编者按：AI对经济社会的改变速度超过我们的想象。7月28日上午，华泰证券再次携手世界人工智能大会举办“数智跃迁 生态共创”科技金融创新论坛，邀请了四位来自金融机构和科技公司的代表。他们从各自领域出发，探讨了AI Agent对金融和更广维度场景的重构。
万得首席战略官、集团副总裁
AI Agent的发展或许正预示着商业模式的结构性洗牌。传统的SaaS（软件即服务）模式通常按席位收费，而我们已经看到很多Agent的交付方式是按照价值或调用量收费的。
2022年底GPT推出后，万得立刻在全公司范围开展了从传统NLP技术向生成式AI的转型，将数百项基于LLM的AI应用无缝融入到各类金融机构、各岗位角色的日常工作流程中。这些应用通过传统终端功能AI升级、高效智读海量信息、复杂任务的高人机交互处理以及AI Agent的高度自主化交付结果等形式实现。目前，万得的活跃用户中深度使用Wind Alice AI功能的比例已达到86%。例如，当前正值业绩发布高峰期，分析师高频通过Alice Reader和Meeting最快速和智能地获取全球上市企业的最新财务、经营、同行业绩表现，并能通过Writer在30分钟的人机交互中完成高质量的30页深度报告，相比过往投研效率提升20倍以上；EDB宏观数据库完全实现了AI化，能够根据用户提问，在涵盖250多个国家1300余万宏观经济行业指标中精准找到最符合需求的指标，并自动进行计算、作图和点评分析。而通过深度贴近各部门岗位业务场景的Agent定制，用户能彻底改变原本使用数据信息平台的方式，做到一句话便可轻松定时获取每日、每周的各类汇总信息内容，AI直接交付结果。
未来的AI应用必须具备可信任、可理解、可进化学习三大特点：能够追溯信息的真实性，深入理解每个业务角色，并不断迭代优化。
未来的每一家机构都应该拥有自己的“AI架构”。这一架构从最底层的数据治理，到更上层的各种专业大模型应用，再到上下文工程、Prompt工程、RAG（检索增强生成）或自己的数据引擎的检索机制，将大模型和底层信息连接起来，最终通过agentic framework转化成可交付的AI应用。
在金融AI的落地层面，我认为主要难点有两点。最大的挑战在于数据，即如何将内部、外部的数据价值融合在一起，让企业的数据治理结构适应AI的语义化数据治理，并实现数据实时可信。其次是金融机构和科技服务提供方之间的合作。只有采取开放的合作态度，才能推动金融业务的快速转型，赢得这场与时间的赛跑。
况客科技总经理
我们正在经历人和AI应用之间工作方式的变革。当前的基金投顾AI产品已经可以辅助一线投资顾问获取基金数据，并完成基金分析、比较、筛选、组合、推荐等通用场景任务。这有助于投资顾问将更多精力放在提升对客服务能力上。
在与一线投资顾问的沟通中，我们发现，投顾服务体系可以抽象为“投顾信息”与“客户信息”的匹配。在投顾端，“基金海报Agent”、“市场晨报Agent”、“朋友圈Agent”、“基金研报Agent”、“基金配置Agent”等一系列垂直化、场景化的智能体，自动化、精准化地生成营销素材、专业解读、客户关怀等内容，并智能推荐适配的基金/理财产品及投顾方案。在客户端，“CRM Agent”、“企微画像Agent”、“持仓诊断Agent”等智能体协同工作，深度融合客户的基本信息、聊天记录、交易数据、历史持仓及其他行为数据，持续构建和更新精细化的用户画像。
投顾Agent体系的关键突破在于实现了从客户深度理解（客户端Agent）-> 需求智能匹配 -> 内容/产品/服务精准生成与触达（投顾端Agent）-> 效果反馈与优化的完整服务闭环。这不仅大幅提升了投顾服务的响应速度、个性化程度和合规性，也显著降低了人工成本，让投顾人员得以聚焦于更高价值的客户关系维护与策略制定。
