金融Agent竞赛：什么才是最实用的打开方式？

2022年底，容联云内部围绕旗下核心业务——数据智能平台平台诸葛智能的未来发展方向展开了一场讨论，容联云副总裁兼诸葛智能创始人孔淼、诸葛智能CTO文革都参与其中。

“我们当时的想法很直接，就是想如何让城商行这个群体真正把工具用起来，不像之前的工具那样，很多银行机构没办法用的很好。”文革告诉产业家，“后来我们讨论是不是要通过什么手段建立一个特殊的‘人’的角色，这个‘员工’可以帮助城商行们用好工具。”

更具时间线意义的是，这场讨论半年后，ChatGPT横空出世，AI驱动的生产力革命迅速席卷全球To B市场。随着DeepSeek、Qwen3等中国AI企业的持续突破，中国市场正成为全球焦点，数字员工、智能体也成为AI落地的核心共识。

这种底层水温的变化也更影响着诸葛智能。

过去的很多年里，金融是容联云以及诸葛智能一直深耕的领域，伴随着AI大模型的到来，上述命题的焦点很快被落到了AI。“最开始我们为了实现很多能力，自研了赤兔大模型，后来伴随着DeepSeek等模型的开源，底层的模型能力开始更丰富了。”

这款研发历时超2年的产品，在本次WAIC大会上由诸葛智能正式发布，定名为金融行业智能业务分析Agent——智能业务分析一本通，其专门面向城商行群体帮助其构建对应的AI能力，进而智能化地完成相关业务的数据分析。

文革告诉我们，智能业务分析一本通不只是一个专门面向金融的“985毕业生“，同时他也更是一个会自己思考、自己学习、自己成长的金融人才。

2025年的如今，Agent落地是全行业热议的主题，其中金融更是桥头堡，但截止到现在为止，对金融行业而言仍然没有一个足够可用、好用的Agent产品出炉。

如今，这家深耕金融行业多年的老兵——诸葛智能正式给出了自己的答案。

一

Agent落地金融，“机会和挑战”

如果把时间拉回2022年，则是会发现文革提出的问题点不是个例。

这个问题甚至持续到今天。即从行业视角来看，对大部分城商行而言，其很难基于手头现有的数据分析类产品提高自身效率，或者也更可以说，对于某些成熟的数据分析产品，在城商行这类金融机构内部，很难有人能够“用好”这类产品。

以诸葛智能为例，在其面向金融行业的数据分析类产品中，其基于过往的金融行业积淀，内置了多个场景的数据分析模型，分别对应不同的业务情况和特殊场景，但对大部分使用的城商行而言，这些分析模型更长时间处于“沉默”状态。

城商行群体本身就具备特殊性。即一方面其由于更多扎根区域，自身的数字化意识和建设体系本身就相对薄弱，导致其很难掌握对应的数据分析能力；另一方面，城商行群体缺乏统一的数据分析标准，不同部门、不同银行之间的数据统计口径不同，不论是在银行内部，还是银行之间，其数字化往往不具备参考性，由此带来的是各自业务分析的分裂和低效。

“很多头部银行其实是有很好的数据分析经验的，但这些很难传导到城商行群体，这些都很可惜。”文革表示。

根据相关数据统计，在尾部城/农商行群体中，有超过60%的机构因能力不足，存在客群未盘活、⻛控能力差的问题；此外，由于预见行业⻛向能力差，其贷款不良率平均达2.8%，高于头部银行的1.5%。

这也恰是文革和诸葛智能想要用Agent解决的问题。

这并不是一件容易的事。即在过去的一两年时间里，金融方向的AI落地一直是市场热议的话题，但从真正的生产力工具的角度来做评判，并没有哪款智能体或data agent产品真正得到金融企业的共识，甚至问题频频。

根据相关数据统计，在中国市场，2025年金融智能体部署成功率仅为18%，其中失败主因包括数据质量（62%）、模型幻觉（38%）等等，如果细分到金融业务的数据分析方向，对应的成功率则是更低。

其中的难度不难理解。即对金融行业的数据分析智能体而言，其不仅要具备企业级的能力，更要具备金融级的安全可信和数据准确，对应的是开发者必须灌以庞大的金融场景数据和基于金融业务逻辑进行多次微调，才能构建出适配金融的底座。

甚至，这些还不够。文革告诉我们，在这些基本能力之外，金融数据分析智能体还必须要具备具备独立思考和成长的能力，即既能从全局视角来思考问题，同时还更能基于真实的业务反馈和结果近一步进化自身的思考逻辑和策略，以更好地适配对应金融企业的场景。

文革和我们打了一个形象的比喻。“之前大家提供的第二代产品就像一个具备成熟能力的锤子，它能把钉子钉进去，但如果钉子歪了，它就容易束手无策；但Agent的产品则不是，它必须具备自我思考和自我优化能力，能识别问题，更能根据变化解决问题。”

在他看来，这正是诸葛智能要做到的事。

二

诸葛智能，打造一个金融“智能大脑”

在这次WAIC上，诸葛智能给这款新站台台前的智能业务分析一本通一个新的定位：金融智能大脑。

定位之外，更细颗粒度的信息则是，这个定位金融智能大脑的Agent产品可以实现自主学习、自我修正，可主动感知、自驱执行，致力于帮金融企业实现从模型到应用、从数据到增长的“最后一公里”。

