（来源：新金融联盟 NFA）

" 智能应用绝不能为技术而技术，必须承接投研决策、客户服务、风险内控、产品质量等业务战略，与稳健经营理念深度融合。"6 月 27 日，在新金融联盟主办的 "AI 驱动资管业务价值跃迁的路径与挑战 " 内部研讨会上，信银理财董事长王洪栋表示。

天弘基金副总经理兼首席信息官迟哲强调：" 在 AI 全面平权的时代，谁能把内部 AI 治理、体系落地、数据沉淀做深做实，谁就能构筑独一无二的机构核心竞争力。"

这是新金融联盟第 106 期内部研讨会，由新金融联盟秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。原中国银行保险监督管理委员会副主席陈文辉作主题交流，泰康资产总经理兼首席执行官段国圣、农银理财总裁毛焱、信银理财董事长王洪栋、天弘基金副总经理兼首席信息官迟哲、盈米基金董事长肖雯发表主题演讲。来自银行、理财子、非银金融机构与科技公司的 51 家机构代表参会。

全球资管 AI 应用形成三大推进方向

与会嘉宾一致认为，AI 对资管行业的影响已超越效率提升层面，正深度触及投研逻辑、决策范式与组织形态的根本性变革。

" 进入 AI 时代，广度问题可以由 AI 来解决，创造性或决策性工作可以由人在 AI 辅助下来完成。AI 不会代替人，但会重构人力结构和组织分工，重新定义人才标准。" 在段国圣看来，AI 解决了传统投研的四大痛点。海量数据处理能力解决信息过载，深度推理能力辅助复杂研判，多模态融合补全认知盲区，持续迭代跟上市场变化。

有专家以海外的贝莱德阿拉丁系统、摩根大通指数 GPT、富达投资多场景智能体部署为例，指出当前全球资管 AI 应用已形成三大推进方向：底层基础设施建设、核心业务深度赋能、AI 智能体的开发与规模化部署。国内资管机构在行业级基础设施建设和规模化智能体部署两个领域与海外仍有明显差距。

迟哲观察到，行业重心已从大模型的高频性能迭代转向大模型与智能体的企业规模化落地，2025 年以来出现了编码类智能体完全跑通、投研垂域智能工具跨越发展、成熟智能体框架广泛普及三大关键变化。

肖雯则指出，过去 " 卖铲子 " 的技术服务商，正在转身成为行业的直接参与者和竞争者，这一趋势在海外演进很快，揭示了行业的未来趋势。

资管 AI 落地难在哪？

尽管 AI 在资管行业的应用前景广阔，但规模化落地仍面临系统性的 " 最后一公里 " 难题。

段国圣坦言，很多投资经理和研究员在 AI 应用上 " 远远走在机构前面 "，个人层面已开发了很多 Agent 或 Skill，但机构层面的规模化落地严重滞后——安全合规、数据权限、算力供给、组织协同、责任界定等构成系统性瓶颈。为此，泰康资产搭建了 " 七要素 + 双环境 " 企业级 AI 架构，通过 " 公域创新、私域合规 " 的双环境解耦机制，在安全与创新之间寻求平衡。

一位机构代表系统总结了五大瓶颈：顶层设计缺乏、数据基础薄弱、垂直模型能力不足、AI 基础设施不够完备、针对性风控机制缺失。行业普遍陷入 " 发展太慢错失窗口期，推进过快触碰合规底线 " 的两难困境。而 " 高质量数据基础薄弱 " 是核心症结之一——大量非结构化数据没有转化为体系化、可复用的知识库，高价值投研、风控专业语料严重匮乏。

迟哲提出，行业内智能体纷纷落地之后，又出现了类似早年 " 数据孤岛 " 的 " 智能体孤岛 " 困境。要让智能体体系真正落地生根，成为企业可迭代、可持续、有实际价值的数字化核心组成部分，而非悬浮在现有体系之上的零散工具，是必须面对的挑战。

