华为与20余家中小银行共探AI赋能中小银行智能化转型之路

在新一轮科技革命和产业变革加速突破的背景下，人工智能作为其中的核心驱动力，成为千行万业重塑竞争力的焦点。今年以来，以 DeepSeek V4为代表的中国大模型展现出显著进步，其背后的技术创新与优化，驱动各行业智能化转型飞速推进，也深刻影响着金融产业生态与发展模式。

国内大型银行已开展深入的人工智能创新，并在运营提效、财富管理、风险防控等领域取得了显著的成效。对于中小银行而言，人工智能技术既是机遇也是挑战，一方面带来了底层经营模式变革、弯道超车的机会；另一方面也面临着无法及时跟上技术发展，业务竞争力与头部大行进一步扩大的危机。

华为中国政企金融系统部总经理赵蕊为活动致辞，并带来《打造开放AI生态，加速金融数智跃迁》主题分享。她指出，模型的发展和Agentic工程能力的提升，让AI应用落地的难度大幅下降，为中小银行AI应用落地带来新的机会。

过去两年，中小银行在AI创新方面，面临着很多困难：AI专业技术人才及复合型人才均不足；投入AI创新的资金规模有限，算力/服务采购规模受到制约；创新机制尚不完善，严格的项目投入产出回溯要求导致创新裹足不前……现在，随着模型能力提升和Agent架构方案演进，AI应用落地门槛显著降低，比如DeepSeek v4，能力逼近全球顶尖模型，算力消耗显著降低；GLM 5的动态规划能力，可以依靠模型自身实现复杂任务的动态规划；Harness engineering 和Hermes Agent 的智能体架构，让AI应用的可控性和自进化能力得到显著提升。华为结合最新技术的发展，在行业场景实践中沉淀了成熟的智能体开发范式和工程落地方法等，可以供全国中小银行进行参考。华为联合行业内伙伴一起，助力多家中小银行在智能信贷、代码助手、知识库、营销助手等场景成熟落地，并且根据这些落地实践，总结沉淀出AI架构设计、高价值场景和模型选择的建议。

AI在金融的创新应用、模型能力、架构体系和工程方法仍在快速演进，因此，建议在规划企业级AI架构时，应重点关注架构的开放性，以开放架构支撑智能体生态的深化普及；由于模型的快速进步，模型服务层应与上面的智能体和下面的算力保持松耦合，以实现先进模型的“热插拔”快速引入。同时，AI应用的建设应加快从分散、独立的小尺寸模型加单机部署的Demo状态，转向更具经济效应和更佳业务效果的大尺寸模型矩阵，通过API封装为上层智能体提供调用服务。在算力平台层，应坚持兼容开放原则，通过超节点集群满足大尺寸模型低时延高并发的需求，并且对多元化模型具备广泛亲和的支持能力。

华为算力平台先遣队首席战略官潘少钦围绕AI产业洞察及人工智能战略进行分享。他指出，大模型发展分为五个阶段：23年L1阶段，主要用于对话，24年L2阶段，开始理解复杂逻辑，25-26年达到L3阶段，作为智能体来调用工具。现在，AI正逐步接近自主创新的奇点。而未来，L4阶段的AI将具备更强的自主创意能力，L5阶段甚至能够替代组织自主运行。从国际视角来看，科技焦点在于半导体与AI，华为对此提出“系统对系统”突破策略。国内AI落地进入深水区，需聚焦高价值场景，如核心生产环节、关键技术集成等。战略上应坚持长期主义，通过敏捷迭代构建学习型组织，将AI视为新协作框架起点而非简单工具。

中国工商银行高级经理沈栋现场分享了《工商银行人工智能创新实践》。他介绍，工商银行人工智能体系已实现从聚焦内容生成的“工银智涌1.0”时代，迈入以深度推理与决策环境感知与协同、任务理解与执行、人机协同与记忆的“工银智涌2.0”时代，目前已经成为全行智能体创新、运行、协作的企业级数智基础设施。接下来，工行将通过“领航AI+”行动计划，持续赋能业务数智化转型。

中国银行业协会原首席信息官高峰带来《大模型筑基，智能体赋能：以数智力量驱动农信机构高质量发展》主题分享。他指出，对于农信机构而言，当前AI落地面临四大核心困境：隐性知识固化，资深员工积累的宝贵经验难以量化输入AI模型；训练标注资源有限，农信数据体量小、质量参差不齐且缺乏专业标注团队，难以提供高质量模型训练数据；应用场景复杂，“三农”及小微企业客户的多样化经营模式导致通用大模型难以直接适配；业务变化影响组织架构，为团队人才培养与员工转型带来挑战。对此，高峰提出务实探索路径，以智能客服与营销、合规风控辅助、运营与知识管理，此前、中、后台三大外围场景为切入点，通过“AI辅助+人工决策”实现金融AI轻量化落地。

华为金融数据&AI军团总裁朱并队围绕金融AI变革落地实践与路径思考进行分享。在金融AI场景创新实践的过程中，华为与多家银行展开AI能力体系化规划，助力企业级AI战略与场景落地。金融AI赋能主要在于三大价值主线：增收、风控、效率，正在由点及面渗透全业务，如信贷风控、交易反欺诈、智能信贷、手机银行等场景。从合作建议来看，未来区域银行可在：基于金融智能体加速器（FAB）加速智能体商业落地、选择典型场景落地大模型、金融智能体平台构建、金融智能体架构规划、AI人才培养这五大方向展开合作。

华为算力平台先遣队金融综合业务总监程威分享了《中小银行AI转型：从危机到智能突围》。他指出，当前中小银行面临行业洗牌、息差收窄与客户行为线上化三大挑战，已进入"不转型就出局"的关键窗口期。华为提出以场景化AI为突破口，聚焦智能客服、信贷审核、贷后预警和反欺诈四大高价值场景，采用"小快灵"试点策略，基于昇腾AI技术的私有化部署方案，实现数据不出行，满足监管要求，并引入成熟开源模型，进行本土化改造，可短期内实现人力增值、效率提升、风险降低、收入增长的效果，让每一分投入都看得见回报。

华为金融系统部计算产业总监黄志鹏对人工智能产业趋势及昇腾AI金融行业实践进行分享。他表示，词元（Token）经济时代已经到来，金融行业AI走向面客与全面Agent应用，在此背景下，强化学习推动训练算力需求增长，推理趋向长序列与低时延，而超节点架构打破物理节点边界，匹配模型发展趋势，已成为AI基础设施建设首选。昇腾作为国内领先的算力平台，具备大规模商用实践，已服务5000+客户并支持业界全系列200+主流模型的适配。此次推出的昇腾384卡超节点是目前业界规模最大的超节点，集群训练性能得到3倍提升，推理性能更达到业界4倍。同时依托华为 ICT技术工程经验，该超节点可进一步扩展为包含数万卡的 Atlas 900 SuperCluster 超节点集群，为未来更大规模的模型演进提供有力支撑。