--- title: "阿里雲押注金融 Agent 銀行券商能否迎來數字員工？" type: "News" locale: "zh-HK" url: "https://longbridge.com/zh-HK/news/290035490.md" description: "AI 不再只是外掛。" datetime: "2026-06-17T10:16:01.000Z" locales: - [zh-CN](https://longbridge.com/zh-CN/news/290035490.md) - [en](https://longbridge.com/en/news/290035490.md) - [zh-HK](https://longbridge.com/zh-HK/news/290035490.md) --- # 阿里雲押注金融 Agent 銀行券商能否迎來數字員工？ “去年是 AI Plus，今年是 AI Native”。 短短一年時間，在金融這個最有財富想象力的賽道，AI 和 agent 的角色，又被推到重來了。 2025 年，大模型幾乎成為銀行、券商和保險公司的標配項目，Agent 也成為最熱的技術名詞之一。但熱鬧背後的問題懸而未決：這些 Agent 究竟創造了多少價值？ 事實上，在很多金融機構裏，所謂智能體更像是一個外掛。它能夠總結材料、識別圖片、回答問題，卻很難真正進入業務核心流程。客服仍然是客服，客户經理仍然是客户經理，研究員仍然需要自己完成大部分工作，AI 更多承擔的是輔助角色。 如此局面，很快隨着 agent 的迭代發生了變化。 2026 年 6 月 16 日，阿里雲在中國國際金融展上，打出了自家在金融領域的新牌——“點金” agent。與產品同時被推到台前的，還有一份長長的清單—，其宣佈將財富管理、信貸風控、保險展業、投研分析等百餘項專業技能正式開放，供金融機構在智能體開發中直接調用。 按照官方的描述，點金已經可以在投研、投顧、信貸、風控、理賠等業務流程中執行完整任務鏈，包括跑回測、訓模型、寫報告、做合規等一系列原本被認為只有專業人員才能完成的工作。 “今年是真正的智能體元年。” 阿里雲智能集團副總裁、新金融行業總經理張翅向華爾街見聞直言道。 在張翅看來，金融行業正在從 AI Plus 走向 AI Native，從給業務流程增加一些 AI 能力，轉向讓 Agent 直接進入具體崗位。從客户經理、信貸經理、保險代理人到券商研究員，每個人身邊都開始出現一個數字助手，甚至一個數字分身。 這或許意味着，金融行業的大模型應用正在告別演示和試驗階段，逐步進入生產系統。 ## AI 不再只是機構的外掛 過去一年，金融機構裏凡是做過 AI 項目的人，多半都經歷過一種尷尬。 年初信誓旦旦立項做幾十個、上百個智能體，年底盤點時卻發現，大多所謂的 “智能體”，不過是給原有業務流程接了個外掛。流程、崗位、組織都沒變，只是某個環節裏多了個智能體。 在張翅看來，過去很多被稱為 Agent 的產品，本質仍然是流程編排系統。一個客服外呼可能對應六個流程，一個信貸業務對應二十多個流程，一個理賠流程甚至有四五十個環節。AI 只是被安插在其中某幾個節點完成識別、生成和總結。 張翅給這樣的模式做了個比喻，“我們原來有一個電視機，加了一個 USB 接口的外掛可以放些東西，今天不是，電視機整體是完全 AI 融入的新物種。” “去年講 AI，是用模型後訓練幫你生成內容。今天是真正帶你理解世界、環境，作為你真正的助力，是不斷持續交互的。” 張翅認為，金融機構對智能體的理解，正在從 AI Plus 跳進 AI Native。 跳進的標誌，是 Agent 坐進了具體崗位的工位。 張翅舉了客户經理的例子。過去 AI 更多是在投研流程中的某個節點發揮作用，比如總結研報、整理資料或者生成內容。而今天的 Agent 已經能夠參與整個投研鏈條。 “從分析行業、篩選標的，到挖掘被低估的公司，再到生成交易策略、修改策略代碼，它是一個持續工作的過程，更像一個真正的 AI 助手了。” 阿里雲這次發佈的 “點金” 金融級通用智能體平台，就在反覆強調的就是數字員工。 中信證券則按照自動駕駛的分級思路，把數字員工分成了 L1 到 L5 五個等級：從單一流程執行的基礎自動化，到協同輔助，到有條件自主，再到高度自主，最終走向全場景終極智能體。這種分級背後，是金融行業開始接受，智能體不再是軟件功能，而變成了組織裏的新工種。 但問題是，Agent 為何會首先在金融行業落地？答案與金融行業自身的數字化程度有關。 過去五年，中國金融業幾乎是數字化投入最大的行業之一。銀行完成雲原生改造，券商建設數據中台，保險公司推動線上運營。大量業務規則、客户數據和操作流程已經被數字化沉澱下來。 這成為 Agent 進入生產系統的基礎。 張翅提到一個案例，廣東有傢俱產業，河南有假髮產業，江浙有水產養殖產業。對於區域銀行客户經理而言，這些行業背後有完全不同的經營邏輯、融資需求和風險結構。“這是過去數字化沒解決的問題。” 傳統系統能夠記錄數據，卻無法理解行業。而 Agent 開始具備這種能力。