文｜闫佳佳

ID | BMR2004

“自然语言交互是人类最自然的交互方式，而智能体（AI Agent）带来的交互变革是自然语言，这对金融极其重要，智能体将成为历史上少有的能同时刺激供需两侧的技术革命。”百融云创CEO张韶峰告诉《商学院》杂志。

成立于2014年的百融云创，是一家中国领先的人工智能技术服务公司，通过决策式AI驱动的模型服务（MaaS），帮助金融等行业数字化客户进行洞察与风险管理；通过决策式与生成式AI结合的业务服务（BaaS），让AI深入业务全流程，创造可衡量的成果。从数据建模与风控决策式AI起步，百融云创已成长为打造智能体操作系统，以输出企业级智能体（Enterprise Agent）为核心，助力行业进入“AI驱动、结果导向”的新阶段。

2025年上半年，该公司自主研发的大语言模型BR-LLM正式通过北京市生成式人工智能服务大模型备案，结合此前已经通过算法备案的“百工”企业级智能体操作系统，百融云创以“底层多类核心模型（生成式、决策式、语音、行业专属）+中层智能体操作系统+上层行业智能体与生态”的三层架构，为企业提供从技术到结果的完整智能体体系。不仅提供可即用的AI能力，更以可落地、可衡量的方式驱动业务增长，助力AI在金融领域从技术探索迈向规模化价值落地。

截至2024年，百融云创收入达到29.29亿元，实现了自2020年（收入为11.37亿元）以来的“四连增”。该公司服务近8000家机构，包括6家国有大行、12家股份制银行、众多城商行，以及证券、保险、消金、电商、汽车、物流、票务、能源和建筑等行业，核心客户留存率高达97%。AI赋能金融科技是百融云创的业务亮点之一。百融云创如何通过AI技术在营销环节降本增效、在风控环节提供创新解决方案？创造了怎样可量化的商业价值？本文将深入探究百融云创如何用轻量化大模型、多智能体协同系统，破解金融科技难题。

张韶峰介绍，百融云创探索大模型经历了两个关键的时间节点。早在2017年Google Brain团队提出Transformer架构后，同年10月，百融云创便开始启动研发语音交互大模型。2018年投入自用，主要用于金融营销转化，如通过电话销售、客户触达完成转化。2023年，大模型ChatGPT问世以后，随着语音与数字人大模型成熟，多模态大模型深化，百融云创开始致力于大模型和智能体平台的研发。该公司以BR-LLM大模型为基座，推出了“百工”企业级智能体操作系统。

大模型和智能体操作系统有着怎样的区别和联系呢？张韶峰表示，大模型的底层逻辑是概率模型，通过计算输入文本的上下文关系，预测并生成后续内容。多模态大模型与文本生成逻辑相似，但输入输出可跨模态，包括文本、图片、音频、视频等。大模型本身无法直接解决业务问题，需要结合行业知识、业务规则与推理能力的智能体才能落地。

百融云创的“百工”企业级智能体操作系统以大模型为底座，把通用能力与金融专属知识融合，像培养一名优秀毕业生，赋予其专业知识和执行能力，快速生成适配场景的智能体，并可嵌入语音、数字人等多模态交互，实现真正的业务价值。

当前，百融云创AI产品矩阵包括AI文本智能体、AI语音智能体、Avatar数智人，覆盖金融机构的客户营销（AI营销、产品推荐、产品知识助手）、风险管理（反欺诈电核要点提炼、信贷尽调报告生成、催收机器人）、客户服务（AI客服、投诉意向识别、智能工单生成）、市场运营（活动方案设计、客户意向打标、营销活动总结）、投顾服务（个性化推荐、智能投教、投研报告提炼）等核心场景。

比如，在风控场景，百融云创针对基金公司风控人员需处理大量非结构化数据（如收入证明、银行流水等），人工验证真伪耗时耗力，以及审核依赖个人经验，缺乏统一话术与风险点提示等痛点，创新推出了AI风控助手。该AI风控助手可以自动化审核，提示审核人员重点关注项，并推荐核查话术，还可以实时转录沟通内容，自动生成结构化风控报告，人工仅需复核修正。此外还可以提取关键信息（如客户信用倾向、风险等级）供后续模型优化。

从当前大模型的发展方向来看，已经进入轻量化时代，大多公司都在推动模型在边缘计算和终端设备上的应用。百融云创自研大模型的优势也是轻量化，模型尺寸较小，但响应速度快，适合实时交互场景，如电话营销。张韶峰坦言，成本和准确性两大核心挑战，直接制约了大模型在生产端场景中的规模化应用。为此，百融云创的策略是不盲目追求通用化的大模型，而是针对具体场景定制开发小尺寸专用模型，优先选择1B-3B参数的轻量级模型进行验证，只有在性能不达标时才会基于Scaling Law逐步扩大规模至5B、14B甚至32B。

