摘要

1报告指出2025年为金融智能体元年，AI从大模型向具备“感知-推理-规划-执行”闭环的智能体演进。

2目前25%银行、22.2%券商已采用该技术，主要应用于零售信贷、投研投顾及保险理赔。

3尽管面临数据异构、系统孤岛、高部署成本及复合型人才短缺等挑战，但智能体能突破大模型黑箱性，实现业务流程再造与端到端自动化，显著提升运营效率与风控能力，推动金融服务生态重构。

![](page=0,bbox=[66, 25, 231, 70])

简报金融智能体

从大模型到智能体，AI如何重构金融服务生态？

概览标签：金融智能体

China Financial Agent

中国金融エージェント産業

头豹研究院

Chapter 1金融智能体行业综述

金融智能体核心价值

金融智能体应用场景

金融智能体落地挑战

金融智能体参与者图谱

![](page=1,bbox=[47, 935, 297, 966])

金融智能体核心价值

大模型赋能金融业虽能提升效率，但存在自主感知与环境交互能力缺乏、决策执行割裂、可控可解性不足等局限，智能体则通过构建“感知→推理→规划→执行→进化”闭环实现业务流程再造，并通过技术适配突破大模型的黑箱性

大模型及智能体在金融业的应用价值差异

![](page=2,bbox=[57, 234, 945, 507])

慢思考问答、摘要、建议

大模型赋能：核心价值

金融场景

凭借强大的语言理解、文本生成和推理能力，显著提升金融行业在信息处理、内容生成和分析辅助等方面的效率。

缺乏自主感知与环境交互能力：大模型无法自主调用外部系统获取的最新数据，如实时市场行情。

“幻觉”问题与可控性挑战：如何确保大模型在复杂金融场景下的输出结果可靠、稳定、可控是制约大模型场景落地的主要因素。

决策与执行的割裂：大模型作为辅助工具，擅长思考、分析、生成建议，能提升特定工作环节的执行效率，但不具备直接执行的能力且尚未深度介入核心业务的决策流程。

可解释性不足：大模型的决策过程缺乏透明度，难以解释其推理逻辑。

大模型赋能：局限性

智能体赋能：定义

具备一定自主性的AI实体，能感知所处金融环境，基于内部的模型或知识库进行推理和决策，规划实现目标的行动步骤，并通过调用外部工作或系统接口来执行复杂金融任务，同时根据执行结果进行反馈和调整。即：构建“感知→推理→规划→执行→进化”的闭环。

特性：自主性、适应性、交互性。

智能体赋能：核心价值

业务流程再造，从辅助工具到决策执行：传统大模型多局限于单点场景，智能体具备的工具整合调用、环境感知与自主决策能力，可实现端到端的复杂流程自动化。此外，金融业务流程的复杂性需要AI工具具备协同分工能力，多智能体框架支持多工具集成与多角色协作，能实现从碎片化的单点智能应用走向系统智能协同。

技术适配，突破大模型的黑箱性：基于大模型增强预训练、微调与对齐的输出后，智能体通过RAG、插件能力调用及流程编排模式，可在保障数据安全性的前提下提升模型专业性和可解释性，强化风险控制和合规。

增强客户体验：提供更加智能便捷的交互体验。

来源：头豹研究院

![](page=2,bbox=[48, 935, 157, 965])

金融智能体应用场景（1/2）

金融智能体应用场景

![](page=3,bbox=[45, 137, 947, 882])

来源：阿里云、蚂蚁数科、头豹研究院

![](page=3,bbox=[48, 935, 156, 965])

金融智能体应用场景（2/2）

金融智能体应用场景

![](page=4,bbox=[47, 140, 941, 481])

金融智能体部署情况，2025

![](page=4,bbox=[70, 568, 929, 679])

2025年被视为智能体元年，带动金融行业智能化转型进入加速阶段，各大金融机构对金融智能体的采纳需求激增。目前，25.0%的银行、22.2%的证券公司、13.6%的保险公司已采用智能体技术，37.5%的银行、40.7%的证券公司、31.8%的保险公司计划在一年内加快部署。从应用维度看，智能体技术已深度渗透至银行业零售与信贷风控、证券业投研投顾、保险业产销理赔等核心业务场景，通过自动化流程优化与智能决策支持，显著提升了运营效率与风险管控能力。以蚂蚁数科金融智能体为例，在其已落地的100+业务场景中，银行业占比52.4%、证券业占比 15.2%、保险业占比16.2%及通用板块占比16.2%。细分来看，银行业中零售业务及信贷风控为主要应用方向，占比分别为34.6%和25.5%；证券业中投研和投顾场景占比突出，分别为37.5%和18.8%；保险业中产品及客服、理赔服务构成核心场景，占比分别为35.3%和29.4%；通用板块则聚焦智能研发与智能陪练等跨行业场景。

来源：阿里云、蚂蚁数科、沙丘社区、头豹研究院

![](page=4,bbox=[48, 935, 156, 965])

金融智能体落地挑战

金融智能体落地主要存在挑战：（1）行业数据呈现多源异构特征且信息敏感，缺乏完善数据确权和保护机制；（2）基座模型不成熟且现有系统尚未建立多目标下的协同机制；（3）本地化部署导致成本高昂；（4）人才缺乏

