📰 大模型离我们近了，还是远了？
本文通过对大模型在金融行业落地难点的深度剖析，指出当前“智能体+大模型”的落地模式才是实操路径。相比几年前，大模型已从橱窗式展品转变为可直接用于工作中的智能体与工具，但在金融端仍存在“叫好不叫座”的矛盾：数字再美、体验仍一般，基层使用感受不足。原因在于内部自建能力受限、行业数据与算力资源紧张、以及训练目标单向、能力项不足等问题，导致大模型的专业能力与智能体的综合调度能力双双不足。作者提出解决之道：需要分清自建边界，以成熟的通用能力底座+ 自身专业知识+ 场景编排三者协同；减少以 token 数量衡量成败的做法，聚焦端到端任务完成率、返工率和人工介入率等核心指标；建立以能力项清单为导向的补强策略，补齐画图、算数、读文件等关键能力；并强调“项目经理”型的人才是落地瓶颈，需在这方面加大投入。总之，大模型离我们更近在工具层面，真正的智能落地还需改变部署思路、强化流程设计与人才培养，才能让基层愿意用、用得好、离不开。
🏷️ #智能体 #大模型 #金融落地 #部署边界 #能力项
🔗 原文链接
📰 大模型离我们近了，还是远了？
本文通过对大模型在金融行业落地难点的深度剖析，指出当前“智能体+大模型”的落地模式才是实操路径。相比几年前，大模型已从橱窗式展品转变为可直接用于工作中的智能体与工具，但在金融端仍存在“叫好不叫座”的矛盾：数字再美、体验仍一般，基层使用感受不足。原因在于内部自建能力受限、行业数据与算力资源紧张、以及训练目标单向、能力项不足等问题，导致大模型的专业能力与智能体的综合调度能力双双不足。作者提出解决之道：需要分清自建边界，以成熟的通用能力底座+ 自身专业知识+ 场景编排三者协同；减少以 token 数量衡量成败的做法，聚焦端到端任务完成率、返工率和人工介入率等核心指标；建立以能力项清单为导向的补强策略，补齐画图、算数、读文件等关键能力；并强调“项目经理”型的人才是落地瓶颈，需在这方面加大投入。总之，大模型离我们更近在工具层面，真正的智能落地还需改变部署思路、强化流程设计与人才培养，才能让基层愿意用、用得好、离不开。
🏷️ #智能体 #大模型 #金融落地 #部署边界 #能力项
🔗 原文链接
