连续两年第一背后：百度智能云的金融AI密码
资讯 零壹财经 零壹财经 2026-07-21 阅读：16247
在这股浪潮中，金融行业始终是AI落地最快、要求也最严苛的行业之一。
IDC数据显示，2025年中国金融行业生成式AI平台及应用解决方案市场规模达17.4亿元，同比增长90.4%，并预计在2029年达到113.5亿，正式告别零散概念试点，迈入规模化落地周期。
但火热之下，落地分化明显。麦肯锡2025年全球AI应用报告显示，约85%的金融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、能够直接影响业务产出的应用比例仍不足15%。
一边是机构争相加码AI的投入热情，一边是浅层应用泛滥、硬核场景难以突破的现实，再叠加监管层面持续收紧的合规要求，金融AI正从“能不能做”的试验期，迈入“敢不敢用、用得深不深”的考验期。
要穿越这道分水岭，单凭一个强模型远远不够。市场的核心关切，更在于谁的系统能真正跑进核心业务，并且稳定、合规、可审计。这需要的不是单点突破，而是一套从底层芯片到中间模型再到上层智能体全栈打通的能力体系。
而能真正拥有这种能力的玩家，凤毛麟角。
一、热闹背后，横着几道门槛
WAIC一年比一年热，但金融业看AI的视角截然不同——不是“能不能做”，而是“敢不敢用、用得深不深”。如果说此前金融大模型还停留在试点阶段，2025年以来，行业的落地节奏明显加速，几个趋势已经清晰可见。
大模型正从智能客服、知识检索、员工问答等外围场景，加速向授信尽调、风险识别、信贷审批等核心环节渗透。金融机构不再满足于让AI“回答问题”，而是要求它“执行任务”。
算力需求也在从“有没有”转向“好不好”。在金融信创持续推进的背景下，国产算力已成刚需，机构的要求已不止于自主可控，还要跑得快、跑得稳、生态适配好。
更深层的变化，是智能体从试点走向规模化部署。成百上千个智能体在生产环境中稳定运行，合规治理的压力就会陡增。
方向已经清晰，但通往核心业务的路并不平坦。大模型要真正跑进金融核心业务，至少横着三道门槛。
首先是场景落地的浅层化困局。尽管行业都在喊“深入核心业务”，但绝大多数部署仍停留在问答、摘要、文档检索等浅层场景。一个能写摘要的AI未必能识别关联交易，能聊天的AI未必能审贷。金融核心业务需要理解规则、完成多步复杂任务。“会回答”和“能干活”之间的差距，才是真正的最后一公里。
其次是算力底座的安全与效率短板。安全可控是底线，但仅有安全远远不够。算力要跑得快——训练和推理效率直接决定AI业务的响应速度和成本；要跑得稳——金融生产环境对稳定性要求近乎苛刻；还要适配得好——模型、框架、芯片之间的生态协同不能有短板。安全与效率，二者缺一不可。
第三是合规治理与业务落地的断层。金融行业对合规的底线是“零容忍”，如果模型给出的决策无法溯源、流程无法审计、权限无法管控，就很难真正进入核心生产系统。
因此，金融AI不是简单接入一个模型API就能完成的事情。它需要平台化、工程化的治理能力，对数据、模型、权限、流程、审计、风险进行全链路管理。
这也是为什么金融机构的选型标准正在发生变化。
过去，市场容易关注“谁的模型更强”。现在，金融机构更关注“谁的系统更完整”。
二、市场开始选择“全栈能力”
金融机构从不缺乏对新技术的热情。银行、证券、保险机构的IT采购清单上，大模型相关的条目逐年递增。
但一个微妙的转向正在发生。金融机构的选型标准，正在从谁的模型参数大、谁的榜单分数高，转向谁的系统能真正跑进核心生产环境且稳定运行。
这背后是一道隐性的筛选门槛：全栈技术能力。
金融行业的业务链路较长，一个简单的信贷审批，可能要串联起财报解析、舆情监控、规则校验、合规审计等环节。如果只采购一个通用大模型API，机构需要自行解决算力适配、数据安全隔离、行业知识微调、以及全链路合规审计等系列难题。这不仅超出了多数金融机构自研能力的范畴，而且增加成本。
因此，市场开始将目光投向具备“芯片-平台-模型-应用”完整闭环能力的服务商。原因很简单，从底层算力到上层应用全部自主研发、统一调度，能够更好保证大规模部署时的稳定性、数据安全、业务效率和成本可控。
IDC最新发布的《中国金融行业生成式 AI 平台及应用解决方案市场份额，2025》报告显示，百度智能云以16.6%的市场份额稳坐行业首位，继2024年后再度蝉联第一。另有数据显示，百度智能云连续2年在国内金融大模型项目中标数量和金额上领跑。