百融云创选择轻量化大模型路线，通过小尺寸专用模型实现低延迟与低算力消耗，适配实时交互场景。实测显示，在电话营销等场景中，响应速度提升40%，单卡可部署实例数翻倍，让大模型真正可用、可扩展。实际验证显示，在多数目标场景中，比如，在金融营销、贷后管理等交互场景中14B规模的模型已经能够达到理想的性能水平，既保证了业务准确性，又控制了计算成本。与其他同量级的开源轻量化模型相比，百融云创模型在金融场景下的优势有哪些？张韶峰表示，百融云创采用真实业务场景中的实际转化率和错误率作为核心评估指标，而非单纯的技术性benchmark。以“百融主动大模型”为例，该模型专门针对营销和贷后管理场景开发，百融云创建立了包含500个真实交互案例的评测集（完整记录用户对话和模型输出），由业务专家对每个输出结果进行专业评分。结果显示，该模型不仅评分显著超过同类更大尺寸的商业模型，其响应延迟最低，更关键的是模型输出质量甚至超越了人工坐席的表现。这种基于真实业务反馈的评估方式，确保了模型在实际应用中的可靠性和商业价值。

除了轻量化外，百融云创另一个发展方向是多智能体协同。金融业务复杂且风险要求高，百融云创通过“多智能体协同”策略，将工作流程拆解为多个步骤，由不同智能体各司其职，并通过人工编排确保可控准确。这一模式已在金融合同审核、贷后管理、客服等环节规模化落地：合同审核时间缩短80%，贷后管理效率提升60%，风险提示更精确，合规性显著增强。

未来，百融云创还在持续训练自主协同能力，力求实现“每一个碳基人（人类）配备多个硅基人（智能体）”，推动金融机构从“AI辅助”迈向“人机协同、AI驱动”。

在金融合同审核环节，百融云创与某头部银行合作的智能审核系统可自动抽取合同要素，与法规条款实时比对，智能识别缺失或违规内容，并提供具体法规依据，审核时间缩短80%、合规性显著增强。这种“模块化+可控”的多智能体协作模式，也已应用于贷后管理，帮助金融机构实现风险控制精准化。

除金融外，该模式同样支持客服等多场景，7×24小时在线响应，共享同一知识与记忆库，让服务高效一致。尽管多智能体赋能金融业务成效显著，但行业仍在两条技术路线并进：一是人工编排式（企业场景更可控）；二是模型自主协同式（技术潜力大，但企业级可控性与准确性仍待验证）。基于对金融风险的深刻理解，百融云创坚持“两条腿走路”：一边以成熟的人工编排式在金融实现规模化落地；一边在模型层持续训练自主协同能力（如工具调用模型已超越 GPT-4o 水平），为未来跃迁做准备。

客户前期投入门槛大幅降低的同时也倒逼百融云创持续优化产品效果，因为任何性能衰减都会直接影响商业回报。在当前智能体的商业化实践中，大家深刻认识到一个关键趋势——客户真正愿意买单的从来不是技术本身，而是可量化的业务结果。

百融云创早在 2018 年就开启商业模式转型，率先在金融 AI 领域引入效果付费：与客户按实际业务增量分成，既降低了前期投入，也倒逼产品持续优化。例如，基于这一模式推出的VoiceGPT语音智能体，已成为多个头部银行营销转化的核心引擎，长期保持行业领先回报率。与此同时，文本智能体与数智人智能体已获得规模订单，应用从金融拓展到教育、零售等领域。

除了商业模式的成功转型外，百融云创在企业级智能体构建领域还形成了三大核心竞争优势：第一大优势是，百融云创开发了行业领先的配置化系统，通过复杂文档解析、RAG策略配置等底层能力封装，使企业能灵活调整智能体的行为策略。第二大优势是，百融云创建立了专业的原厂交付团队，从业务咨询、场景拆解到智能体开发提供全流程支持，确保需求精准落地。第三大优势是，百融云创通过在金融行业Know-How积累，沉淀了一套完整的评测体系与方法论，能精准评估智能体在真实业务中的表现。虽然，当前金融行业AI应用仍面临一些挑战，比如通用大模型在投研报表生成等专业场景的准确率尚需提升。此外，出于审慎考虑，多数金融机构更倾向于采用“AI辅助人工”的过渡模式。

然而，产业发展的趋势已经清晰可见——随着技术成熟与监管明晰，AI将逐步从单点工具转向全业务流程赋能，实现真正的“人机共存”，AI处理标准化作业，人类专注创造性决策，共同构建金融科技的智能新生态。

金融是AI落地最严苛的试炼场，金融的高标准既验证了百融云创智能体的可靠性与价值，也为跨行业复制提供了方法与把握。从营销、风控到商业模式创新，百融云创已在这一试炼场证明AI能驱动核心业务。由此，其正把“金融级”能力推广至更多行业，推动智能体规模化落地，让AI从工具走向新生产力。

来源｜商学院9月刊