房卡必备教程“牛牛房卡微信链接”房卡详细充值

“如果行业依赖少数几款模型，一旦模型底层逻辑出现偏误或者遭到特定攻击，可能会引发行业共振式失效。因此，银行机构必须重视不同技术路线的储备，通过异构模型交叉运用与验证，防范技术风险向系统性风险演化。”3月28日，在新金融联盟主办的“金融智能体的业务赋能与安全合规”内部研讨会上，交通银行金融科技部副总经理朱麟在主题演讲中表示。

此外，他认为银行授权碎片化正在限制智能体的应用，建议研究权限治理变革，推动授权模式从静态授权向动态授权转型，推行任务级临时授权机制。在保障监管合规、防范权限滥用的前提下，充分发挥智能体跨系统调用的能力。

会议由新金融联盟秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。国家金融监督管理总局科技监管司相关领导、建设银行原首席信息官金磐石作主题交流。民生银行(600016)首席信息官张斌、北京银行(601169)首席信息官明立松、中科金财(002657)董事长朱烨东也发表了主题演讲。94家银行、非银机构与科技公司代表通过线上线下参会。以下为朱麟发言全文。

金融智能体的交行实践与思考

文|朱麟

交通银行金融科技部副总经理朱麟

结合交通银行(601328)的实践，我谈谈对金融智能体发展趋势的理解，以及在推进过程中发现的问题和建议。

一、银行数智化转型逐渐进入深水区

根据AI演进五级路线，从聊天、推理到智能体，再到未来的创新者和组织者，目前大部分银行可能处于L3智能体应用早期阶段。去年大家更多是在讨论它“能说什么”，今年随着OpenClaw的出现，大家更多地在讨论它“能做什么”，这种从对话向行动的转变，意味着银行的数智化转型也逐渐进入了深水区。基于此，未来银行如何更好应用人工智能，很大程度上取决于成本、竞争力、安全合规这三者之间的平衡发展。

（一）成本：算力成为核心经济杠杆

行业正在进入“词元时代”，百万词元的推理成本从2023年的20元降到了2元，但两年内全球日均词元的消耗量翻了300倍，技术推广速度创历史之最，这也给金融机构的算力成本管理带来了很大挑战。

尤其是在智能体高频交互的场景下，银行如何降低AI算力成本消耗？建议采用先进架构，例如Prefill-Decode（PD）分离架构，将预填充与解码阶段分离，并分别为其搭配不同性能的AI芯片，从而有效提升系统吞吐量，降低算力成本。

（二）竞争力：知识与技能构建护城河

在大数据时代，我们关注的是数据的规模、治理和应用。进入智能体时代，如何将数据转化为知识并形成智能决策和执行的闭环能力，可能会成为银行未来竞争力的关键。

以Palantir这家公司为例，其核心竞争力是“本体论”，通过知识本体建模，可以将隐性专家经验，转化为智能体可理解、可推理的知识网络，这可以是金融机构努力探索构建的方向。

同时技能（Skill）建设也是各家银行要重点关注的对象，它是智能体与现实世界互动的“手脚”，赋予智能体行动能力。以OpenClaw为例，其生态仓库的技能数量已达到3万多个，在两周内翻了一倍。这种爆发性增长说明，智能体的行动边界正在很大程度上取决于其掌握的技能集广度。金融机构需重视知识与技能的积累与工程化应用。未来，各家银行可通过沉淀知识技能，实现产品服务智能化应用，并最终形成业务价值创造的完整闭环。

（三）安全合规：从内容治理走向行为治理

过去我们关注大模型的风险，主要集中在“说错话”上，比如模型幻觉。现在，我们更关注“做错事”的风险。智能体未来面临的不仅是模型投毒、数据投毒等安全风险，更多会演变为一种“行为风险”。安全治理的边界将从内容治理拓展到行为治理，这会给金融行业现有的防御体系带来新的挑战。我们建议及时排查防范