IDC&百度智能云：
《金融大模型白皮书-AI原生开启金融智能新未来》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

一、报告核心定位与背景

本白皮书由 IDC 与百度智能云联合发布，聚焦 2025 年大模型驱动金融行业智能化转型的核心趋势与实践路径。随着大模型从 “被动处理任务” 向 “主动进化策略” 跃迁，金融作为数据密集型与计算密集型行业，正迎来 “AI 原生” 重构的历史机遇。报告以 “技术演进 - 挑战破解 - 实践验证 - 生态构建” 为逻辑主线，结合百度智能云等技术服务商的落地经验，为金融机构从 “场景探索” 迈向 “业务引擎” 提供战略框架与实操指南。

二、大模型开启金融行业全新智能时代

1. 政策与市场双轮驱动转型加速

政策层面，我国密集出台指引政策：2024 年《推动数字金融高质量发展行动方案》明确算力与模型风险管理要求；2025 年《关于深入实施 “人工智能 +” 行动的意见》推动 AI 规模化商业化落地。市场层面，金融 IT 投入持续增长，2024 年银行业 IT 投资规模达 1693.15 亿元，预计 2028 年增至 2662.27 亿元；生成式 AI 投资规模将从 2024 年的 36.26 亿元增至 2028 年的 238.04 亿元，增幅达 556.5%。

不同金融机构呈现差异化投入偏好：国有大行以自主可控为核心，自建智算中心与千亿级模型；股份制银行平衡成本与效率，侧重场景化微调；区域性银行偏好低成本算力租用与开源模型；保险机构聚焦核保核赔的大小模型协同；证券 / 基金公司强调低时延交易与投研蒸馏模型。

2. 技术突破重塑金融智能范式

• “强推理 + 多模态” 突破复杂场景限制
  ：整合文本、图像、空间等多维信息与因果推理能力，在保险定损、医疗票据审核等场景实现精准决策。例如某保险公司 “车险人伤智能定损机器人” 伤情识别准确率达 88.3%，单证分类准确率 95.6%。
• 多模型协同提升决策精准度
  ：大模型擅长语义理解与非结构化数据处理，小模型专注结构化数据精准判别，二者结合适配多样场景。某股份制银行通过 “大模型 + 小模型” 构建财富管理 AI 助手，精准识别客户潜在需求并生成低波动产品配置方案。
• 内外部协同智能体打破流程壁垒
  ：内部智能体服务运营合规，外部智能体聚焦客户个性化服务，二者协同解决单一智能体覆盖局限。某国有银行构建研发智能体群，实现需求拆解、代码生成等全流程协同，单位时间编码效率提升 23%。

3. 从工具赋能到 AI 原生重构

AI 原生应用成为金融科技演进核心方向，区别于传统 “AI 功能嵌入”，其从设计之初即以 AI 为核心，实现组件与流程的深度智能整合。例如广发证券通过易淘金 APP AI 原生化升级，从 “交易工具” 转型为 “全天候智能投资伙伴”，实现 “千人千面、所思即所得” 的服务范式。技术层面，多模态 + 强推理技术与智能体架构成熟，推动金融服务从被动响应转向主动规划。

三、金融大模型落地的核心挑战

1. 算力管理：异构调度与成本平衡难题

异构算力环境管理复杂，AI 框架间存在技术壁垒，单卡独占模式导致资源浪费，千亿模型集中式部署成本高昂。不同阶段挑战各异：异构算力管理需解决多芯片兼容与低延迟通信；训练推理加速缺乏容错机制与存储优化；训推一体面临流量弹性容缩与任务抢占难题；千亿模型 PD 分离需突破缓存监控与运维容灾瓶颈。

