北京
来源：市场资讯
一家头部商业银行当前内部服务的Token日均消耗量已经达到500亿次，其中三分之二来自业务智能体承接的实际工作。预计到年底，这个数字将上升到1000亿。
这是百度智能云金融业务部总经理徐旭在第八届金融科技交流会上发表主题演讲时援引的一组数据。在他看来，这组数字背后意味着：金融AI已经越过了演示阶段，真正进入了生产场景。
从单点验证到规模落地，智能体已进入金融场景核心业务
从投研分析、客户走访，到贷前尽调、贷后监测、经营分析，再到风控模型研发——越来越多原本依赖人工经验和重复操作的工作场景，正在迎来智能体的深度参与。
推动这一变化的有两大驱动力：一是模型能力持续跃升，当前模型竞争远未见终局；二是Agent生产能力系统成熟，过去只能在Demo里演示的场景，已经开始大规模真实落地。
由此，徐旭给出了一个判断：金融行业AI竞争的焦点，已经不再是谁的模型更强，而是谁能率先搭建起一套可控、可观测、可持续运营的Agent系统。
智能体进入金融生产，需要跨越三道门槛
在徐旭看来，智能体真正进入金融生产，还需要跨越三道门槛：执行深度与治理强度的匹配、数据与知识体系的AI化重构，以及算力与推理效率的深度协同。
门槛一：智能体深入业务，治理必须先行
随着智能体从简单问答走向跨系统执行，AI开始具备真正“做事”的能力。与此同时，金融机构对安全、权限和审计的要求也必须同步升级，执行深度与治理强度需要精准匹配。
徐旭重点介绍了百度搭子。作为企业级通用智能体，百度搭子可以将金融机构不同业务线的智能体、MCP工具、数据资产和业务系统有机连接，并支持私有化部署，满足金融机构对数据安全和自主可控的核心要求。
业务技能治理方面，百度搭子持续将专业经验沉淀为可复用的业务技能（Skill）。目前，C端用户的金融投研场景需求占比很高；B端投研需求同样旺盛。围绕这些场景，百度搭子已连接诸多金融领域垂直服务商，并形成覆盖投资研究、对公信贷、财富顾问、保险代理人助理等核心金融场景的专业技能和MCP体系。
安全治理层面，百度智能云围绕工具、行为、数据、身份、审计五个维度构建全链路Agent安全体系，从安全沙箱到全链路隔离，让智能体在安全边界内做事。
门槛二：从“能调用数据”到“真正读懂业务”
金融机构完成结构化与非结构化数据治理，只是第一步。下一步的挑战在于：如何将业务流程、规则和业务实质，转化为Agent更易于理解的企业数字孪生。
徐旭以某银行支行经营诊断智能体为例。借助百度本体建模工具——百度胜算，金融机构可以自动化地完成业务本体和关系图谱的构建，由系统自动完成业务本体及关系图谱的构建。其中，百度胜算将行业FDE能力内嵌到系统中，可以用AI FDE工具自动化进行本体建模，极大降低了使用门槛。这一方式可将Agent开发周期压缩至一周，智能体输出结果从空洞变得言之有物，并可给出具有专家洞察的行动建议，且能够实现推理过程全链路可控、可回溯。
这意味着，过去沉淀在业务人员经验和制度流程中的“隐性知识”，正在逐步转化为AI可以理解、调用并持续复用的数字化能力。
门槛三：算力与推理效率，必须跟上智能体的进化节奏
随着智能体从单轮问答走向多轮推理、工具调用和复杂任务编排，对算力资源和推理效率的要求也在快速提升。
对此，百度智能云将依托“芯云模体”全栈AI能力体系，以昆仑芯、AI Infra、Agent Infra为支撑，打通从底层算力、模型到智能体应用的完整链路，帮助金融机构构建可控、可观测、可持续运行的高效率智能体生产系统。
金融生产力的下一个构成单元，正在被重新定义
未来，金融机构的生产力提升，将不再只依靠人力投入的增加，也将来自一个个能够理解业务、执行任务、持续进化的智能体，与员工形成协同增效的新组合。
衡量一家金融机构数字化能力的指标，或许也将随之改变——不再只是部署了多少系统，而是跑了多少个智能体，以及这些智能体能够承担多少真正有价值的工作。
这场变革的关键，不是谁拥有更多的模型，而是谁能将模型、数据、工具、业务规则与安全治理真正组织起来，形成一套可运营、可迭代的整体能力。
百度智能云也将持续与金融机构携手探索，让AI真正走进业务，成为可控、可信、可持续的金融生产力。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
