4月7日，IDC最新报告指出，多数金融机构（尤其中小银行、保险公司等）采用优化后的金融行业大模型产品，比从零构建更具成本、合规及效率优势。IDC研究表明，从零构建大模型需投入大量资金用于技术研发、数据积累、人才储备，且面临合规审核、技术适配等多重风险，周期长、门槛高，对于资源有限的中小金融机构而言可行性较低。目前，阿里云、百度智能云、百融云创、蚂蚁数科、奇富科技、中关村科金、中科闻歌等企业均推出了金融行业大模型产品，可直接对接业务需求，大幅降低研发成本、缩短上线周期，同时规避自行构建过程中的合规与技术风险，为各类金融机构提供高效、安全的大模型能力支撑。

根据IDC的研究，面向金融行业的强大的（企业级）智能体开发工具应该具有可扩展性与定制化、规模化与部署灵活性、多智能体编排、合规与安全性、持续监控、持续改进、丰富的插件/工具系统、可集成等能力特性。在该领域阿里云、百度智能云、百融云创、凯美瑞德、科蓝软件、蚂蚁数科、润和软件、神州信息、时代银通、思迈特软件、易诚互动、中关村科金等企业也面向金融机构提供企业级的智能体开发工具。

应用内嵌入智能体是当前金融行业智能体落地的主流形态，核心源于业务系统特性与合规要求。金融行业业务系统复杂，核心业务流程（如信贷审批、风控审核）经过长期迭代已形成固定体系，难以脱离既有应用重构，嵌入式智能体可在不改变原有流程的前提下赋能业务，降低落地难度。同时，金融行业合规与审计要求严格，智能能力需实现“嵌入流程、可控可回溯”，嵌入式形态可全程记录智能体的操作轨迹、决策逻辑，确保业务流程可审计、风险可管控，既满足合规要求，又能高效发挥智能体的辅助作用，因此成为当前主流落地方式。

金融行业智能体的应用拆分暂无统一标准，可结合业务流程、岗位职责或任务类型灵活拆分。IDC观察发现，由于不同金融机构的业务模式、组织架构存在差异，智能体的应用拆分无需遵循固定规范，需贴合自身实际需求。按业务流程拆分可实现全流程智能赋能，如信贷业务中拆分出贷前审核、贷中监控、贷后管理智能体；按岗位职责拆分可适配不同岗位需求，如客户经理、风控专员专属智能体；按任务类型拆分可聚焦能力的复用性，例如，在信贷业务场景中，报告撰写智能体、信息提取智能体以及数理计算智能体可以在贷前、贷中、贷后多个任务中进行复用。灵活的拆分方式可提升智能体落地的针对性与效率。

大模型正推动金融各领域向RaaS（Results-as-a-Service, RaaS）模式转变，但落地过程中面临效果量化、合规等多重挑战。大模型的多模态数据处理与预测分析能力，可精准匹配信贷、风控、营销等领域的业务需求，实现“按结果付费”的RaaS模式，即金融机构根据智能服务的实际效果支付费用，降低前期投入风险。但该模式落地存在明显难点：效果量化缺乏统一标准，难以精准衡量智能服务的实际价值；业务结果受多因素影响，导致归因困难；责任界定模糊，若出现风险难以划分模型提供方与金融机构的责任；同时，数据安全、合规审核等问题也制约着RaaS模式的规模化落地。