从底层算力到上层应用，从模型能力到智能体工程 百度智能云以全栈AI底座深耕金融大模型市场

本文转自：人民日报

　　当前，金融智能体加速迈向规模化应用新阶段，多家上市银行于2026年半年报中披露智能体落地情况。据国际数据公司（IDC）《中国金融行业生成式AI平台及应用解决方案市场份额，2025》报告，2025年，中国金融行业生成式AI市场规模达17.4亿元，同比增长90.4%。据IDC报告，百度智能云连续2年位居中国金融大模型市场份额第一，已服务超过800家金融机构。

　　推动AI深度融入金融业务

　　大模型进入金融行业，不仅要适配员工问答、知识检索等基础场景，还要逐渐融入金融机构的重要业务，为完成审批、风控、投研等一系列复杂任务提供帮助。

　　百度智能云致力于让大模型既能生成内容，也能进一步理解金融规则、参与真实业务流程。在信贷审批场景中，百度智能云助力浦发银行打造集金融专业知识、复杂交互能力与合规风控能力于一体的金融专精大模型，通过自动采集整合多源数据、智能完成财报勾稽关系校验、识别异常与风险，将财务分析工作用时压缩至分钟级。在风险管理场景中，百度智能云支持中信百信银行打造智能风控智能体，进一步提升风险识别能力。

　　当前，AI正逐步从提供信息的工具，变为参与决策、执行任务的伙伴。从“是否引入AI”或“选择哪类模型”，到“如何将模型能力嵌入现有业务流程”，再到“金融机构是否掌握AI的运行控制权”，百度智能云顺应AI发展趋势，着力帮助金融机构解答AI应用课题。今后，百度智能云还将专注于提升AI拆解复杂任务、调用外部工具、处理上下文信息的能力，帮助金融机构解决“AI在何种边界条件下自主决策、出现异常又该如何处置”等新的问题。

　　完善全栈AI云基础设施

　　麦肯锡《2025 AI应用现状调研》报告显示，约88%的被调研企业已在至少1个业务职能中常态化使用AI工具，但仅约1/3开始规模化部署。出现这种“高渗透、低重构”现象的原因之一，就是应用方缺乏将AI能力转化为稳定生产力的工程体系。

　　为此，百度智能云持续完善AI Infra（算力基础设施）和Agent Infra（智能体基础设施）的全栈AI云基础设施。在算力底座层面，百度天池超节点通过集群级算力调度与异构资源统一管理，满足金融机构大规模模型训练与推理的高并发需求；昆仑芯作为百度智能云自研AI芯片，为金融供应链安全提供可控可信的国产算力选择。在智能体基础设施层面，百度智能云推出词元工厂与Harness工程体系。词元工厂帮助模型深度理解监管规则、业务逻辑与风险语义，让词元承载更高价值的金融认知能力。Harness工程体系聚焦AI在运行期的全流程控制，涵盖Agent Runtime（智能体运行时）、上下文工程、工具编排、评测体系与治理机制五大维度，旨在将AI从“概率性能力”转化为“可控、合规、可审计的生产力”，从而突破AI进入金融系统面临的执行可靠性、合规稳定性与可追溯性三大瓶颈。

　　此外，通过提供覆盖输入侧的越权防范与提示注入检测、输出侧的知识校验与规则审查、执行侧的角色权限控制、审计侧的全流程可追溯日志，百度智能云可帮助金融机构构建四层安全治理体系，为金融智能体规模化应用打造“看得见、控得住、追得回”的安全底座。

　　助力金融机构构建“AI原生能力”

　　目前，很多金融机构的AI能力建设正从“能力验证”迈向“体系化落地”，发展重点从“模型能力竞争”转向“AI运行与治理能力竞争”。为适应这一趋势，百度智能云推出“知识—流程”双维分类框架，将金融场景归纳为专家顾问型、总工程师型、执行助理型、通用助手型四类，并为不同复杂程度的业务场景匹配相应的智能化路径。

　　百度智能云志在帮助金融机构智能化迈向“AI原生”，即围绕大模型能力，重构业务流程、数据治理和人机协同机制，最终形成“人类员工与数字员工协同”的混合组织形态。从信贷审批的分钟级财务分析，到风控模型的智能化跃升，再到底层算力与智能体基础设施的突破，百度智能云持续推动AI深度应用于金融机构业务链，助力金融机构构建“AI原生能力”。

　　从底层算力到上层应用，从模型能力到智能体工程，百度智能云以全栈AI基础设施为底座，为金融行业提供涵盖数据管理、模型训练、智能体部署的系统性支撑。随着越来越多金融机构加速拥抱AI，百度智能云将加大力度为行业构建“懂金融、守合规、可落地”的全栈AI底座，拥抱金融行业智能化新蓝海。

　　数据来源：百度