2. 数据困境：价值挖掘与飞轮构建受阻

金融高质量数据包含大量非结构化内容（信贷材料、理赔影像等），预处理复杂且安全约束下流通受限。数据飞轮难以形成，人工参与度高导致反馈迟滞，“数据不出域” 管控进一步阻碍 “数据→模型→业务” 闭环。不同机构痛点分化：国有大行面临数据主权与治理标准缺失；区域性银行存在数据出域风险与多模态治理短板；证券 / 基金公司受困于投研数据融合与低时延冲突。

3. 模型适配：通用能力与专业需求脱节

通用模型的 “概率性输出” 无法满足金融精准性要求，缺乏对信贷风控、投研算法等专业逻辑的深度沉淀，存在意图理解偏差、幻觉率高、可解释性不足等问题。专精模型虽适配专业场景，但存在场景覆盖局限、迭代成本高、工程化复杂等短板，通用与专精模型的协同管理成为关键。

4. 智能体落地：流程穿透与运营复杂

智能体难以深度嵌入金融业务链，对信贷、核保等细分环节的规则与监管要求缺乏组件调用能力。运营层面需融合 AI 算法、工具编排与业务理解能力，对团队综合素养要求极高，数据断点与模型偏差等问题难以及时修正。

5. 安全合规：全生命周期风险未形成闭环

模型存在幻觉输出、黑盒不可解释等风险；数据安全与创新诉求存在张力，需覆盖全生命周期治理；内容安全与应用安全需强化内生设计与鉴权机制；行业标准适配不足，难以满足 “数据不出域、高实时、强合规” 刚性要求。

6. 价值评估与组织人才：ROI 模糊与协同不足

大模型价值具有长期性与间接性，难以通过传统指标量化，长期回报不确定性加剧机构顾虑。组织层面，业务与技术团队存在 “理解壁垒”，复合型人才稀缺导致 “有技术无场景” 或 “有场景无技术” 困境。

四、AI 原生应用的重构与破局之路

1. 场景演进：从通用到专精的价值跃迁

金融大模型应用已从 2023-2024 年的单点技术验证，转向深度业务渗透。场景分为通用类（智能写作、客服等非决策辅助场景）与专精类（智能信评、量化交易等决策型高价值场景），前者侧重轻量化工具链部署，依赖通用大模型；后者需深度精调与智能体调用，适配金融专精模型。调用量集中于对话交互（智能客服）与内部运营（知识库问答）等高频场景。

2. AI 原生架构：五级体系适配差异化需求

AI 原生应用围绕五大层级构建，适配不同机构需求：

• AI 原生基础设施
  ：以 “AI 工作负载为中心”，搭建多芯片、多框架兼容的异构算力平台，百亿模型实现单机训推一体，千亿模型采用 PD/EP 分离分布式部署，通过算力共享与潮汐混部优化成本。
• AI 原生数据平台
  ：通过多模态识别与 RAG 技术打通内外部数据，实现 “数据 - 知识” 转化，推动从 “数据驱动” 到 “知识驱动” 升级，构建数据飞轮。
• AI 原生模型平台
  ：覆盖训练、微调、部署全链路，支持 “通用 + 专精” 模型矩阵协同，降低部署门槛。
• AI 原生智能体平台
  ：通过低代码工具让业务人员快速构建智能体，提供核保、投研等场景模板，降低技术依赖。
• AI 原生场景适配
  ：通用场景满足员工提效需求，专精场景适配核心业务精准需求，实现模型与场景精准匹配。

3. 七大核心要素支撑落地实施

• 算力
  ：构建密度、存算比、混合精度等选型指标，建立共享机制与分时复用策略，实现毫秒级响应与绿色算力目标。
• 数据
  ：制定统一数据标准，分级分类管理数据，强化知识工程能力，打造 “数据 - 知识 - 模型 - 业务” 飞轮。
• 模型
  ：按场景适配通用与专精模型，根据机构资源选择路线，通过多模型协同保障业务连续性。
• 智能体
  ：结合业务流程编排开发，嵌入现有系统提升易用性，建立运营数据反馈闭环。
• 安全合规
  ：筑牢基础设施、数据、模型、智能体、场景全栈安全防线，满足金融监管要求。
• 场景适配
  ：以 ROI 为核心划分场景优先级，通过基线对比跟踪指标，确保资源投入效益最大化。
• 组织人才
  ：建立跨部门协同组织，严格筛选技术伙伴，通过 “引进 + 培养” 打造复合型人才队伍。

