随着科技的飞速发展，人工智能已经成为当今世界最具影响力的技术之一，它正在深刻地改变着我们的生活和工作方式。然而，在人工智能蓬勃发展的过程中，我们也面临着一些亟待解决的问题，这些问题不仅关系到人工智能技术本身的进步，也影响着其在各个领域的应用效果和未来发展。

眼下，有两个关键问题亟待解决：

其一，在微观层面，尽管我们期望通过人工智能技术提高效率并形成正向的价值循环，使切实的投入能够带来更为可观的收益，但目前的现状尚不尽如人意。

其二，微观效率的提升能否转化为整体或行业的全要素生产力，这一问题也尚未得到妥善解决。

在这样的形势下，为了避免泡沫过度膨胀，实实在在地推动经济增长与社会福祉的提升，就需要推动人工智能应用落地。而智能体，正是通向应用落地的一条有效途径。

从金融行业来看，智能体的发展及其生态构建，正在重塑金融业的工作流程、服务模式、组织结构和价值链。相关调查数据显示，大模型在金融行业的应用渗透率在各行业中处于领先地位，大约为35%，而排名第二的制造业仅为15%左右。

实际上，金融行业具备智能体良好的发展基础，银行、证券、保险、信托、资管等不同业态和不同牌照的金融机构，都有其独特的场景。构建金融智能体的关键在于把每项业务的需求和痛点了解透、理解深，这是所有工作的前提。

具体来看，金融行业智能体发展实践可以围绕以下几个方面展开：

一是提出需求、评估价值。要针对不同场景提出智能需求，精准刻画需求，判断需求价值，明确定位搭建智能体的目的和功能。例如资讯简报智能体，能够快速整合海量的金融数据，涵盖股市、债市、基金、外汇等多领域信息，把分散细碎的信息整合为整体感知，精准剖析市场趋势，从而从发展大势中提出自身需求。

二是分析场景、找准痛点。找到行业或领域的具体场景，针对性地解决痛点问题。例如理财产品问答助手智能体，针对查找知识耗费时间且准确性要求高的问题；投顾资讯简报智能体，针对当前投顾行业市场信息过载、时效性难把握、个性化不足等痛点进行解决。这样可以大幅度提升理财获取信息的效率。

三是给出个性方案、提高价值。例如理财产品问答助手智能体，利用大模型的语义理解能力精准响应客户需求、匹配场景，在产品说明、资金投向、收益规则、风控措施等重点领域生成针对不同用户的方案。

四是安全保障、治理托底。智能体完成工作任务的环节多、流程长，涉及数据隐私、任务保密、资产安全、用户特殊要求等诸多方面，安全保障要求高。因此，搭建金融智能体从一开始就要高度重视安全问题，配置更高级别的安全技术和保障系统，确保客户的资金需求、投资意向、项目安排等信息不被泄露。

五是多智协同、构建生态。工具链和多智能体协作决定了人工智能应用的广度。金融系统和金融机构内部场景丰富多样，多智能体协同将发挥更为显著的作用。鉴于细分领域众多，需要建立有效的协同机制，通过一系列协议来维护和沟通智能体生态，以实现更加顺畅的协同运作。

此外，对于Agentic AI，即自主规划智能体和多智能体协同，部分学者认为其可能成为未来社会的基本单元。华为甚至预测，未来10年全社会将有9000亿个智能体，智联网节点数将远远大于现有互联网节点数。在多智能体协同的基础上，构建以智能体为节点的网络——智联网，形成以交互能力为核心的智能体生态网络是大势所趋，也是影响社会连接格局的重要事项。

当然，智能体在金融垂直领域的应用也面临着诸多挑战。

例如，大模型作为智能体的核心，其水平虽在不断提高，但仍存在不足，且成本偏高。智能体尚未达到我们预期的智能程度，全过程精度的一致性有待增强，不准确的情况会在不同环节多次调用工具的过程中被放大和累加，进而产生不确定性。

此外，整体系统的鲁棒性也需进一步完善。在业务领域通过多个智能体构建的生态中，若每个环节的运行成本稍有增加，叠加后推理和调用工具的资源成本将居高不下。

因此，在金融行业布局智能体需紧密结合细分场景，深入探讨更优的落地方式，包括通过人机协作持续纠正错误，增强全链条、全过程任务执行的稳定性与一致性，并在不断优化迭代的过程中降低成本。