首页 > 资讯

KYA 研究 | 把整家银行交给 AI 之后,信任从哪里来?

资讯 零壹财经 零壹财经 2026-11-18 阅读:13

关键词:ai银行kya

开户、转账、缴费与风控,均由AI 为核心构建
Ryt Bank,2025年8月在马来西亚上线,是全球第一家纯线上、纯AI的数字银行。其开户、转账、缴费与风控,全部以AI为核心构建,底层是YTL AI Labs基于马来西亚主权大模型打造的ILMU,由内置智能助手Ryt AI直接面向客户。

上线一年,这家银行交出的成绩单是:客户突破150万,成为马来西亚用户规模最大的数字银行。Ryt AI由守卫、意图识别、支付、问答四个大模型智能体协同编排,首年被调用量就超过1,000万次,覆盖近半数客户。

它还有一层多数金融机构不具备的纵深:从规划最高2GW的自建数据中心、与英伟达在柔佛合建的东南亚最大太阳能供电数据中心,到自研大模型,再到银行本身,母集团把算力、模型、银行与智能体平台整条链路握在自己手里。

“能源—算力—云—模型—银行—智能体”的垂直整合,既是它的信任底座,也是它处理智能体信任问题的独特筹码。

本文为全球首个KYA(Know Your Agent)领域报告《KYA:智能体信用体系研究报告》案例系列第四篇,原文内容如下:

Ryt Bank:全球首家AI原生银行的智能体信任实践

Ryt Bank由马来西亚杨忠礼集团(YTL Group)与冬海集团(Sea Limited,电商平台Shopee母公司)合资成立,2025年8月正式上线,是马来西亚第五家持牌数字银行,也是全球第一家纯线上、纯人工智能的数字银行——开户、转账、缴费与风控均由AI为核心构建。其底层人工智能由YTL AI Labs基于马来西亚主权大模型ILMU打造,通过内置智能助手Ryt AI直接服务客户。

截至2026年8月上线一周年,Ryt Bank 客户数已突破150万,成为马来西亚用户规模最大的数字银行;智能助手Ryt AI由守卫(Guardrails)、意图识别(Intent)、支付(Payment)、问答(FAQ)四个大模型智能体协同编排,上线首年被调用超过1,000万次,近半数客户使用过Ryt AI。

这个案例呈现了一个“巨型集团 + 高复杂度行业”的切片。杨忠礼集团同时拥有能源、矿业、房地产等强监管、高复杂度业务的AI改造诉求,又运营着数字银行这样的To C金融业务,因此其对智能体安全与信任的需求是内生的。与此同时,集团把算力、模型、银行与智能体平台整条链路握在自己手里,这一垂直整合构成了它处理智能体信任问题的独特筹码。

 一、一体化AI底座

受访者用“五层”来描述杨忠礼集团的AI存在:第一层是电力与水务,第二层是自建的数据中心(规划最高2GW),第三层是自有云与大模型,第四层是Ryt Bank,第五层是面向马来西亚企业、政府部门与个人的智能体平台(受访者称之为LIMU,含LIMU Chat和ILMU Claw)。在柔佛,集团还与英伟达合作建设东南亚最大的太阳能供电数据中心,把能源与算力基础设施连成一体。

这种“能源—算力—云—模型—银行—智能体”的纵向一体化,在访谈中反复被提及为信任的基石。因为推理平台、模型与基础设施都是自有的,集团可以直接在推理层配置正确的隔离策略,避免多租户场景下的数据串扰;也可以把数据主权与加密边界内化进产品,而不必依赖第三方公有云的口头承诺。对KYA而言,这提供了一个从“基础设施层”而非“应用层”构建信任的视角。

二、ILMU Claw智能体平台与多智能体风控

在智能体平台层面,ILMU目前承载的主要用途包括:大型文档的理解、摘要与生成,面向消费者的客服与聊天机器人,代码编写,以及面向企业的保险欺诈识别、理赔矛盾识别、零部件预测、交易辅助等。平台还支撑了一个面向政府监管机构的多智能体反诈骗系统:多个智能体进入Facebook、Telegram、WhatsApp等群组,识别“投资我们、每月回报10%”之类的诈骗话术;由于如今的诈骗已从纯文本演变为视频、图片与文字混合形态,系统必须依靠多模型、多智能体对网络内容进行持续监测。

在Ryt Bank内部,受访者强调风险控制首先体现在架构层面。每个智能体遵循“计划—执行—观察(Plan–Act–Observe)”的循环;输入侧设置一个小型守卫(Guardrail)智能体,先判断用户请求是否与金融业务相关——转账可以进入执行,而“如何制造炸弹”这类请求会被直接拒绝;输出侧再设置另一个守卫智能体,拦截可能输出错误、拼凑、误导或危险信息的结果。由于大模型的输出本质上是概率性的,这种“输入 + 输出”双守卫设计,是把概率性输出重新纳入确定性约束的第一道防线。

在此基础上,银行还配置了国际化的红队团队,持续对智能体系统进行对抗性测试,发现问题即修复;同时把“人在环路(Human-in-the-Loop)”作为默认设计,而不是事后补丁。

三、数字身份、反洗钱与人机协同

作为马来西亚五家数字银行之一,Ryt Bank认为把eKYC做好至关重要。马来西亚本地长期存在“骡子账户(mule account)”问题——大量新开账户被留作后续的欺诈用途,因此银行希望尽可能早地把这类账户拦截在开户阶段。受访者解释,之所以对eKYC合作方蚂蚁数科放心,是因为其同时服务马来西亚最大的电子钱包之一Touch 'n Go,拥有关于“什么有效、什么无效”的大规模实践数据库。