它可以結合產業鏈信息、訂單情況、匯率變化以及金融產品設計，為客户經理提供一客一策的服務方案。 另一類變化發生在券商和財富管理行業。這裏聚集着大量知識工作者，他們每天閲讀研報、分析財報、構建模型、設計投資策略。這些工作天然適合 Agent 參與。 這些案例背後，其實對應着一個更大的趨勢。企業購買的對象正在發生變化，從原先的 SaaS 軟件，到如今的數字勞動力。張翅向華爾街見聞反覆提到 “一崗一助手”“一崗一分身”“數字員工” 等概念。其背後邏輯與微軟、OpenAI 正在描繪的 Agent 經濟高度一致。 未來企業衡量生產力，不再只是員工數量，而是數字員工數量。因此阿里雲也提出一個新指標——Token。“數字員工消耗更多成本的是 Token。” 張翅説，“它既是成本衡量體系，也是價值衡量體系。” 在這樣的敍事下，金融行業開始出現新的組織形態。研究員身邊有研究 Agent。客户經理身邊有客户經理 Agent。保險代理人身邊有保險 Agent。一個人逐漸擁有一個數字團隊。 ## 芯 - 雲 - 模 - 智的全棧賭注 看到了機會的阿里雲，正摩拳擦掌，重新定義自己在金融業裏的角色。 回溯來看，過去十幾年，雲廠商在金融行業講的故事大同小異，做戰略共建者、做技術戰略伙伴、做長期服務提供商。做一個數據中台、數字化轉型，動輒半年一年起步，等系統建好，業務的耐心可能也耗光了。張翅也直言，“原來的軟件和技術離管理、離組織太遠”。 但智能體不一樣，它能在很短的時間裏讀完一份財報、跑通一段信貸流程、生成一份研報草稿。“今天的 AI，為什麼大家平台也用，它是能夠實時反饋、實時有效果的，是能夠真正與業務融合。” 張翅向華爾街見聞説到。 這種節奏上的差異，給了阿里雲重塑自身定位的窗口。 它試圖拋出新故事，把自己講成一個芯 - 雲 - 模 - 智全棧打通的金融 AI 基礎設施提供商：底層是平頭哥真武 M890 AI 芯片；中間層是飛天智算雲和 QWEN 模型；上層是點金智能體平台和這次開放的 129 項金融 Skill。 這四層串起來，目的是如何把 token 的單位成本壓到對手壓不到的水位。 張翅自己是個 “模型黨”，但他對模型層的護城河並不樂觀。“基模是開源的，大家是平等的。智能體技術也在做，會有一些參差不齊的過程，因為有 AI Coding 在，想要拉齊互相彌補也非常快。” 他認為真正的殺手鐧在數據。“我們自己選擇一個很大重點的方向在數據層面，真正的數據要發揮價值，才是金融行業智能體最核心關鍵的。去年是能説會道，今年是能寫會算，這個其實還是一個很大的不同，因為數據才會真正反映出來最終給的結果不同。” 這也解釋了點金平台為什麼把原生接入 Wind、盈米且慢、東方財富、恒生聚源作為一個重要賣點，因為在他看來，金融 Agent 要做的事情，是基於真實行情數據跑出一份能交付給基金經理的策略建議。 阿里云為這套故事畫出的邊界也很清晰：服務銀行、券商、保險這些持牌機構，先做金融從業者的數字助手。 在被問到智能體涉不涉及金融牌照時，張翅直言：“我們現在做的事情還是跟監管要求一致，先以服務人為主，產品都是 ToB 的，都是給金融機構、牌照主體來做，並沒有開放到 ToC”。 阿里雲的算盤也很清楚，它要搶在所有人之前，把自己嵌入到這些機構的日常生產流裏去，等模型層卷無可卷、工程層互相拉齊之後，留下來的就是數據、行業 know-how 和客户關係本身。 ## Agent 進入深水區之後 但故事講到這裏，必須停下來看看另一面。 金融 Agent 要真正走深，不能光是看模型能力和生成效果，更要看數據、風控、合規這三件事能不能跟上。這是金融行業天然的邊界感，也是阿里雲需要跨過去的幾道門檻。 首先是數據。公開數據和機構私有數據怎麼結合，是所有金融 Agent 項目最先撞上的問題。 張翅給出的方案是分兩段處理，“公開市場所有的資詢，包括交易的數據，甚至包括在銀行做信貸、海關還是外匯局牌照的數據，都可以幫其做研究和分析。” 私有部分則必須本地化。“比如做行業分析，公開研究要做一部分，做完這部分的研究分析之後，要用真正自己內部的投研框架和知識庫做一個精準的事情，比如 ETF 或者某一個產品設計，你一定要回到本地再去做。” 這個思路對頭部機構沒問題，但對中小銀行而言，本地化部署本身就是一筆不小的投入，更別提持續的算法迭代成本。阿里雲的解法，是用 Agent 去做算法平權。 張翅講道，“原來更多區域性的銀行，因缺乏數據算法、科學家人才，導致其在原來做服務本地信貸經營時又不是標準化，服務那麼多企業，又要對每個企業做畫像、風險建模，都是非常難的。現在通過這種方式，完全可以用 Agent 方式把過去所有的風險建模的邏輯。” 聽起來很美，但中小銀行真要把 Agent 當數據科學家用，還需要一段不短的驗證週期。 其次是留痕和可解釋。 金融行業不接受黑箱過程，每一次工具調用、每一個決策節點、每一次人工介入都必須完整留痕。點金號稱內置了憑證隔離、操作留痕和三重合規防線，整個推理過程可解釋、可追溯。 但這套機制在監管落地層面究竟能解釋到什麼顆粒度，仍然要看具體業務線條的實際驗證。 