財聯社4月11日訊（記者 閆軍）DeepSeek將AI推至推理階段，未來沿著推理、多模態再到AGI時代已經不再遙遠。隨著門檻的降低，AI可用性、易用性、普惠性都已經到了一個搭建應用的階段，這也標志著AI進入平權時代。

在AI平權時代的金融行業大模型有哪些應用可期？在近日舉行的中國財富管理50人論壇上，恒生電子董事長劉曙峰帶來他的思考。

劉曙峰從技術演進、場景落地和平臺構建三個維度，深入剖析了當前AI技術在金融領域的發展現狀與未來趨勢。他用“三個轉變”概括了金融AI的發展趨勢：從技術探索轉向業務深耕，從單點應用轉向系統重構，從成本中心轉向價值創造。

“AI平權不是終點，而是新競賽的起點。那些能率先完成數據資產化、業務智能化的機構，將贏得下一個十年的發展主動權。”劉曙峰指出，隨著AI技術門檻的降低和可用性的提升，今年將成為金融行業AI應用爆發元年，而“智能體”平臺的競爭將成為決定金融機構未來地位的戰略性賽道。

AI平權時代：技術普惠推動產業應用大發展

AI技術發展已進入“平權階段”。劉曙峰表示，基礎模型經過多年演進，如今在推理能力和多模態處理上取得顯著突破，正沿著規模定律（Scaling Law）持續發展。今年最顯著的變化是應用門檻的大幅降低，在絕大多數不涉及訓練的場景下，AI的運營成本已降至可接受范圍，這使得產業應用迎來了真正的普惠時代。

他特別強調，當前AI技術的易用性和普惠性已達到新高度。以DeepSeek等國產大模型為例，其“滿血版”部署門檻顯著降低，甚至可以通過蒸餾版進一步減少資源消耗。這種技術平權使得金融機構無論規模大小，都能以較低成本接入AI能力。

“我們預計今年金融行業在AI應用上的投入將實現數量級增長，從目前不足IT預算1%的比例快速提升。”劉曙峰預測道。

劉曙峰也坦言，大模型在金融領域的全面落地仍面臨兩大核心挑戰：一是精準計算能力的不足，二是難以完全消除的“幻覺”問題。

他舉例說明，雖然當前模型已能解決“9.11和9.9誰大”這類基礎問題，但面對復雜金融計算時仍會出錯；而基于概率生成的“幻覺”響應，在要求零容錯的交易場景中尤為致命。

金融場景破局，三類應用場景的實踐與展望

回到金融場景，基于恒生電子的實踐觀察，劉曙峰將金融AI應用歸納為知識驅動型、流程驅動型以及混合型三大類型。

具體來看，第一類是知識驅動型，從單點問答到復雜任務代理。劉曙峰指出，這是大模型最擅長的領域，典型場景包括股票分析、公司比較報告生成等原本由研究員、投資顧問完成的知識密集型工作。他特別提到“代理體”技術的突破性進展，通過任務分解，AI已能完成復雜的研究分析工作，比如Manus嘗試的通用代理體，但在金融領域，垂直行業的專業代理體更具可行性。

第二類是流程驅動型，嵌入式AI提升運營效率。劉曙峰將此類應用比喻為“流程中的AI插件”，典型場景包括投行文件自動化校驗、代碼生成等。

他分享了一組實驗數據，在編碼環節，AI輔助可提升效率40%以上，但在系統架構設計等復雜環節仍需人工主導。這類應用雖然技術含量相對較低，但降本增效效果立竿見影，是金融機構AI化的優先切入點。

第三類是混合型場景，傳統模型與大模型的協同創新。這是最具想象力的領域，劉曙峰舉例說明，在復雜交易定價場景中，大模型可先完成數據篩選，再由傳統定價模型進行精準計算，二者協同顯著提升效率。

智能體平臺落地，數據、資源與“代理體”構建成關鍵

在個人代理體上，恒生電子已在該領域取得實質性進展，劉曙峰透露，公司正在為百萬大V“牛得林奇”開發個性智能體，能精準復現其語言風格和思維模式。

這種代理體不僅能替代基礎助理工作，未來可能實質性參與研究分析，關鍵在于如何通過數據準備和后訓練降低幻覺率。

據介紹，區別于傳統財經AI工具，智能體引入人格化交互設計，通過模擬財經大V的思維模式和表達特點，在專業服務中構建情感聯接。用戶可通過文字交互獲取股票行情、基金表現、投資策略等實時解讀。

“牛得林奇”的主理人是原恒泰證券總裁牛壯，具有20年金融從業經歷，清華大學五道口金融學院EMBA碩士、中國人民大學碩士，上海金融與發展實驗室研究員。目前全網250w粉絲，是國內頂流財經大V。

劉曙峰特別指出，當前金融AI應用呈現“冰火兩重天”態勢：一方面基礎技術已趨成熟，另一方面實際投入仍不足IT預算的1%。這種反差恰恰預示著巨大的增長空間，預計未來三年金融AI應用市場將保持三位數年增長率。

面向AI應用的規模化落地，劉曙峰提出了智能體平臺構建的“三步走”策略：

第一步是模型選擇與適配。劉曙峰表示，當前市場提供從千億參數大模型到輕量蒸餾版的完整譜系，金融機構可根據場景需求靈活選擇。恒生電子的實踐表明，在大多數金融場景中，70億參數級別的精調模型已能平衡性能與成本。整體而言，技術已不是瓶頸。

第二步是數據資產與API資源的系統梳理。金融業不缺數據，但90%的數據尚未轉化為AI可用的資產。劉曙峰認為，通過對數據、應用、API的梳理，讓大模型與代理體可調用。

第三步是場景化代理體的設計與運營。當下大模型已經不是門檻，數據、資源才是門檻，通過場景分析，去構建代理體，以足夠的數據積累，最終才能構建起應用的護城河。