金融智能体落地挑战

01 数据质量与安全

数据质量问题是实现AI目标的最大挑战，尤其在金融领域这一特征更为显著。首先，金融行业数据呈现多源异构特征，涵盖交易流水、客户画像、市场行情等，其格式差异及数据缺失率直接影响模型训练效果。例如：数据地图作为理解和管理数据的关键工作，仅有约25%的金融机构实现数据地图，反映出金融机构在数据可视化和理解方面存在显著提升空间。另一方面，金融数据包含大量客户敏感信息，大模型技术的应用增强了训练数据泄露、隐私侵犯等风险，且由于缺乏完善的数据确权与隐私保护机制（开展数据安全评估的金融机构不足 45%），导致共享边界模糊，容易引发数据滥用风险。

02技术基础挑战

尽管智能体在数据洞察、尽调、投研投顾等领域有所应用，但受限于基座模型不成熟、工具不完善以及对可靠性、可解释性、准确性等高要求，目前更倾向于基于工作流的智能体而非自主规划的智能体。

智能体的核心能力是调用多工具协同作业，但银行等机构现有IT系统普遍存在“数据孤岛”与 “技术栈割裂”问题，且尚未建立多目标下的协商机制（面临复杂业务流程中产生的目标冲突或策略分歧时，往往需要引入人工决策节点），从而难以实现智能体的自主决策。金融业务需紧跟市场动态灵活调整策略，并依托实时数据进行分析决策，若系统间缺乏完善的协商规则，智能体执行任务时易出现失误和中断，或引发工具冲突。

03 投入成本高

智能体的基座大模型能力受合规成本与迭代速度制约。金融机构因数据隐私、保密需求，大模型通常是私有化、本地化部署，无法外部调用，导致软硬件必须配套，部署成本极高。此外，本地化部署后大模型性能显著下降，部署后面临技术迭代风险，易陷入“创新困境”。

金融行业涉及业务具有高频实时的特征，若需智能体的工作能力接近理想状态，需要多模块和多代理之间高频交互，将产生较高的训练和推理成本。

04人才缺乏

AI领域人才匮乏是智能体技术推进缓慢的重要原因（据猎聘大数据统计，2025上半年AI技术新发职位同比增长超36%，中国整体AI人才缺口已突破500万，AI技术人才整体紧缺指数达2.3处于高度供不应求状态）。在智能体部署过程中，搭建工作流的通常不是研发团队，而是前端业务人员，要准确、严谨表达需求，并用严格逻辑编写提示词，非常困难，导致业务流程搭建快但效果欠佳的结果。即：缺既懂金融业务又懂技术的复合型人才、大模型训练与调优专家、智能体运维工程师。

来源：头豹研究院

![](page=5,bbox=[48, 935, 157, 965])

金融智能体参与者图谱

各大厂商竞相发布金融智能体产品，主要可分为：（1）以百度、阿里、中关村科金、金智维为代表的通用厂商；（2）以蚂蚁数科、财跃星辰、金证股份、百融云创等为代表的垂直厂商

金融智能体参与者图谱

通用厂商

![](page=6,bbox=[71, 282, 247, 310])

![](page=6,bbox=[301, 283, 436, 308])

![](page=6,bbox=[492, 285, 611, 307])

![](page=6,bbox=[667, 283, 772, 310])

![](page=6,bbox=[825, 285, 926, 308])

![](page=6,bbox=[72, 332, 246, 361])

![](page=6,bbox=[297, 327, 442, 359])

![](page=6,bbox=[489, 333, 616, 358])

![](page=6,bbox=[76, 384, 243, 415])

![](page=6,bbox=[663, 334, 787, 357])

![](page=6,bbox=[822, 332, 930, 361])

![](page=6,bbox=[292, 386, 434, 412])

![](page=6,bbox=[488, 384, 622, 413])

![](page=6,bbox=[694, 379, 758, 422])

![](page=6,bbox=[811, 387, 926, 413])

![](page=6,bbox=[448, 457, 542, 475])

![](page=6,bbox=[63, 500, 187, 531])

![](page=6,bbox=[209, 507, 303, 527])

![](page=6,bbox=[369, 502, 518, 528])

![](page=6,bbox=[584, 501, 730, 528])

![](page=6,bbox=[797, 500, 931, 530])

![](page=6,bbox=[67, 572, 176, 598])

![](page=6,bbox=[223, 574, 292, 599])

![](page=6,bbox=[292, 575, 333, 597])

![](page=6,bbox=[380, 572, 523, 599])

![](page=6,bbox=[597, 572, 743, 603])

![](page=6,bbox=[802, 572, 931, 602])

![](page=6,bbox=[65, 650, 216, 675])

![](page=6,bbox=[259, 648, 396, 675])

![](page=6,bbox=[441, 647, 568, 676])

![](page=6,bbox=[611, 644, 749, 676])

![](page=6,bbox=[792, 648, 927, 676])

![](page=6,bbox=[66, 719, 271, 743])

