88%的企業至少在一個職能中常態化使用AI，但僅約1/3推進AI規模化落地，AI的價值仍處于“碎片化”階段，未能貫穿企業整體業務鏈條。12月18日，在第六屆金融科技應用與服務大會上，金融機構與企業探討如何務實有效地推動AI在金融業務中落地。AI數字員工企業珠海金智維人工智能股份有限公司董事長廖萬里援引上述麥肯錫調研數據，并表示“只有當我們真正把AI嵌入業務流程，AI不再只是一個工具，而是成為人類真正的合作伙伴時，AI才會產生更積極的應用效果。”

大多數機構仍停留在AI規模化部署與實現企業級價值的早期階段。麥肯錫12月15日發布的調研數據顯示，更多企業開始使用AI，但真正的規模化部署依然稀少。至少在一個職能中常態化使用AI的企業比例從去年的78%上升至88%。但在企業層面，多數機構仍停留在探索或試點階段，僅約1/3已著手推進AI的規模化落地。調研顯示，對多數機構而言，AI尚未顯著撬動整體息稅折舊攤銷前利潤（EBIT）。僅39%的受訪者認為AI對EBIT產生了某種程度的影響，其中多數表示貢獻率不足5%。

技術正在深刻改變產業結構，金融業作為現代經濟的血脈與核心環節，被視為人工智能融合應用的重點領域。天弘基金首席信息官遲哲表示，越來越多的企業已經使用或嘗試使用AI技術，金融市場越來越復雜，毫秒級的變化速度縮短了決策時間窗口，數據維度呈爆發式增長，“現在市場上不是信息不足，是數據過載。按照我們的統計，每天市場產生的研報、觀點、輿情、新聞，大概只有30%會被正確消化、吸收、理解。”更何況，人并非純粹理性，技術卻可以冷靜分析，幫助人類應對快速變化的市場。因此，面對復雜市場，智能決策已成為行業剛需。

在天弘基金的智能體建設中，遲哲摸索出的AI落地經驗是：不能“為了AI而AI”，一定要找到業務場景，將投研智能體與投研場景融合，才能實現智能體應用從好玩到好用的跨越。隨著大模型通用智能的強力提升，未來不同機構擁有的私有數據將成為核心競爭力。分析框架是質量保證，基于已有分析框架構建的智能體體系才能實現分析能力的繼承和發展，最終，業務與技術深度融合是必然。

“大模型憑借其超強的涌現能力、生成能力以及推理能力，為金融行業高質量發展帶來了全新的想象空間。”國泰海通證券技術研發部數據技術主管錢維佳表示，證券行業進入了認知智能時代，它天然擁有海量數據和復雜場景，這既是機遇也是挑戰。“我們意識到，要充分發揮大模型的價值，必須要有思想上的轉變，把AI的變革力量和企業的數字化轉型結合，只有站在這樣的高度，才能持續保障企業AI大規模應用以及長期可持續投入。”

錢維佳表示，國產推理大模型正推動證券行業服務模式從千人一面轉向千人千策，決策機制從經驗判斷升級為數理驗證。AI推理大模型“思考+結論”的能力尤其適合證券業務的復雜需求，但落地仍面臨數據安全、隱私合規等挑戰，需在算法、數據與場景融合上持續突破。雖然通用大模型在語言理解和文本生成上表現出色，但對行業應用場景的理解仍有欠缺，需要依靠證券行業垂類大模型發揮作用，模型協同合作才能滿足各業務場景的需求。

合合信息智能解決方案事業部副總經理張海燕同樣表示，大模型仍面臨性能與合規約束難題，而小模型具備精準、輕量與可控優勢。因此，集小模型基礎識別、大模型增強賦能、場景化動態調度為一體的融合架構，是當前技術落地的最優路徑。

為建立智能金融未來生態，12月18日，在上海現代服務業聯合會、上海金融業聯合會指導下，金融智能化專家工作組在大會上正式成立并揭牌。該工作組匯聚產學研多方力量，致力于構建開放協作的前沿技術攻堅與標準研制平臺。未來工作組將圍繞聯合研發、標準制定與生態共建等持續開展工作，引領行業規范發展。