2026年，全球金融行業邁入AI數智化深度變革的關鍵階段。在近期舉辦的“2026金融業大模型與智能體應用研討會”上，零一萬物CEO李開復博士發表了題為《AI Agents：CEO 最需要關注的核心技術》的主旨演講。

零一萬物CEO李開復博士

李開復博士在會上指出，盡管 AI 技術突飛猛進，但通用智能體在應對金融業強監管、高嚴謹的剛性需求時，仍存在專業度不足、數據隔離與安全合規等三大致命短板。對于金融機構 CEO 而言，唯有告別邊緣化工具的淺層嘗試，以“一把手工程”親自掛帥推動“企業級多智能體”深度嵌入核心業務，才能將 AI 從成本中心轉化為驅動利潤增長的生產力底座，在智能變革中重構生產力價值鏈。

AI龍蝦等通用智能體存在三大短板，難玩轉企業場景

在金融核心場景中，多個 Agent 協同形成的多智能體網絡，能夠實現 7×24 小時不間斷地進行專業化作業。它們不再被動等待指令，而是深度嵌入ERP、CRM等核心系統，打破長期存在的數據孤島。這種“深度耦合”的能力，使得 AI 成為“超級員工”，能夠實現超精準的客戶畫像、極致的個性化產品推薦，以及實時的風險預警與高效結算。這正是金融機構構建長期核心競爭力的關鍵生產要素。

然而，金融行業具備強監管、高嚴謹、重安全的剛性特質，這決定了通用智能體難以真正滲透其核心業務。

李開復博士指出，通用智能體在金融核心場景中存在三大致命短板：一是專業知識不足導致的“專業幻覺”；二是與企業核心數據割裂形成的信息孤島；三是難以滿足金融安全合規的剛性底線。唯有依托行業知識以及私有化部署，才能打造出專業可靠、深度鏈接ERP/CRM、安全合規的企業級多智能體。

把散裝 AI 做成利潤引擎，需要一把手親自下場

“AI 數智化轉型不僅是技術工程，更是管理工程與戰略工程?！?/strong>李開復指出，必須將 AI 數智化轉型定義為“一把手工程”，由最高決策層直接牽頭頂層設計。“自下而上、零散試點的模式”往往會導致流程割裂、價值分散，最終只會產出一系列低價值的邊緣工具。真正的AI數智化轉型需要 CEO 親自定戰略、找場景，與一線員工形成“轉型共同體”。

這也意味著資源必須從行政、辦公等低價值環節撤出，飽和投入到信貸審批、投資決策、風險管理等直接影響金融機構利潤、資產質量的核心業務場景中。

在這種模式下，CEO 需要思考的不再是如何“降本”，而是如何通過 AI 實現“增效”——將 AI 從單純的成本中心轉變為創造營收的利潤中心。這就要求企業組織堅持一把手工程，從頂層設計出發，實現定戰略、調模型、搭應用、做交付的全鏈路貫通。

零一萬物萬智：以 FDE 模式交付可量化生產力

為了支撐金融機構的 AI 數智化轉型，零一萬物基于企業多智能體架構，推出萬智企業大模型一站式平臺，提供從模型部署、模型訓練到企業級多智能體開發的全鏈路端到端大模型能力。特別針對企業決策層，零一萬物同步推出決策智能體等戰略工具，旨在賦能“一把手工程”，助力 CEO 實現從宏觀戰略到微觀執行的整體把關、高效決策。

值得關注的是，零一萬物不僅提供技術工具，更通過 FDE（Forward Deployed Engineer，前沿部署工程師）模式，由戰略咨詢團隊深度介入，與客戶一同找場景、調模型、搭應用。這種模式能夠快速搭建起賦能投資決策、信貸審批等核心業務的“超級員工”。同時，該模式也能確保源碼與AI能力真正沉淀成為企業的核心資產，實現長期自主可控。

“2026年是企業多智能體規模化上崗的元年，”李開復博士總結道，“對于 CEO 而言，現在的選擇決定了未來五年的行業身位。率先完成智能體在核心業務的落地、構建起數據壁壘與智能決策能力的機構，將在這一場變革中占據絕對優勢。這不僅是時代給出的考題，更是每一位金融決策者必須把握的歷史機遇。”

【互動問答】

會議期間，與會嘉賓通過金科創新社互動問答平臺，圍繞AI智能體與金融行業應用等議題向李開復博士踴躍提問，現場精選出兩個代表性問題，由李開復博士逐一深度解答。

Q：您強調AI Agent的核心是增效而非單純降本，當前企業級Agent普遍依賴人工編排與微調，距離真正的自主推理還有多遠？如何避免Agent成為更高級別的RPA？

【答】不要把智能體（Agent）做成了“穿西裝的 RPA” 。RPA 是教機器模仿人的動作，而 Agent 是教機器理解人的意圖，自主規劃完成任務。今天所展示的每一個Agent應用，都沒有依賴RPA、工作流編排與大量人工微調，完全基于強推理大模型與Multi?Agent架構，依靠自主推理實現價值。當前AI已經進入具備高度自主思考能力的階段，雖然最終決策仍由人把控，但在信息整合、分析推演、方案生成等核心環節已完全超越傳統規則引擎與流程自動化。企業需要跳出一年前基于Workflow、微調、RPA的傳統思路，以全新的推理式智能體架構重新規劃，才能真正實現從自動化到數智化的跨越，避免停留在高級RPA層面。數字化轉型的上半場是“人教機器做事”，下半場是“機器學會思考”。下半場的哨聲已經吹響，只有一把手驅動、公司上下下定決心用 AI 來重塑自己的核心業務，驅動組織智能和產業智能的雙向進化，公司才能真正實現從降本到增收的代際跨越。

Q：在AI智能體與大模型技術快速迭代的背景下，銀行等金融機構應采取怎樣的部署策略，既能保障資源有效利用，又能確保技術不落后？

【答】金融機構的CEO應該把AI當作“一把手工程”，而不是一個 IT 項目。我有三個維度的布局建議：

資產化思維：模型是流水的，數據是鐵打的。不要過度糾結底層模型選型的參數比拼，那只是 AI 時代的“電力”。金融機構真正的資產是基于私有數據形成的“數據飛輪”。你要選擇一個能可持續支撐 Agent 迭代的安全穩定平臺，確保當底層模型升級時，你的業務邏輯和數字資產能平滑遷移，而不是推倒重來。

安全就是最大的護城河：金融的核心是安全與信任。必須堅持私有化部署，讓核心數據和知識絕不出防火墻。依托高水平技術團隊的深度協同，引入具備頂尖能力的前置部署工程師，與內部業務團隊聯合打造。最終要實現的是交付完整自主可控的能力與源碼，在內網訓練出“小而精”的垂直模型，這才是對手抄不走的護城河。

組織重塑：從“輔助工具”到“核心驅動”。別指望 CIO 一個人就能完成變革，CEO 必須親自進場。AI 不僅是用來做客服或寫報告的工具，它是一種重塑公司的思維模式。當你的競爭對手還在猶豫時，你如果已經用 AI 智能體方陣重構了信貸風控或投研邏輯，你就已經把握住了 AI 2.0 時代的戰略窗口。

金融機構的數據資產是“原油”，但只有通過智能體加工成“決策力”，才能產生源源不斷的動力。誰能率先完成從“數據驅動”到“智能驅動”的進化，誰就能定義未來的行業標準。