![](page=6,bbox=[303, 718, 478, 747])

![](page=6,bbox=[509, 718, 679, 746])

![](page=6,bbox=[711, 718, 837, 744])

![](page=6,bbox=[872, 710, 922, 743])

![](page=6,bbox=[67, 791, 322, 815])

九方智投

![](page=6,bbox=[386, 786, 524, 817])

![](page=6,bbox=[66, 848, 202, 880])

![](page=6,bbox=[582, 784, 707, 820])

![](page=6,bbox=[768, 788, 925, 816])

![](page=6,bbox=[248, 850, 382, 878])

![](page=6,bbox=[429, 849, 523, 879])

来源：头豹研究院

![](page=6,bbox=[568, 848, 702, 880])

![](page=6,bbox=[748, 850, 926, 879])

![](page=6,bbox=[48, 935, 157, 965])

业务合作

会员账号

可阅读全部原创报告和百万数据，提供PC及移动端，方便触达平台内容

定制报告/词条

行企研究多模态搜索引擎及数据库，募投可研、尽调、IRPR等研究咨询

定制白皮书

对产业及细分行业进行现状梳理和趋势洞察，输出全局观深度研究报告

招股书引用

研究覆盖国民经济19+核心产业，内容可授权引用至上市文件、年报

市场地位确认

对客户竞争优势进行评估和证明，助力企业价值提升及品牌影响力传播

行研训练营

依托完善行业研究体系，帮助学生掌握行业研究能力，丰富简历履历

报告作者

![](page=7,bbox=[91, 564, 150, 612])

袁栩聪首席分析师

![](page=7,bbox=[91, 635, 151, 682])

付淑芳行业分析师

service@leadleo.com

业务咨询

客服电话：400-072-5588

官方网站：www.leadleo.com

![](page=7,bbox=[726, 636, 789, 678])

商务咨询与深度合作

深圳办公室

广东省深圳市南山区粤海街道华润置地大厦E座4105室

邮编：518057

上海办公室

上海市静安区南京西1717号会德丰国际广场2701室

邮编：200040

南京办公室

江苏省南京市栖霞区经济开发区兴智科技园B栋401

邮编：210046

![](page=7,bbox=[49, 936, 298, 966])

方法论

头豹研究院布局中国市场，深入研究19大行业，持续跟踪532个垂直行业的市场变化，已沉淀超过100万行业研究价值数据元素，完成超过1万个独立的研究咨询项目。

研究院依托中国活跃的经济环境，研究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企业走向上市及上市后的成熟期，研究院的各行业研究员探索和评估行业中多变的产业模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。

研究院融合传统与新型的研究方法，采用自主研发的算法，结合行业交叉的大数据，以多元化的调研方法，挖掘定量数据背后的逻辑，分析定性内容背后的观点，客观和真实地阐述行业的现状，前瞻性地预测行业未来的发展趋势，在研究院的每一份研究报告中，完整地呈现行业的过去，现在和未来。

研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。

研究院秉承匠心研究，砥砺前行的宗旨，从战略的角度分析行业，从执行的层面阅读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。

法律声明

本报告著作权归头豹所有，未经书面许可，任何机构或个人不得以任何形式翻版、复刻、发表或引用。若征得头豹同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“头豹研究院”，且不得对本报告进行任何有悖原意的引用、删节或修改。

本报告分析师具有专业研究能力，保证报告数据均来自合法合规渠道，观点产出及数据分析基于分析师对行业的客观理解，本报告不受任何第三方授意或影响。

本报告所涉及的观点或信息仅供参考，不构成任何投资建议。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。在法律许可的情况下，头豹可能会为报告中提及的企业提供或争取提供投融资或咨询等相关服务。本报告所指的公司或投资标的价值、价格及投资收入可升可跌。

本报告的部分信息来源于公开资料，头豹对该等信息的准确性、完整性或可靠性不做任何保证。本文所载的资料、意见及推测仅反映头豹于发布本报告当日的判断，过往报告中的描述不应作为日后的表现依据。在不同时期，头豹可发出与本文所载资料、意见及推测不一致的报告和文章。头豹不保证本报告所含信息保持在最新状态。同时，头豹对本报告所含信息可在不发出通知的情形下做出修改，读者应当自行关注相应的更新或修改。任何机构或个人应对其利用本报告的数据、分析、研究、部分或者全部内容所进行的一切活动负责并承担该等活动所导致的任何损失或伤害。

![](page=8,bbox=[47, 936, 297, 965])

Forbes福布斯

沙利文

2026福布斯中国行业发展领创者评选

2026 FORBES CHINA PIONEER INNOVATORS IN INDUSTRY DEVELOPMENT SELECTION

百年福布斯权威标杆

行业最具影响力的荣誉殿堂

<覆盖核心赛道>

AI科技 | 新能源 | 医疗健康 | 大消费 | 制造业 | 服务业

<全球媒体矩阵传播>

赋能个人与品牌，提升市场影响力

<设立多重荣誉>

$ \textcircled{1} $主评选：行业发展领创者

$ \textcircled{2} $子评选：领军企业/创新品牌/ESG标杆

/AI企服标杆/新锐分析师