六大行2025年AI相关投入超1300亿元，但88%的机构已完成生成式AI试点的同时，真正进入核心业务流程的比例不足30%——“高渗透、低重构”成为金融大模型应用的典型写照。百度智能云发布的这份白皮书，基于对财富管理、对公信贷、投资研究、风控建模、线上APP经营、居家养老等19个金融场景的系统分析，提出金融智能体建设的四象限分类框架与四阶段落地路径，核心判断直指行业痛点：没有Harness工程，AI永远进不了生产系统；谁定义AI任务，谁就掌握生产力。
行业趋势——三大观察与两大判断
当前金融行业大模型应用正处于“技术扩散与价值重构交汇”阶段。麦肯锡2025年报告显示，约88%的机构已在不同场景开展生成式AI试点，但真正进入核心业务流程的应用比例仍不足30%。六大行2025年AI相关投入超1300亿元，聚焦模型研发、算力建设与数据治理。
观察一：模型不再决定胜负，系统开始定义能力边界。金融AI正从“能力获取”阶段迈入“能力运营与交付”阶段，从“预定义流程驱动执行”转向“任务驱动的动态求解”。
观察二：场景的爆发掩盖不了价值的稀缺。工商银行“工银智涌”落地500余个场景，招商银行达856个，但核心业务场景仅占20%却贡献了80%的AI价值增量。
观察三：生成能力解决“说什么”，任务能力解决“把事做成”。AI真正的能力分水岭在于能否稳定、合规地完成核心业务任务的完整执行链路。
判断一：没有Harness工程，AI永远进不了生产系统。Harness工程是Agent Runtime、Context Engineering、Tool Orchestration、评测体系与治理机制的有机综合体，解决任务执行可靠性、状态一致性、工具调用确定性、结果可验证与系统可进化五大瓶颈。
判断二：谁定义AI任务，谁就掌握生产力。AI时代软件生产方式正从“工程驱动”转向“认知驱动”，AI开始成为新的核心操作者。未来金融机构将演进为“人类员工与数字员工协同”的混合组织形态。
四象限分类与典型场景
报告以“业务知识复杂度”为纵轴、“业务流程复杂度”为横轴构建四象限矩阵。专家顾问型（高知识、流程相对固化）包括网点洞察智能体、风控建模智能体，核心价值在于将稀缺专业知识转化为可规模化调用的能力模块。总工程师型（高知识、高流程）包括财富管理智能体、对公信贷智能体、线上APP经营智能体、居家养老服务智能体，核心价值在于通过对复杂流程的重组与协同推动业务模式升级。执行助理型（流程复杂、知识门槛可控）包括投资研究智能体、多模态核保核赔智能体，核心价值在于“能力资产化”。通用助手型（低知识、低流程）包括坐席辅助智能体、员工办公智能体，核心价值在于“规模化效率提升”。
落地路径与未来展望
报告提出四阶段实施路径。第一阶段能力底座建设：数据治理与知识工程、技术架构搭建、安全治理框架构建。第二阶段场景试点验证：选择高频、标准化、价值明确场景进行试点。第三阶段流程协同深化：从问答辅助走向经营协同，从单点能力走向流程闭环。第四阶段规模化推广与持续运营：建立“建设-验证-优化-再运营”闭环。
未来三大趋势：多智能体协同调度——未来3-5年金融机构内部将形成多智能体协作网络；本体与知识工程——智能体从“语言生成”走向“业务理解”；AI原生组织涌现——AI从效率工具跃迁到生产力角色，数字员工将成为金融机构的核心生产力组成部分。
