📰 专访阿里云张翅：今年是真正的金融智能体元年，Token既是成本，又是价值衡量方式
本次报道聚焦金融行业对AI的深度应用及其演进趋势。阿里云副总裁张翅指出，AI已从简易问答提升为可覆盖金融全流程的“智能体”，具备理解目标、拆解任务、调动工具、连接数据、持续执行等能力，未来将成为金融机构的“数字员工”。证券行业在AI落地方面走在前列，已展开大模型本地化部署与“超级研究员”等内部数字员工实践，显著提升信息采集、数据整理、报告撰写等环节的效率与质量。金融行业的高门槛来自专业化岗位、合规可解释性、数据可信及安全需求等，导致AI落地需要更高的标准与治理。成本方面，Token成为新的成本与价值衡量单位，日活、任务量及数字员工数量将成为衡量AI能力的关键指标。尽管在信贷审批等场景仍面临挑战，但业界普遍认同“人机协作”的协同模式，而非简单替代。未来的核心在于如何在创新与合规之间取得平衡，让AI与人工共同驱动金融业务全流程的高效与风控可控。
🏷️ #金融智能体 #AI落地 #证券行业 #Token成本 #人机协作
🔗 原文链接
📰 专访阿里云张翅：今年是真正的金融智能体元年，Token既是成本，又是价值衡量方式
本次报道聚焦金融行业对AI的深度应用及其演进趋势。阿里云副总裁张翅指出，AI已从简易问答提升为可覆盖金融全流程的“智能体”，具备理解目标、拆解任务、调动工具、连接数据、持续执行等能力，未来将成为金融机构的“数字员工”。证券行业在AI落地方面走在前列，已展开大模型本地化部署与“超级研究员”等内部数字员工实践，显著提升信息采集、数据整理、报告撰写等环节的效率与质量。金融行业的高门槛来自专业化岗位、合规可解释性、数据可信及安全需求等，导致AI落地需要更高的标准与治理。成本方面，Token成为新的成本与价值衡量单位，日活、任务量及数字员工数量将成为衡量AI能力的关键指标。尽管在信贷审批等场景仍面临挑战，但业界普遍认同“人机协作”的协同模式，而非简单替代。未来的核心在于如何在创新与合规之间取得平衡，让AI与人工共同驱动金融业务全流程的高效与风控可控。
🏷️ #金融智能体 #AI落地 #证券行业 #Token成本 #人机协作
🔗 原文链接
