AI价值碎片化破解：以场景为锚点，重构商业落地路径

如今，已经有高达88%的企业在至少一个职能部门常态化使用人工智能，但真正推动AI规模化落地的企业仅占三分之一。人工智能的实际价值仍呈现“碎片化”特征，尚未能深度贯穿企业整体业务链条。12月18日，在第六届金融科技应用与服务大会上，金融机构与企业共同探讨如何务实、高效地推动AI在金融业务中生根发芽。AI数字员工企业珠海金智维人工智能股份有限公司董事长廖万里援引了上述麦肯锡调研数据，并表示：“只有当我们真正将AI深度嵌入业务流程，使其不再仅仅是一个辅助工具，而是成为人类真正协同合作的伙伴时，AI才会释放出更为积极的应用成效。”

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

多数机构仍停留在AI规模化部署与实现企业级价值的早期阶段。麦肯锡12月15日发布的调研数据显示，虽然越来越多的企业开始尝试或使用AI技术，但真正实现规模化部署的案例依然稀少。至少在某一职能部门常态化使用AI的企业比例，已从去年的78%攀升至88%。然而，在企业层面，多数机构仍处于探索或试点阶段，仅约三分之一已着手推进AI的规模化落地。调研显示，对多数机构而言，AI尚未显著撬动整体息税折旧摊销前利润。仅39%的受访者认为AI对EBIT产生了某种程度的影响，其中多数表示贡献率不足5%。

技术正在深刻改变产业结构，金融业作为现代经济的血脉与核心环节，被视为人工智能融合应用的重点领域。天弘基金首席信息官迟哲表示，已有越来越多的企业开始使用或尝试AI技术。金融市场日趋复杂，毫秒级的变化速度缩短了决策时间窗口，数据维度呈爆发式增长。“现在市场上并非信息不足，而是数据过载。根据我们的统计，每天市场产生的研报、观点、舆情、新闻，大约只有30%会被正确消化、吸收和理解。”更何况，人类并非纯粹理性，而技术却可以冷静分析，帮助人类应对快速变化的市场。因此，面对复杂市场，智能决策已成为行业刚需。

在天弘基金的智能体建设中，迟哲摸索出的AI落地经验是：不能“为了AI而AI”，一定要找到真实的业务场景。只有将投研智能体与投研场景深度融合，才能实现智能体应用从“好玩”到“好用”的跨越。随着大模型通用智能能力的强势提升，未来，不同机构所拥有的私有数据将成为核心竞争力的关键。分析框架是质量保证，基于已有分析框架构建的智能体体系才能实现分析能力的继承与发展。最终，业务与技术的深度融合成为必然。

“大模型凭借其超强的涌现能力、生成能力以及推理能力，为金融行业高质量发展带来了全新的想象空间。”国泰海通证券技术研发部数据技术主管钱维佳表示，证券行业进入了认知智能时代，它天然拥有海量数据和复杂场景，这既是机遇也是挑战。“我们意识到，要充分挖掘大模型的价值，首先要有思想观念上的转变。必须将AI的变革力量与企业的数字化转型相结合。只有站在这样的高度，才能持续保障企业AI大规模应用以及长期可持续的投入。”

钱维佳表示，国产推理大模型正在推动证券行业服务模式从“千人一面”转向“千人千策”，决策机制从经验判断升级为数理验证。AI推理大模型“思考+结论”的能力尤其适合证券业务的复杂需求，但落地仍面临数据安全、隐私合规等挑战，需要在算法、数据与场景融合上持续突破。虽然通用大模型在语言理解和文本生成上表现出色，但对行业应用场景的理解仍有欠缺，需要依靠证券行业垂类大模型发挥作用，通过模型协同合作来满足各业务场景的差异化需求。

合合信息智能解决方案事业部副总经理张海燕同样表示，大模型仍面临性能与合规约束难题，而小模型具备精准、轻量与可控的优势。因此，集小模型基础识别、大模型增强赋能、场景化动态调度于一体的融合架构，是当前技术落地的最优路径。

为建立智能金融未来生态，12月18日，在上海现代服务业联合会、上海金融业联合会指导下，金融智能化专家组在大会上正式成立并揭牌。该工作组汇聚产、学、研多方力量，致力于构建开放协作的前沿技术攻关与标准研制平台。未来工作组将围绕联合研发、标准制定与生态共建等持续开展工作，引领行业规范发展。