在近日举行的“双向奔赴 双向赋能——2025年广州市人工智能与现代金融产融对接活动”上，奇富数科总裁周旭强分享了一组数据：“我们的调研数据显示，90%的银行机构认可AI的应用价值。在这90%的机构中，有2/3的机构认为AI可以实现效率提升和辅助决策的功能；而剩下1/3的机构甚至持更积极的看法，认为AI已能在多个业务领域直接做出决策，实现自动化决策流程。”

在周旭强看来，这表明银行业对AI的积极度和认可度非常高。他预测，未来5-10年，以信贷审批为代表的金融核心业务将经历颠覆性变革。“AI智能体与金融业务的深度融合，将重构银行业的运营模式和管理体系。”

谈到对行业痛点的理解，周旭强表示，当前金融机构应用大模型技术，主要面临数据安全、准确率和责任机制等的现实考验。由于银行数据的敏感性，AI模型必须采用本地化部署方案，这直接带来了算力采购、技术团队搭建等新增成本。在尚未看到明确产出价值前，部分银行对这类投入仍持观望态度。

准确率问题同样制约着AI的金融应用。周旭强以常见的信贷业务场景为例进行了说明：“比如用户上传社保证明来提升贷款额度，未经专门优化的大模型在识别这类文件时，准确率通常只能达到70%-80%，远不能满足金融业务的实际需求。”“只有经过深度优化后的模型，将准确率提升至99%以上的水平，才能真正达到金融业务的应用标准。”周旭强指出，大模型固有的“幻觉问题”与金融业务对准确率的严苛要求，是制约行业发展的技术矛盾。

更值得关注的是责任认定机制要同步跟上。当AI系统用于金融业务中的决策环节时，传统的“尽职免责”制度已无法适应新技术场景。这要求银行业必须同步建立配套的AI应用责任体系，包括错误追溯、责任划分等具体规范，才能为技术创新扫清制度障碍。

“在金融AI领域，真正的竞争壁垒并非大模型技术本身。”周旭强认为，除芯片和基础大模型外，应用层技术已趋于同质化。决定企业竞争力的，是对金融场景的深度理解和资源整合能力。“海量场景数据、业务专家、算法团队，这些要素单独来看都不稀缺。”周旭强强调，把这些要素综合在一起，并配以“长期主义的巨大资金投入”和“愿意做好苦活累活”的决心时，就能形成强大的行业壁垒。在他看来，这正是奇富数科的核心竞争力所在。“一般的创业公司或者没有自营场景的科技公司，是建立不起来这个行业壁垒的。”周旭强直言。

据了解，奇富数科目前推出了四款已在奇富内部落地应用的金融智能体：AI营销助手、AI审批官、AI决策助手和AI合规助手。据介绍，奇富金融智能体，是基于公司自研的异构大模型平台与支持MCP协议的多智能体协同框架，融合长期沉淀的金融业务Know-how，构建的集深度思考、主动探索与跨域决策能力于一体的智能系统。

目前，奇富数科已与多家金融机构对接，探索不同业务场景的金融智能体落地。

关注公众号：人民网财经

分享让更多人看到