在反洗钱(AML)环节,智能体承担了比传统规则引擎更细粒度的工作:它会自动检索一个人的公开网络信息、找出其姓名的各种变体,并与马来西亚金融体系中的AML名单进行比对。之所以需要多智能体,是因为这类判断很少是简单的“是/否”——一个用户可能看起来可疑,但在补充收入流水、说明收入来源之后又变得可以准入。这种需要多轮、细微权衡的判定,恰恰是多智能体系统比单一模型更擅长的地方。

在身份与授权上,Ryt Bank给每个智能体分配了加密的安全凭证:智能体在与核心银行系统通信时,必须携带这套加密代码,系统据此确认对方身份。更重要的是,这种身份校验并不只停留在凭证层面,而是把“使用哪个基础模型、智能体在哪里托管与起源、它在到达这一步之前经历了哪些调用”都纳入判断,从而把“这个智能体是谁”还原为一条可追溯的调用链。这实质上是在金融语境下,把KYC的“识别主体”逻辑向KYA的“识别智能体及其权限来源”延伸。

当被问及KYC与KYA的区别时,受访者给出的原则是:智能体在执行用户的意图,因此当它需要授权时,会向用户请求授权,而不是拥有独立的行动人格。真正需要回答的问题是“系统正在对话的这个智能体,是不是那个被允许对话的智能体”。

由于自然语言与图像识别本质上是概率性的,Ryt Bank的核心做法是让智能体的输出携带置信度分数:置信度高时直接放行,置信度低时回问用户,并把用户反复确认的情况反馈到下一轮训练中,形成学习闭环。受访者特别强调,这不是简单的“两步确认”,而是“持续的人在环路”——当智能体需要授权、不确定指令细节,或用户提供的信息不足时,它都会回到用户处请求确认或补充信息。

访谈中受访者分享了一个具体教训:早期版本的智能体在处理图像时,会尝试猜测模糊、反光或过暗图片中的数值,结果产生幻觉。团队后来明确要求智能体“看不清就说看不清”,而不是猜测,并把这类情况交回给用户。受访者由此点出一个更普遍的判断——大量幻觉发生在AI对自己本不该确定的事情持续保持自信的时候,因此系统的关键能力之一是让AI学会“承认不确定”。

在置信度的具体构造上,受访者举例:对同一张图片并行读取五次,若五次结果一致则置信度高,若出现“两次读成A、三次读成B”的分布则置信度低;同时结合图像质量判断,质量差时主动请用户重新上传。受访者也坦承,完整的置信度模型细节需要向工程团队进一步确认。

四、数据主权与隐私:自建基础设施的信任红利

在隐私与数据安全方面,Ryt Bank遵循马来西亚央行的数据安全监管要求,并让智能体访问私人数据时沿用与普通软件相同的严格协议;所有数据在传输中与静态存储中都加密,一个智能体无法访问没有对应密钥的他方数据。

针对“大模型是否会泄漏私人数据”的问题,受访者把根因归结为推理层的KV Cache共享等机制导致的数据污染,而自建推理平台正是应对之道——集团可以正确配置推理环境,从源头避免这类数据串扰。即便有污染风险,多智能体系统的最终输出仍要经过输出守卫的检查:一旦发现输出疑似数据污染,就丢弃结果并重新执行。

五、成熟度、监管与跨机构互信

受访者自评Ryt Bank的智能体当前处于“五级中的第三级”(对应本报告L0–L5模型中的L3混合信用),并认为未来可以更自主,但需要先把基础设施补齐。他举例说明理想的自主形态是“如果市场在上涨,帮我买入200令吉的微软股票”,但目前尚未到达。并判断,Ryt Bank有望在未来约12个月内实现“合理程度的自主”,而整个金融行业因为天然的保守性,大概需要三到四年。

在监管层面,受访者表示马来西亚央行目前还没有针对AI的专门规定,银行对智能体的要求主要是从软件系统与云服务的既有监管要求中继承,尚不需要就大模型或智能体向监管单独注册。

关于智能体之间的互信(Agent-to-Agent),受访者坦言目前Ryt Bank的智能体仍限于单一机构内部,尚未探索跨机构智能体协作,但认为这是一个“非常好、且想探索”的问题,并表达了与研究者共建行业标准的意愿。



关于报告

《KYA:智能体信用体系研究报告》由香港大学KYA课题组于2026年11月3日在2026年香港金融科技周 x StartmeupHK创业节发布。报告提出,智能体经济发展的瓶颈正从技术能力转向信任体系;当智能体开始代表个人和企业行动,身份、授权、履约与责任都必须能够核验。

报告共收录蚂蚁数科、Stripe、芝麻信用、冰鉴科技、Ryt Bank、英和智临、林洋能源、麦迪卫康、GCSA等9个案例(除Stripe外,其他案例均进行了直接访谈),分别涉及智能体开发与管理、支付网络、信用评价、金融风控、银行、能源、教育、医疗及代码安全等产业应用和专业服务。

扫码下载完整报告


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>KYA 研究 | 一家金融风控公司的可信智能体答卷

下一篇>没了



相关文章


用户评论

游客

自律公约

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)





耗时 236ms