8月27日，中国人民银行金融研究所举办中国金融论坛青年论坛，百融智能创始人、CEO张韶峰受邀围绕“我国金融行业AI价值重构及制度供给探讨”作专题演讲，并与与会领导和专家就银行业AI应用等核心议题展开深入探讨。
结合全球AI发展趋势，以及百融智能硅基员工在金融一线场景实践，张韶峰提出，AI之于金融，是一场全方位的价值重构，它重塑的不仅是某个岗位或某段流程，更是金融理解客户、配置资源与生产信任的能力边界。
这是一场横跨技术、业务与制度建设的讨论。本次讲座由中国人民银行金融研究所副所长陈浩主持，研究所研究人员、博士后等20余人现场交流。
一、价值重构：金融AI的分水岭正走向“价值可交付”
金融的本质，是跨时空配置资源，并在不确定性中完成信息定价与信用生产；AI的本质，则是把感知、理解、预测、生成、交互、规划和行动等认知能力，转化为可计算、可复制、可组合、可持续进化的生产能力。二者的结合，使金融能够理解更多主体、处理更复杂的信息，并以更低成本把专业能力送达更广泛的真实经济场景。
张韶峰将AI对金融价值边界的拓展概括为四个维度：
·广度上，让更多过去难以被金融服务覆盖的主体进入服务范围；
·精度上，以更丰富的数据和更细致的洞察理解客户、识别风险；
·速度上，从流程节点的静态判断走向贯穿业务全周期的持续智能；
·深度上，则由完成一次交易，走向围绕客户全生命周期提供连续陪伴。
映射到银行业，这意味着三重变化正在发生：银行的角色由资金中介向“智能信用中介”延伸，经营方式由标准化产品经营转向客户价值经营，组织运行也由固定流程驱动转向人机协同与智能体动态编排。
但投入规模并不等同于价值兑现。普华永道《2026全球CEO调研》显示，只有12%的受访CEO表示AI同时带来了收入增长和成本下降，仍有56%尚未看到显著财务回报。
张韶峰判断，2026年正成为AI应用的分水岭：行业落地评价标准正从模型参数、算力投入和应用数量，转向能否穿越“经营结果、规模复制、稳定治理”三道关口。
“真正决定AI价值的，不是模型看起来有多聪明，而是能否围绕真实业务目标完成端到端结果交付。”张韶峰说道。
二、走进核心业务：真正的智能体需要“能交结果”
在张韶峰看来，制约金融AI落地的一大误区是把大模型等同于智能体。“大模型叩开了AI产业化的大门，而从技术能力到业务价值之间，还有很长的路要走。数据、场景、流程、系统连接、任务编排与持续运营等决定了AI能否真正转化为生产力的‘99公里’。”张韶峰说道。
当AI能够接收任务、自主规划路径、调用工具、检查结果，并在较少人工干预的情况下完成端到端交付，它就不再只是等待人调用的软件，而成为能完成KPI的硅基员工。
这也是百融智能近年来持续探索的方向。目前，百融已部署20万+硅基员工，并自建“硅基员工之家”，打造出企业管理AI的“百融样板”：为硅基员工建立起一整套覆盖准入、上岗、协同、绩效评估与退出的全生命周期管理机制，明确岗位职责、权限边界和结果标准，让AI从分散的工具升级为生产力单元。
目前百融的相关实践已深入客户互动、运营、财务、法务、招聘等多类流程，并成为哈佛商学院研究AI原生组织的案例样本。
在金融业务一线，硅基员工也正从外围辅助走向核心流程。
*在AICC场景中，多智能体可以共享知识、记忆与任务状态，协同完成咨询、营销、客户标签、作业指引和质检，让服务与经营从彼此割裂走向一体化。
*在对公金融场景中，文档、财务分析、舆情风险和信贷报告Agent能够协同处理营业执照、财务报表、银行流水、纳税记录等非结构化材料，完成解析、交叉校验、风险识别与报告生成。百融实践显示，相关文档类硅基员工可助力业务效率提升60%、成本压缩50%。
