1、百度智能云金融行业场景智能体白皮书CONTENTSCONTENTS目 录一、大模型金融应用趋势洞察与落地思考二、金融智能体应用场景的选择和建设2.1 专家顾问型场景：在专业密集但流程清晰的领域放大知识价值2.2 总工程师型场景：在复杂业务链条中推动模式创新2.3 执行助理型场景：在复杂流程中探索任务编排与执行2.4 通用助手型场景：以规模化部署释放基础效率红利017043088114三、未来展望：从技术验证到价值创造的关键跃迁3.1 金融机构的智能化跃迁：从AI赋能到AI原生3.2 行动建议：构建金融机构智能体能力的四阶段路径3.3 未来趋势：技术演进与能力升维的关键方向3.4 结语00213

2、8139142143012137大模型金融应用趋势洞察与落地思考01001-当前金融行业的大模型应用，正处于典型的技术扩散与价值重构交汇阶段。一方面，AI能力正在快速渗透至各类业务场景；另一方面，真正能够重塑业务运行方式、进入核心生产流程的应用仍相对有限。根据麦肯锡2025年全球AI应用报告，约88%的机构已在不同场景开展生成式AI试点，但真正进入核心业务流程、能够直接影响业务产出的应用比例仍不足30%。这一“高渗透、低重构”的现象，并非由于技术能力不足造成，而是反映出行业正处于从“能力验证”迈向“体系化落地”的关键转折阶段，再进一步展开观察，头部机构已率先加大AI投入，据年报披露统计，202

3、5年六大银行 AI相关投入超1300亿元，聚焦模型研发、算力建设与数据治理，但多数机构仍停留在单点试用阶段，尚未形成规模化、核心化的应用体系。在这一背景下，我们进一步从行业实践与一线观察出发，总结出五个具有内在递进关系的关键判断。其中，前三点为对当前发展规律的客观观察，后两点则是在此基础上的战略性思考与判断，共同构成金融机构推进AI体系建设的重要参考框架。金融大模型应用的演进，正在经历一场清晰且深刻的范式跃迁。从表层看，这一变化体现为技术路径的持续升级；但从本质上看，其核心在于控制权的迁移，即从“模型能力本身”转向“系统化能力构建”。在早期阶段，行业的关注焦点主要集中在模型是否足够强大，包括参

4、数规模、推理能力与多模态能力等关键指标；而在当前阶段，更具决定性的问题正在转变为：企业是否具备让 AI 在复杂业务环境中持续、稳定且可控地完成任务的能力。这一变化标志着金融 AI 的发展，正在从“能力获取”阶段，逐步迈入“能力运营与交付”阶段。从实践经验来看，金融大模型应用的发展可以被概括为三个具有递进关系的阶段，但需要强调的是，这一划分更多是一种分析框架，不同机构在不同阶段的分布具有显著差异，并非严格线性演进，头部机构已呈现多阶段并行推进的特征。【观察一】模型不再决定胜负，系统开始定义能力边界-002当前，行业整体正在呈现出从第二阶段向第三阶段演进的趋势，尤其是在头部机构与部分高价值场景中，

5、这一变化更为明显。这一阶段的典型特征在于，企业对于AI的使用方式正在发生根本性转变：从“如何调用模型能力”，逐步转向“如何构建AI工作的机制体系”。关注重点不再仅限于模型本身，而是扩展到任务执行机制、上下文管理、工具调用策略与结果校验机制等系统性能力。在这一背景下，以OpenClaw及银行自主研发的农行ABC-Claw、邮储银行PSBC-Claw 等执行型agent runtime为代表的一类探索路径，正在推动AI系统设计逻辑的变化。这类系统不再依赖复杂流程的预定义与静态编排，而是通过动态任务求解机制，使AI能够根据目标自主组织执行路径。这一变化的意义不在于具体产品形态，而在于其所代表的方向：

6、AI正在从“被调用能力”转变为“持续运行的执行主体”。由此，AI系统的运行逻辑发生了关键转变：从“预定义流程驱动执行”，转向“任务驱动的动态求解”；从“人工编排逻辑”，转向“AI 参与甚至主导路径规划”；从“一次性执行结果”，转向“基于反馈的持续优化与迭代”。在这一过程中，模型本身不再是唯一的能力焦点，真正决定系统效果的，是企业如何组织AI完成任务、如何对其行为进行有效约束，以及如何构建持续进化的机制体系。具体来看，企业在这一阶段的核心竞争力，正在向三个关键维度集中：其一是任务组织能力，即是否能够将复杂业务问题转化为可执行任务结构；其二是行为约束能力，即是否能够在执行过程中设定清晰的边界与策略