1000+Agent上线之后，银行为什么需要重新思考AI平台？

“我们塑造了工具，此后工具塑造了我们。”麦克卢汉的这句名言，很好的表现了智能体时代金融业产生的变化。

从提升效率、改善客户体验到支持业务创新，银行开始将智能体引入越来越多的业务场景。而随着智能体数量快速增加，又反过来要求银行重塑自己的架构、流程与治理方式。

这并不是一个畅想，而是正在发生的现实。华为披露的官方数据显示：openJiuwen已在10多家金融机构规模化部署，单一客户环境可支持超过1000个智能体在线、万级并发，并服务超过2000万用户。

如华为数字金融军团CEO曹冲所说，行业关注点已经从“AI能不能做”，进一步转向智能体能否进入核心生产、长期稳定运行，以及规模扩大后的协同与治理。

未来金融AI竞争的关键，也不在于建设多少个彼此分散的智能体，而在于能否构建由客户AI、员工AI和业务AI组成、持续运转和不断学习的能力飞轮。

01

智能体从几十到上千

规模化本身就是新问题

智能体时代的到来，让金融行业的智能化进程加速，但方向却悄悄发生了变化。

早期的AI应用以单点场景为主，一个智能客服回答常见问题，一个文档助手辅助撰写报告、纪要，这些尝试证明了AI在单点场景中的可用性，但距离形成企业级、可持续的生产力仍有距离。

随着应用深入，银行发现真实业务场景的复杂度远超单个智能体的承载能力。比如，一个复杂信贷场景往往涉及材料处理、风险分析、审批等多个专业环节。一次完整的客户服务，往往要横跨多个产品、多条流程、多个目标。

随着任务链路变长，智能体对状态管理、运行稳定性以及动态编排能力提出更高要求：一是任务一长，多次执行的结果就难以保持一致和稳定；二是面对中途出现的分支和变化，缺少灵活的编排与约束机制。

因此，当银行内部的智能体从几十个逐步扩展到数百乃至上千个，规模化本身就开始成为新的系统性问题。进一步看，未来企业运行数千乃至更多Agent时，问题也接踵而至。现实中，一些银行的不同部门已经各自建设了Agent开发平台，短期看效率提升明显，但规模扩大后，烟囱式建设的代价就会出现，Agent、Skill、知识、权限和工程资产无法复用，新的IT孤岛就会形成。同时要注意，智能体进入核心生产后，需要考虑高可靠、安全隔离、跨地域部署以及存量系统连接等问题。

不难发现，分散建设带来的结果是，权限、安全和协同难以统一治理，能力无法跨部门沉淀和复用。而对银行来说，本质上还是需要一整套覆盖开发、运行、协同、权限、安全和持续演进的企业级智能体管理机制。

曹冲也指出，“未来一个企业可能会运行几千、几万甚至更多Agent，可以把它理解成一支不断扩大的数字员工队伍。企业管理一万名员工已经很复杂，未来管理大规模Agent，本质上也是企业级治理问题。”

这正是华为推出openJiuwen的动因，金融机构需要的不是另一个开发工具，而是一个能够承载规模化智能体运行、协同与治理的统一底座。

02

企业级与多智能体协同

openJiuwen的系统内核

金融AI走向规模化，对智能体平台提出了比“开发Agent”更高的要求。按照华为此次发布的定位，openJiuwen重点构建长稳运行、金融级组件以及一站式开发与运行三大核心能力，并进一步支撑多智能体协同与企业级运行。

在金融机构的语境中，企业级意味着三件事：第一，系统必须长期稳定运行，任务中断后能够从断点恢复；第二，操作必须可解释，且多次执行的结果保持一致；第三，安全隔离必须贯穿始终。这些要求，远非一个普通的Agent开发平台所能满足。

而openJiuwen的定义，是中国首个金融级开源智能体平台，面向企业级生产环境，提供从开发、运行到多智能体协同的一体化框架。

为什么华为选择开源开放？在华为看来，开源有助于提升核心技术透明度，使客户、伙伴与开发者共同参与能力演进。

那么如何确保“跑得稳”？在运行层，openJiuwen通过分布式运行、状态管理与中断恢复等机制支撑复杂任务长稳运行，并结合安全隔离、系统连接等能力，满足金融生产环境对可靠性与安全性的要求。长时间、高强度的任务因此能连续运行；同时，围绕意图识别、系统连接、高可用与安全沉淀金融级组件，让智能体既听得懂复杂的业务交互，也接得上银行沉淀多年的存量系统，真正走进生产流程。

在单智能体层面，Agent Core提供任务规划、工具调用、工作流编排和运行时等能力；在多智能体层面，JiuwenSwarm进一步支持复杂任务协作。

只有“企业级”与“多智能体协同”同时存在，才能让金融 AI 从“能对话”走向“能办事”。比如，手机银行要进化成超级智能体，就需要跨产品、跨流程、跨目标地处理复杂任务，靠的正是更强的意图理解、任务拆解、动态编排与个性化能力，而这些都建立在 openJiuwen 这套内核之上。

03

不止于平台

生产级规模化的完整拼图

有了 openJiuwen，金融 AI的规模化是否就万事俱备？答案是否定的。智能体规模化落地是一项系统工程，平台只是其中一环。

正如曹冲所强调的，此次发布并不止于平台，openJiuwen构建开放协同、持续演进的生产级系统内核，但完整的金融启元Agentic AI解决方案，还包括面向客户和员工的超级智能体、知识与本体、FAB 2.0 工程体系、安全治理和 Token 运营等能力，共同构成支撑生产级智能体规模化落地的能力体系。

同时，华为的实践也给金融AI迈向规模化落地提供几点启示。

第一，平台的评价标准需要从开发效率进一步延伸到生产运行可靠性。早期评估 Agent 平台时，快速上线往往是最受关注的指标，但 FAB 2.0 的升级方向已经指明，从快速上线走向稳定可靠运行。但当智能体进一步进入信贷、风险管理等高要求生产场景后，断点恢复、状态一致性、安全隔离的优先级迅速上升。openJiuwen的设计理念，正是代表性的回应。

第二，资产复用能力将成为衡量企业级AI平台价值的重要维度。一个平台的价值，不仅在于它能创建多少Agent，更在于它能让多少能力被跨场景、跨部门复用。比如，FAB 2.0沉淀的200多个金融工程工艺资产，覆盖10大类金融场景、15种资产类型，通过智慧金融专区开放共享。这意味着新场景的构建不再从零开始，已有工程经验能够更高效地沉淀、复用，并加速向新的业务场景复制。

第三，治理能力必须与能力建设同步规划。真正拉开金融机构差距的，不再只是模型能力，而是把智能转化为生产力的系统能力。 治理能力则是生产级能力的重要组成部分。随着Agent规模扩大，权限、安全、运行管理以及Token成本等问题都需要同步纳入企业级体系。。而华为发布的Token全生命周期运营方案，从规划、生产、调度到优化，正是将治理思维前置到算力层的体现。

归根结底，金融AI的竞争，最终比拼的不是智能体数量，而是客户AI、员工AI与业务AI能否形成持续运转和不断学习的能力飞轮。openJiuwen以及智能体、工程资产、知识、安全治理和算力等能力，则共同构成这一飞轮走向生产级、规模化运行的重要支撑。

当这些能力真正沉淀到企业级体系中，银行拥有的就不再只是大量彼此孤立的Agent，而是能够持续演进、协同运行并形成组织生产力的智能体系。