作為人工智能技術與金融業深度融合的新業態，智能金融發展正在呈現出新的特點。

12月20日，深圳香蜜湖金融年會（2025年）發布的《香蜜湖智能金融發展報告（2025）》（下稱《報告》）稱，在技術方面，以慢思考技術普及、推理成本降低惠及長尾普惠、智能體迭代升級和多模態等能力突破為主要創新點，智能金融拓寬了復雜金融場景的應用，降低了中小型銀行的使用門檻，人機協作模式更智能，全模態協同決策新范式加速推進。

業內指出，慢思考技術是一種通過延長推理過程、增加計算開銷來提升大語言模型推理質量的方法，旨在減少錯誤累積，提高輸出的準確性和可靠性。

具體數據印證了這一趨勢?！秷蟾妗氛骷?2個案例里，約五成涉及智能體范式，超過33%表示多模態能力有所提升，32%的案例使用了慢思考技術，23%的案例提及推理成本顯著降低。

一系列技術趨勢正快速轉化為業務層面的深層變革。產品創新領域，AI驅動投研市場全流程智能化決策，自然語言交互深度重構用戶體驗；客服營銷領域，從“被動響應”轉向“主動智能”，通過技術融合與場景深耕，實現效率、合規性與客戶體驗的平衡；運營管理領域，企業知識資產成為AI應用基石，通過體系化建設與管理，重塑人機協同模式，重構組織運作模式；運營管理領域，大模型與小模型協同仍是技術主流，全流程智能化風控覆蓋、垂直領域專業化智能體重塑合規與效率的平衡。

與此同時，智能金融正在經歷一場從“工具應用”到“體系重構”的深刻變革。技術突破在重塑金融服務全鏈條的同時，資本支持與數據治理體系面臨的挑戰也日益凸顯。

隨著人工智能在金融領域的深度應用，數據治理體系正承受著前所未有的壓力。國際清算銀行數據顯示，2024年全球銀行AI生成數據量較三年前激增470%。

這為金融數據治理帶來新難點。中國銀行業協會原首席信息官、深圳香蜜湖國際金融科技研究院學術委員會委員高峰表示，一是技術適配難，數據多樣性倍增、場景實時性要求高；二是權屬界定難，AI生成數據涉及原始數據提供者、模型開發者等多方，權責易真空；三是數據安全與隱私保護形勢嚴峻，數據勒索、竊取事件增長，隱私保護壓力陡增；四是數據倫理問題顯現，模型的訓練數據本身可能存在歷史偏見，算法設計者也可能將主觀偏見嵌入模型；五是治理成本投入壓力大，金融機構需持續投入大量資源購買新硬件或升級軟件以跟進技術變革，投資回報周期長。

專家呼吁推動范式升級。《報告》認為，在合規層面，需符合《金融科技發展規劃（2023~2025年）》等監管要求，將數據治理失效納入系統性風險指標；在協同層面，設立“業務科翻譯官”角色，對齊業務語言與技術落地；在資產創值層面，探索數據估值與入表，例如某國有大行將客戶行為數據納入無形資產核算；在生態層面，通過數據共享與同業合作，構建跨機構治理生態。

“當數據量、時效性與復雜度超出人工治理的極限，金融業需要的不再是‘更好的工具’，而是‘會自治的治理體’，數據治理智能體（DGA）應運而生。為實現更高效的治理，DGA進一步演進為多智能體系統（MAS），其中多個智能體通過分布式協作機制共同處理復雜數據治理任務，各智能體具備獨立感知和決策能力?！备叻逭f。