*在反洗钱场景中，八类Agent组成端到端智能作业链，从风险发现、尽调分流、材料核验到报告生成和证据留痕协同作业。相关能力每月可处理8亿个账户，每年辅助上报30万+可疑账户、协助管控涉案资金上千亿元。
这些场景的共同点，不是简单用AI替代一个动作，而是围绕业务结果重构整条流程。AI负责海量重复工作、非结构化数据处理和标准化执行，人类则聚焦复杂判断、例外处置、战略决策、情感连接与最终责任。通过这样的人机协同，AI才可能从“功能上线”真正走向“生产力上岗”。
三、从工具赋能到经营重构：AI Roll-Up打开“结果交付”新路径
演讲中，张韶峰还重点介绍了业内正在兴起的AI Roll-Up模式。
何为AI Roll-Up？简而言之，就是用AI“重做一个服务行业的生产方式”。过去，AI企业交付的是模型、软件或席位，能否产生效果往往取决于客户自身的采购、部署和运营能力；在AI Roll-Up模式下，AI直接进入被整合企业的核心流程，系统性重构运营与交付方式。
由此，AI公司从技术工具提供方转变为服务运营方，直接交付并对业务结果负责。这一模式正在客服、会计、IT服务、法律等人力密集、文档密集的专业服务领域率先探索。
张韶峰介绍，目前业内已经显现出两条典型路径：在客户服务领域，AI企业通过整合BPO服务产能、客户关系和模型能力，按解决结果而非坐席数量收费；在会计等专业服务领域，则通过聚合服务机构，将AI直接嵌入税务、文档处理等真实工作流，由专业人员承担复核与最终责任，系统在持续反馈中不断改进。
无论是哪种路径，被整合的核心资产都不只是收入，更是AI能够持续学习和优化的客户关系、行业知识与生产反馈。AI Roll-Up的价值不只是压缩成本，更在于打破传统服务业依赖人员扩张的增长约束，让系统、数据和持续反馈成为新的产能载体。
这背后也折射出了AI商业化逻辑的一次重要迁移：从Software走向Ownership，从出售工具走向拥有并重构运营，从按人头、工时或软件席位收费，走向按可衡量的业务结果交付。
四、制度供给思考：给AI划清边界，为创新留下空间
众所周知，金融是强监管行业。AI越深入金融的核心场景，越需要回答责任主体、数据使用、模型验证、消费者权益和第三方风险等问题。
结合国内金融AI落地实践，他提出三项制度建议。
首先，以负面清单明确不可触碰的红线，在遵守现有金融法律和许可要求的前提下，为清单之外的低风险创新提供清晰路径，减少因规则模糊带来的“不敢用”。
其次，按风险等级给予差异化试错空间：低风险场景简化备案、鼓励应用，中风险场景通过限定范围、监管沙盒和人工复核开展验证，高风险场景则实施审慎准入、独立评估和强制人工干预。
再次，建立“硅基员工”全生命周期制度，从设计、开发、上岗、运营到退出形成一套完整规则，让AI员工“有岗位、有权限、有考核、有审计、有退出”。
制度的目的，不是把AI挡在金融门外，而是建立起可信AI规模化应用的制度环境，让创新有边界、应用有规则、风险可控制、责任可追溯。
张韶峰表示，AI进入金融的下一程，不会由某一个参数更大的模型单独决定，而取决于技术、业务、组织与制度能否形成闭环。当AI真正进入金融核心流程，它改变的将不只是某项业务的处理效率，更是金融理解客户、管理风险和服务实体经济的方式。百融智能也将继续以硅基员工和RaaS（结果即服务）为路径，在安全、可控、可审计的前提下，驱动AI能力转化为金融业务结果。
【特别说明：本文根据百融智能创始人、CEO张韶峰在中国金融论坛青年论坛上的专题演讲整理。文中相关观点仅代表演讲嘉宾本人及百融智能，不代表中国人民银行金融研究所的观点或立场。】
216.73.217.60