如今百度智能云已经服务超过800家金融机构，实现100%系统重要性银行全覆盖，头部证券、保险等机构也在其客户名单中。
三、芯云模体：百度智能云的实践
百度智能云在金融行业领跑的关键，与其“芯云模体”的架构密不可分。
先说"芯"。昆仑芯已成为百度智能云强劲的业务增长引擎。2026年Q1，百度AI云收入达88亿元，同比增长79%，其中GPU云收入飙升184%——昆仑芯驱动的AI基础设施服务是增长的核心动力。
2026年6月上市的天池256卡超节点，吞吐性能较上一代提升25%，并完成包含文心、DeepSeek、GLM、MiniMax等主流模型的适配，推理效率提升50%，网络架构升级至HPN5.0，端到端时延优化50%。
芯片好不好，终究要看谁来用。
2025年3月，昆仑芯服务器中标招商银行AI芯片资源项目，随后开始规模化部署。2025年，招商银行上线的AI应用已经超过800个，覆盖风控、营销、研发、办公等核心领域，目前超过半数跑在昆仑芯上。
根据项目实测，昆仑芯支持主流开源大模型推理性能远超同类型国产芯片，部分多模态模型推理性能达到全行业领先水平，极大地提升了招行在大模型应用方面的算力利用效率。
同时，昆仑芯兼容包括CUDA在内的多种主流生态和框架，能够帮助招行快速灵活适配业务应用场景、持续提升核心业务价值转化效率。
基于昆仑芯等芯片，浦发银行建起了千卡规模的国产异构算力集群，快速完成了近百个开源模型的评测和主流大模型的适配。
中国银联则将昆仑芯规模化部署到银联云算力底座，并依托枢纽地位向行业输出国产算力，已支持30余家机构进行主流开源模型测试。
芯片是地基，云和模型是中间层。金融智能体规模化落地，倒逼AI基础设施系统性升级。
就在2个月前，百度智能云推出了面向Agent时代的新全栈AI基础设施，围绕Agent Infra与AI Infra两条主线升级能力。前者聚焦于将单位Token的智能效率做到最好，推理生成速度较市场水平提升约25%；后者在模型训推、集群和数据中心建设等层面，实现突破性进展，可以提供性能最强、最具性价比的AI算力服务。
针对金融场景，百度智能云推出了千帆慧金金融大模型，基于金融知识、业务流程和场景需求进行专项增强，重点服务于浦发银行等头部机构的风控、客户经营、运营分析等核心场景。
6月，百度智能云进一步推出金融知识增强模型、金融推理增强模型，提供8B轻量化和70B全能力双版本，并统一支持32K超长上下文，能够更高效处理长篇财报、监管文件、信贷合同等金融专业文档。
所有底层能力最终汇聚到一个终端形态——“体”，即智能体。百度智能云的重要突破，是让智能体真正进入金融核心业务——信贷审批、风险管理。超级智能体“百度伐谋”为金融复杂业务场景提供自主规划和任务执行能力。
中信百信银行深度融合百度伐谋智能体、千帆大模型平台及文心大模型等全栈AI能力，打造“AlphaMo”智能风控项目，构建了一批风控智能体，推动风控体系全链路智能化重构。
其中“挖掘智能体”利用伐谋擅长处理复杂数理问题、持续自我进化的特点，7×24小时在海量数据中挖掘风险特征，短时间内达到专业数据挖掘工程师水平，特征挖掘效率提升320%，风险区分度提升10%。
在银行之外，这套能力也在向证券、保险等其他金融机构渗透。
例如，银河证券联合百度智能云共同打造的“场外交易智能体”，能准确理解客户的询价需求，听懂行业“黑话”，辅助交易员快速生成报价方案，将交易询报价业务全流程自动化。该智能体上线后，客户从询价到下单转化率提升2倍，衍生品日均业务规模翻倍增长。
这个项目还获得央行2025年度金融科技发展二等奖。
四、结语
生成式AI给金融业带来的变革，已进入考验技术硬实力、场景落地能力与合规治理水平的深水期。能扎根信贷、风控、交易等核心业务，兼顾算力自主可控、全链路合规审计的全栈解决方案，才是金融机构长期选型的核心标准。
风口会换季、概念会降温，真正留下的是那些被业务验证过的能力。百度智能云之所以能成为众多金融机构的选择，不在于某一个明星产品，而在于把“芯-云-模-体”打成了一根链条，让算力、模型、Agent与业务之间不再是割裂的拼图。
当行业从“上没上AI”走向“AI能不能扛业务”，那些愿意在底层下笨功夫、把每一环都打通的云厂商，终将在深水区走得更远。
相关文章
用户评论
所有评论
主编精选
more专题推荐
more
第四届中国零售金融发展峰会(共15篇)
-
首页
-
评论
-
回顶部
游客
自律公约