五、领先实践案例验证

1. 某国有银行：AI PaaS 平台驱动零售业务 “秒级” 升级

携手百度智能云构建全行级 AI PaaS 平台，引入百舸算力集群与千帆引擎，打通数据壁垒形成端到端闭环。孵化测试用例分类、货币交易机器人等 AI 原生应用，实现零售信贷审批从 5 分钟缩至 10 秒，14 亿账户风险建模上线周期从 43 天减至 10 小时，全年 400 万笔报账影像智能识别，成为智能化战略落地 “中央处理器”。

2. 重庆农商行：AI 中台破解分散建设难题

依托百度智能云金融 AI 中台，搭建模型全生命周期管理平台，整合异构算力资源，支持多框架与 LLM 模型开发。构建大模型知识库与代码助手，实现知识自动化扩充与智能编码辅助，模型复用率与开发效率显著提升，验证 “技术底座 + 场景应用” 双轮驱动范式。

3. 泰康保险：多模型协同提升核保核赔效率

采用 “通用大模型 + 专精小模型” 策略，基础能力依托百度文心大模型适配，细分场景开发病历结构化等专精模型。投入 80% 资源优化 AI 工程，建立模型一致性校验机制，与百度共建全链路知识平台。核保核赔数据处理周期缩短 3 倍，康养档案生成无需人工复核，27 个知识助手覆盖数千内勤与代理人。

4. 银河证券：智能平台拓宽场外衍生品业务边界

与百度智能云共建金融智能场外交易平台，通过非标准化数据解析模型支持期权自动询报价，实现模型自助优化与智能体会话调度。2024 年行情爆发时创单日下单纪录，服务效率提升 30%，知识库问答准确率从 69% 升至 98%，客户满意度提高 20%+。

六、多方协同的保障体系与未来展望

1. 四位一体保障体系构建

• 金融机构
  ：制定 3-5 年战略规划，明确国有大行、股份制银行等差异化实施路径，建立战略与合规风控闭环。
• 技术服务商
  ：提供算力效能、平台易用、模型工程化、场景赋能全栈支撑，打造金融级工具链与解决方案。
• 产业生态
  ：共建模型、数据、安全等标准，深化产学研协同，推动算力、数据、机构等产业链联动。
• 规范引领
  ：坚持 “规范与创新并重”，深化监管工具应用，牵头制定行业标准体系。

2. 百度智能云 “双智能双引擎” 方案

• 双智能应用层
  ：“智能数字员工” 覆盖前中后台，数字保险代理人使场景挖掘效率提升 500%，数字投研顾问构建新质生产力指数；“智能对客服务” 打造全场景智慧交互，实现 APP 自然语言操作与交易智能支持。
• 双引擎技术基座
  ：“千帆 AI 开发平台” 提供 ModelBuilder 全生命周期管理与 AppBuilder 零代码开发，千帆慧金金融大模型综合表现领先；“百舸 AI 计算平台” 实现异构资源管理、训推一体与万卡集群运维，筑牢算力底座。

3. 未来趋势

金融行业将加速实现 “AI 原生” 深度渗透，服务从标准化转向超个性化，运营模式形成人机协同新范式。高价值数据挖掘与安全合规成为核心竞争力，复合型人才需求持续增长，多方协同将推动技术能力向业务价值转化，实现从 “模型可用” 到 “产业好用” 的规模化突破。

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：IDC&百度智能云，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”

戳“阅读原文”下载报告。