“我们很早就在一些企业内部做了内测，共创的企业说‘可以了’之后，最终才做了正式面向市场的发布。”文革告诉我们。

几个被给出的数据是，在客户行为分析层面，基于诸葛智能智能业务分析一本通，从之前“经验驱动”形式进阶到“因果推理”模式，人工参与度从之前的100%降低到9%；在信贷业务分析侧，可以进行全息客户的画像构建，通过整合央行征信+税务/社保/海关等政务数据，全面降低风险率。

此外，同样亮眼的还在面向城商行核心业务的运营状况分析和风险管理分析，前者可以推动银行内部近一步完成流程优化，比如基于智能业务分析一本通，银行内部办公与自动化执行可实现人力成本压缩70%以上；智能客服与客户运营等重复性高、规则明确的环节运营成本则更可以减少90%。

后者则是通过智能体自身的一系列内置金融知识可以实现如信贷风险、市场风险、操作风险的实时监控以及不同环节的合规审查和解读。

从某种层面来看，基于诸葛智能的一本通产品，城商行机构等同于拥有一个俯瞰全局的“智能外脑”，其可以帮助银行构建一套全面的AI自动化体系流程，不仅提高对核心业务的掌控力，对应不同场景、节点输出对应的方案，更可以近一步优化内部的一系列协作流程，通过加持于不同业务部门、不同场景的业务人员，提高城商行企业的整体能力。

加持的不仅在产品本身，也更在深化的使用过程中。“包括真正把产品用起来的过程中，业务人员给予智能体的一些反馈也都可以作为最新的Agent训练数据，让它保持自我学习、自我进化的状态，实时在线修正。”文革表示。

也可以说，诸葛智能一本通的核心价值也恰来自其底层对金融场景的专门设计，这其中不仅有庞大的覆盖信贷、⻛控、运营等全业务场景的金融知识图谱，也更集成了行业最佳实践和分析模型，以及一系列对于不同金融业务环节和节点的深刻理解。

就产品构建过程而言，其是在DeepSeek-R1 32B模型的基础上，首先在模型层基于金融数据进行了相应微调，同时在语义层基于金融场景进行了相对应的数据指标对齐，最后通过多轮基于金融场景的强化学习最终才构建而成。

产品之外，诸葛智能还同步构建了基于智能体的交付体系。“我们会在不同的节点和客户进行确认，有点像网络上流行的‘握手协议’，在客户确认完成后我们再进行下一阶段的建设，几次‘握手’后才能完成项目。”

文革告诉我们，关于智能体的交付大致会分为3—4个交付节点，首先是底层模型微调阶段，其次是知识库理解阶段，最后才是智能体交付阶段，每个阶段都需要和客户达成对应的交付标准，达到一定满意度才会继续往下推进。

“我们现在会根据客户的需要交付不同的形态，可以交付完整的智能体形态，也可以把金融Agent产品嵌入到客户的对应软件系统中，这些都可以实现。”

三

智能体落地大潮里：

什么才是生产力工具的判断标准？

“现在的智能体开始有泡沫了，就像在这次的WAIC大会上，很多智能体都还仅近停留在产品阶段，很少有大规模的落地验证。”一位投资人告诉产业家，“现在还不到真正的落地时刻。”

当下的一个共识是，智能体是AI落地的核心形态。根据IDC发布的智能体相关报告显示，智能体将带来新一轮企业ROI革命，其更可以以数字员工的形态提高企业方方面的业务能力，比如缩短流程时间，比如提高企业对业务的洞察力等等。

而在这种热潮的共识中，也更是有一众如扣子、dify、BetterYeah等国内智能体平台不断出现在人们视野之中。但一个足够清晰的观察是，就当下而言，这些平台也更没有从真正意义上转化成生产力工具，尤其是对城商行等金融机构。

低门槛、高可用、能学习、可进化……对于城商行等中小金融机构而言，这一系列标签都必须成为Agent产品的标配，而在此之下，则智能体还必须具备强金融属性，不论是语料的训练，还是数据语义的对齐，甚至适配金融的工作流编排等等。

这正是诸葛智能过去两年全力想做到的点。

“过去两年，尤其伴随着DeepSeek等模型的开源，我们大部分的精力都开始放到了行业知识沉淀上，这是我们现阶段最重要的事。”文革告诉我们。

事实证明，这种面向专属领域的积累给诸葛智能带来的并不是最快的“速度”和“关注度”，但却是最扎实的智能体底层设计和健全的AI交付体系。

据了解，在金融智能业务分析一本通落地之前，诸葛智能会帮助企业评估企业当前的资源特点，比如算力，比如AI人才，再比如数据体系等等，从更实用的角度和生态伙伴一起完成整个金融智能体的落地。

“其实企业内部并不抗拒我们一本通的落地。”文革告诉我们，“因为我们是真正的效率工具，可以帮助不同的业务部门真正提高他对应的工作效率和工作价值。”

这种从工具到企业的反向推进也更在数据侧。在诸葛智能金融智能体的反推动下，之前散落在城商行等企业各个业务角落的数据开始被全面集中汇总和纳管，帮助其构建出更为健全、科学的数据体系，进而构建出“AI-ready”的土壤，加速企业数智化转型升级。 

“产品的核心判断标准还是口碑，现在没有人说一定能成为最终那个玩家，但最终大家始终还是要回到企业能否真正用起来这一个标准上。不论现在我们的智能体形态是否是最终态，但我们对行业一定是有贡献的。”在采访的最后，文革表示。

让AI真正创造价值，让智能体成为驱动增长的真实生产力——在智能体落地的大潮中，这正是诸葛智能给出的答案。