金融行业谈 AI 原生谈了两年，大多数时候谈的是 " 接了个大模型客服 "。但 AI 原生金融到底该长什么样、下一站往哪走，行业似乎还没有一个清晰的样本。

11 月 2 日，度小满在香港联合香港科技大学、香港生成式人工智能研发中心（HKGAI）发布的轩辕 4.5，能否改写金融业务底层逻辑？

不只是 " 接个客服 "

对行业来说，AI 原生金融还是个新概念。度小满的判断是，它不是 "AI+ 金融 " 的叠加，而是模型能自己适配金融任务、智能体能独立干活、业务策略能动态调整。轩辕 4.5 是行业首个基于 RSI（自进化）的金融增强大模型，与港科大、HKGAI 联合研发，模型自己迭代，而不是靠人发现问题、写策略、再重训——这是它和 " 接个大模型客服 " 最根本的区别。

AI 原生金融的落地对行业的改变，先看账算不算得过来：推理成本仅为通用模型的 10%，在获客、风控、客户经营等核心金融场景效果较通用模型提升 30%，已承接度小满内部业务需求的 90%。效果好、成本低，这是 AI 原生金融能成立的前提。

基于轩辕，度小满构建了上千个智能体、5000 余项技能，日均 Token 超 1000 亿。风控上，异动归因加策略开发从两周压到三到四天，变成周级节奏——周日搜规则、周一复核、周三上线；大模型能读非结构化数据、自动提假设、批量验证，1 小时出结果，还能把成百上千种切分层方案整夜跑完，找人力穷尽不了的最优解。

信审上，AI 信审员超过 80% 的人工信审员，客户等待从 10 分钟缩到 2 分钟；贷后上，AI 贷后专员独立作业的催回率较传统机器人提升 8% 以上。

企微上，一个人能服务的客户从 2000 扩到 1 万。这些不是演示，是已经在业务上看得见的结果。

体验上，AI 数字人能陪伴、能交互，实时掌握同一个客户在不同时间的需求，日均服务客户数增加 70%，30 天内使用产品比例提升 20%。按用户不同阶段匹配方案，比如短期周转、回款后还本金的客户，用款期间先付利息。AI 原生金融落到用户身上，不是多了一个聊天入口，而是方案能跟着人的节奏走。

目前，AI 原生金融已经越过概念阶段。当大模型从 " 回答问题 " 变成 " 交付结果 "，新的服务入口随之出现。客户把需求交给助理，由它调度不同平台的商品、服务和金融能力，人负责判断和授权。同时，支付也需要成为助理能调用的执行能力，从客户逐笔 " 确认一笔付款 "，转向给助理目标和预算、" 授权一段任务 "。金融会从 " 人找产品 " 变成 " 满足人意图的组件 "，界面和入口的价值被压缩，风险定价、信任、责任这些内核反而更被看重。

三方联合发布 + 数据飞轮，意味着什么

三方各有各的位置：港科大的 AI 与多学科研究积累，HKGAI 的大模型前沿研发能力，加上度小满的金融业务经验、真实场景和工程能力，联合发布轩辕 4.5，本质上是把实验室里的 AI 能力和金融业务里的真实需求接在一起。技术上，轩辕 4.5 走的是全流程 RSI、原生多模态架构，以 10% 的成本对标通用顶尖模型的金融场景能力。

更关键的是数据飞轮：业务数据回流模型，模型越用越懂金融。金融场景的闭环数据，比如信贷风控、反欺诈的数据，很多根本不在通用模型里，这是垂类模型的核心壁垒。这套逻辑已经不只在国内跑，轩辕 4.5 已在墨西哥落地，产学研合作的价值也在海外业务中开始显现。

正如度小满 CEO 朱光在对谈中所言，个人助理可能成为新的金融服务入口。路径已经铺开，但 AI 原生金融的终局远未定论。当服务入口和交互形态发生改变，风险定价与信任机制也将迎来全新的重构空间，而成本优势则将在更多机构的实践中得到验证。