肖雯认为，企业 AI 转型的关键在于能否把 AI 融入工作流程并交付结果。为此，企业必须在数据治理、知识梳理、场景建设、组织变革四个关键领域持续投入。在她看来，投资高度依赖隐性经验与非结构化判断，合规要求极其严格，输出必须可追溯、可审计、可解释，资管机构的 AI 转型需要在 " 尊重专业判断力 " 与 " 释放 AI 生产力 " 之间找到平衡。

AI 风险须纳入全面风险管理

陈文辉指出，" 谁使用、谁负责 " 是核心底线——无论 AI 系统为自主研发还是第三方采购，金融机构作为使用者承担首要主体责任。同时，AI 风险必须纳入机构的全面风险管理体系，面向客户的 AI 应用场景须建立人工监督、复核、兜底机制。

迟哲指出，目前行业主流的智能体体系是 Harness 架构。Harness 并非简单的大模型应用工具，而是一套对大模型进行管控、约束、迭代的完整体系，相当于企业 AI 业务的中台，保障大模型在可控、稳定、可持续迭代的范围内服务业务。在其经典架构中，模型接入、工具注册、权限决策、任务编排、记忆知识、人机协同、审计留痕七层各司其职，层层递进，确保 AI 在金融行业合规落地。

王洪栋介绍，信银理财确立了 " 对内不对外，辅助不决策 " 的基本原则，将 AI 模型风险正式纳入 "7+8+X" 全面风险管理体系统一管理，通过 " 人防 + 技防 " 相结合：人工核验关键决策与输出，全链路设置安全管控功能。目前公司正在积极探索 " 内控智能体 " 建设，尝试用 AI 监督 AI。

有专家提出，要实现模型风险全周期管控。针对模型幻觉、算法偏差等固有问题，在研发上线前，严格开展模型敏感性、稳定性、抗干扰能力、容错能力评估；在运行过程中，通过多模型交叉验证、人工复核校验等方式持续把控输出质量，对不达标模型及时迭代优化、下线清理。

AI 赋能业务需构建三大能力

与会嘉宾普遍认为，AI 在资管行业的成功落地，关键在于组织层面的深度变革。

肖雯的观点引发广泛共鸣："AI 的转型不是 IT 项目，而是组织变革项目，是‘一把手’工程。很多机构将 AI 交给 IT 部门实施，效果往往不达预期。" 她将企业 AI 转型分为四个阶段：个人提效、流程嵌入、作业承接、商业模式创新。在通用 AI 能力基础上，垂直领域的行业认知与专业 know-how，以及在此基础上沉淀的独有业务数据、与业务深度绑定的专业工作流，尤其是与 AI 结合后的新型工作范式，才是金融企业真正的护城河。

王洪栋认为，AI 要真正赋能业务，要重点构建三大能力：第一，业务场景的垂直整合能力，是实现高价值应用的关键。第二，数据治理的基础支撑能力，直接决定智能应用的水平上限。第三，信息系统的工程实施能力，确保智能应用能够高效落地。

他介绍，为了促进人工智能应用，信银理财从公司治理层面出发，以 " 战略、风控、数据、技术、管理 " 五个维度一体化推进工作：战略层面，2024 年将战略由数字化升级为数智化，制定 "AI+ 三年行动方案 "；风控层面，将 AI 模型风险纳入全面风险管理体系；数据层面，从 " 全、准、安、易 " 四个方面推进治理；技术层面，打造覆盖数据、平台、模型、算力全栈式智能平台基座；管理层面，依托企业级一站式智能体工作平台统筹管理体系和建设规范，确保智能体开发纳入动态闭环管理，避免各业务条线重复建设。

段国圣分享了他花三周时间在其机构自研 AI 平台上开发 Skills 的体验。他坦言，" 管理层只有亲自上手实操，才能真正感知一线 AI 落地的难点、卡点和障碍。建议金融机构领导亲自体验 AI 工具，真正理解 AI、用好 AI、推动 AI 在公司落地。"