今天大多數金融機構對 Agent 的留痕要求，已經遠遠超出了日誌記錄的傳統含義，它需要回答的是 “為什麼這一步 Agent 這麼決策”，而這恰是大模型難回答的問題。 最後是責任歸屬。 Agent 參與到信貸審批、投研建議、財富配置、保險理賠這些金融機構的核心業務時，一旦出問題，責任主體如何劃分？ 以信貸為例。點金已經在東南某銀行做到了專家人審通過率和 Agent 通過率幾乎可以持平，但張翅特別強調：“現在沒有完全做到真正意義上脱離的，這也是一個很大的挑戰。“為什麼不脱離？因為責任問題沒解決。 還有一個被反覆提到、但容易被忽略的卡點是 “一號位認知”。 張翅説，智能體落地的最大挑戰其實不是技術。“客户本身自己對於 Agent 的認知，人的一號位的認知，會決定這個智能體到底會怎麼樣。” 因為金融機構內部的組織設計、考核機制、文化氛圍，決定了 Agent 到底是被當成創新展示品還是真正的生產力工具。中信證券能跑出 L1-L5 的數字員工體系，靠的不光是技術選型，更是自上而下的組織共識。 回到一開始的判斷，2026 年到底是不是金融智能體的元年，答案並不取決於阿里雲、華為、騰訊、字節誰的模型更強、誰的 Agent 平台更完善。它取決於金融機構內部，能不能在創新和治理之間、應用和合規之間找到真正可以落地的平衡點。 讓 Agent 坐上工位是一回事，讓它真的能簽字畫押，是另一回事。 ### 相關股票 - [09988.HK](https://longbridge.com/zh-HK/quote/09988.HK.md) - [BABA.US](https://longbridge.com/zh-HK/quote/BABA.US.md) - [KBAB.US](https://longbridge.com/zh-HK/quote/KBAB.US.md) - [BABX.US](https://longbridge.com/zh-HK/quote/BABX.US.md) - [BABO.US](https://longbridge.com/zh-HK/quote/BABO.US.md) - [BABU.US](https://longbridge.com/zh-HK/quote/BABU.US.md) - [BABW.US](https://longbridge.com/zh-HK/quote/BABW.US.md) - [BBYY.US](https://longbridge.com/zh-HK/quote/BBYY.US.md) - [300059.CN](https://longbridge.com/zh-HK/quote/300059.CN.md) - [600570.CN](https://longbridge.com/zh-HK/quote/600570.CN.md) - [06030.HK](https://longbridge.com/zh-HK/quote/06030.HK.md) - [600030.CN](https://longbridge.com/zh-HK/quote/600030.CN.md) - [MSFT.US](https://longbridge.com/zh-HK/quote/MSFT.US.md) - [00700.HK](https://longbridge.com/zh-HK/quote/00700.HK.md) - [89988.HK](https://longbridge.com/zh-HK/quote/89988.HK.md) - [HBBD.SG](https://longbridge.com/zh-HK/quote/HBBD.SG.md) - [TCEHY.US](https://longbridge.com/zh-HK/quote/TCEHY.US.md) - [80700.HK](https://longbridge.com/zh-HK/quote/80700.HK.md) - [HTCD.SG](https://longbridge.com/zh-HK/quote/HTCD.SG.md) - [TCTZF.US](https://longbridge.com/zh-HK/quote/TCTZF.US.md) ## 相關資訊與研究 - [AI 丨阿里雲創辦人：堅信 AI 不會替代人](https://longbridge.com/zh-HK/news/289547114.md) - [創投界人士：AI 公司估值高 傾向於成長期及上市前投資](https://longbridge.com/zh-HK/news/289413937.md) - [支付寶推出 AI 版本「阿寶」憑對話完成工作 資產維持用户掌管](https://longbridge.com/zh-HK/news/289907466.md) - [AI 丨智譜上線並開源 GLM-5.2](https://longbridge.com/zh-HK/news/289985437.md) - [騰訊雲：香港是「雙向橋樑」樞紐角色](https://longbridge.com/zh-HK/news/289728398.md)