要做"彻底让位于"怎 么做得更快、更好"。 这一共识的背后，是监管、模型、成本、生态四条曲线同步成熟且共振的结果。监管框架落地。扫清了 "能不能用"的顾虑；基座模型能力持续跃升及调 用单价一路下探，解决了"用不用得起"的难题；应用案例与插件生态的日益丰富，又进一步回答了"好用不好用"的疑问。随着越来越多金融机构将大模型 能力嵌入核心业务流程，它便不再只是技术层面的问题，而是决定了一家金融机构未来的运营模式、产品形态乃至决策方式，成 ...

奇富科技首席算法科学家费浩峻日前在接受记者采访时表示，金融AI的核心竞争力植根于数据资产、 真实场景与金融科技基因三者的深度融合，以及由此产生的协同效应。 （文章来源：新华财经） 从当前的技术研究与行业实践来看，费浩峻认为表示AI智能体的落地更多集中在成熟场景，客服领域 便是典型例子。过去，客服多以人工助手的角色存在，如今通过多个智能体的协同，已能完成大多数工 作。 费浩峻透露，公司最近新上岗了两个模型研发智能体，可实现"7×24"小时不间断工作，极大提升了工作 效率。仅一个月，核心业务场景的模型性能就有了将近1%的提升。且它们能持续自主工作，显著释放 了人力成本。 对于未来的发展，费浩峻提出了两个重要方向：一是打造端到端的决策风险智能体，希望其逐步替代现 有的风险决策逻辑，实现从数据输入到风险判断、决策输出的全流程自动化；二是开发经营与风险辅助 决策智能体，尽管目前让它完全独立承担经营决策还存在难度，但期望通过持续迭代，使其未来能成长 为可独立开展工作的 "决策人员"。 费浩峻认为，从现在开始，随着技术的不断成熟，大约两年后，AI智能体可能会更多以"数字人"的形式 出现。"到那时，大家或许不会再提'智能体' ...