当然，大模型存在幻觉。我们能在什么样的场景、多大程度上使用AI，将是未来智能体爆发阶段需要行业和监管部门深度思考的问题。
注：端到端（E2E，End-to-End）指的是AI模型从输入到输出的完整过程，不需要中间步骤或人为干预的模式。
华锐技术总经理
在ToB企业软件领域，AI Agent与平台化核心系统的紧密结合，是AI快速融入金融机构核心业务并产生实际价值的基本路径。此前多年行业在平台化建设上的投入和沉淀，与智能体的发展是相辅相成的关系。以我们在资管风控领域的实践为例，整个行业积累了上万条规则、数万条风险计算逻辑。传统方式下，其工程化代价可能需要几年时间，消耗大量人力。但随着Deepseek开源，全民进入AI平权时代，我们利用Deepseek，基于此前的技术积累解决了这个痛点。结果是，仅用很短时间就完成了对应智能体的构建，并与系统的结合也非常迅速。这带来了巨大的效率提升。过去，开发一个实时估值系统可能需要一百个人、一年时间，还要与客户在现场联调大半年。现在，每个规则的构建可能只需花几分钟，短短数月就可以完成所有规则的构建。
未来，客户或许可以借助AI Agent跨过中间厂商提供的研发、测试等所有IT服务，掌握相当于一整个IT团队的开发能力，在不依靠厂商支持下完成开发工作。原来需要几个月完成的任务，也能很快看到结果，这将释放出很大的创造力和构想力。这种模式也将引发技术厂商与金融机构之间“服务-回报”商业模式的转变：厂商的商业回报将不再以人力成本计算，而是以平台产出价值来构建。
华泰证券信息技术部数据科学研发中心
联席负责人
华泰证券很早就启动了“All in AI”科技战略，在各领域积极推动大模型和智能化应用场景的落地。
以华泰证券自研的智能研报智能体为例，在大模型时代之前，华泰证券已经打造了一个面向研究所研究、生产、管理的一体化研究平台。随着大模型技术引入研报生产管理的全流程，工作质量与效率得到了进一步的全面提高。
智能研报智能体可以在信息输入环节辅助研究员进行智能数据采编和解析，实现从传统的静态化数据向动态数据、有限数据向全域数据、经验数据向前瞻数据的转变。在信息增强环节，通过结构化与非结构化数据治理，智能体可以辅助研究员进一步分析并深度汇总数据资料。
在报告撰写环节，智能体不仅能辅助完成研报的框架搭建、二次校验和修改，还可以直接自动化预生成诸如财报点评等相对简单的报告底稿。对于相对复杂的报告，也可以直接生成某些特定段落和话题，并在整个撰写过程中进行观点、数据的实时推荐。
传统的研报审核工作比较繁杂沉重。智能体则可以自动识别关键数值指标并进行三方校验，还支持全文敏感词审核定位和各类合规名单的全文检索匹配。此外，智能翻译模块可以实现翻译引擎的自由选择，并支持图文的全量多语种翻译。
在这种新的AI服务模式中，“人+智能助理”正在向“人+多智能体”演进。员工通过调动多个智能体，以团队协作的方式完成工作，智能体不仅能做基础重复工作，也开始承担一些关键工作。从另一方面看，这也对员工的大模型习得能力和经验提出了更高的要求。
｜免责声明｜
特别提示：文中观点仅代表个人意见，不代表华泰证券（以下简称“本公司”）立场，也不构成对读者的投资建议。本公司或本公司相关机构、雇员不对任何人使用此全部或部分内容的行为或由此而引致的任何损失承担任何责任。未经本公司事先书面许可，任何人不得将本文或其任何部分以任何形式进行派发、复制、转载或发布，或对本文内容进行任何有悖原意的删节或修改。市场有风险，投资需谨慎。
