在當今數(shù)智化浪潮中，企業(yè)的數(shù)智化轉(zhuǎn)型成為焦點。諸葛智能作為行業(yè)的重要參與者，CTO文革對諸多關(guān)鍵領(lǐng)域有著深刻見解。近期，產(chǎn)業(yè)家對文革進行了專訪，深入探討了金融行業(yè)的數(shù)據(jù)驅(qū)動營銷、大模型在企業(yè)中的應用等重要話題。

2022年底，容聯(lián)云內(nèi)部圍繞旗下核心業(yè)務——數(shù)據(jù)智能的未來發(fā)展方向展開了一場討論，容聯(lián)云副總裁兼諸葛智能創(chuàng)始人孔淼、諸葛智能CTO文革都參與其中。

“我們當時的想法很直接，就是想如何讓城商行這個群體真正把工具用起來，不像之前的工具那樣，很多銀行機構(gòu)沒辦法用的很好?！蔽母锔嬖V產(chǎn)業(yè)家，“后來我們討論是不是要通過什么手段建立一個特殊的‘人’的角色，這個‘員工’可以幫助城商行們用好工具。”

更具時間線意義的是，這場討論半年后，ChatGPT橫空出世，AI驅(qū)動的生產(chǎn)力革命迅速席卷全球To B市場。隨著DeepSeek、Qwen3等中國AI企業(yè)的持續(xù)突破，中國市場正成為全球焦點，數(shù)字員工、智能體也成為AI落地的核心共識。

這種底層水溫的變化也更影響著諸葛智能。

過去的很多年里，金融是容聯(lián)云以及諸葛智能一直深耕的領(lǐng)域，伴隨著AI大模型的到來，上述命題的焦點很快被落到了AI。

文革表示，最開始我們?yōu)榱藢崿F(xiàn)很多能力，自研了赤兔大模型，后來伴隨著DeepSeek等模型的開源，底層的模型能力開始更豐富了。

這款研發(fā)歷時超2年的產(chǎn)品，在近日WAIC大會上由諸葛智能正式發(fā)布，定名為金融行業(yè)智能業(yè)務分析Agent——智能業(yè)務分析一本通，其專門面向城商行群體幫助其構(gòu)建對應的AI能力，進而智能化地完成相關(guān)業(yè)務的數(shù)據(jù)分析。

文革告訴我們，智能業(yè)務分析一本通不只是一個專門面向金融的“985畢業(yè)生“，同時他也更是一個會自己思考、自己學習、自己成長的金融人才。

2025年的如今，Agent落地是全行業(yè)熱議的主題，其中金融更是橋頭堡，但截止到現(xiàn)在為止，對金融行業(yè)而言仍然沒有一個足夠可用、好用的Agent產(chǎn)品出爐。

如今，這家深耕金融行業(yè)多年的老兵——諸葛智能正式給出了自己的答案。

01、Agent落地金融，“機會和挑戰(zhàn)”

如果把時間拉回2022年，則是會發(fā)現(xiàn)文革提出的問題點不是個例。

這個問題甚至持續(xù)到今天。即從行業(yè)視角來看，對大部分城商行而言，其很難基于手頭現(xiàn)有的數(shù)據(jù)分析類產(chǎn)品提高自身效率，或者也更可以說，對于某些成熟的數(shù)據(jù)分析產(chǎn)品，在城商行這類金融機構(gòu)內(nèi)部，很難有人能夠“用好”這類產(chǎn)品。

以諸葛智能為例，在其面向金融行業(yè)的數(shù)據(jù)分析類產(chǎn)品中，其基于過往的金融行業(yè)積淀，內(nèi)置了多個場景的數(shù)據(jù)分析模型，分別對應不同的業(yè)務情況和特殊場景，但對大部分使用的城商行而言，這些分析模型更長時間處于“沉默”狀態(tài)。

城商行群體本身就具備特殊性。

即一方面其由于更多扎根區(qū)域，自身的數(shù)字化意識和建設(shè)體系本身就相對薄弱，導致其很難掌握對應的數(shù)據(jù)分析能力；

另一方面，城商行群體缺乏統(tǒng)一的數(shù)據(jù)分析標準，不同部門、不同銀行之間的數(shù)據(jù)統(tǒng)計口徑不同，不論是在銀行內(nèi)部，還是銀行之間，其數(shù)字化往往不具備參考性，由此帶來的是各自業(yè)務分析的分裂和低效。

“很多頭部銀行其實是有很好的數(shù)據(jù)分析經(jīng)驗的，但這些很難傳導到城商行群體，這些都很可惜。”文革表示。

根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，在尾部城/農(nóng)商行群體中，有超過60%的機構(gòu)因能力不足，存在客群未盤活、風控能力差的問題；此外，由于預見行業(yè)風向能力差，其貸款不良率平均達2.8%，高于頭部銀行的1.5%。

這也恰是文革和諸葛智能想要用Agent解決的問題。

這并不是一件容易的事。即在過去的一兩年時間里，金融方向的AI落地一直是市場熱議的話題，但從真正的生產(chǎn)力工具的角度來做評判，并沒有哪款智能體或data agent產(chǎn)品真正得到金融企業(yè)的共識，甚至問題頻頻。

根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，在中國市場，2025年金融智能體部署成功率僅為18%，其中失敗主因包括數(shù)據(jù)質(zhì)量（62%）、模型幻覺（38%）等等，如果細分到金融業(yè)務的數(shù)據(jù)分析方向，對應的成功率則是更低。

其中的難度不難理解。即對金融行業(yè)的數(shù)據(jù)分析智能體而言，其不僅要具備企業(yè)級的能力，更要具備金融級的安全可信和數(shù)據(jù)準確，對應的是開發(fā)者必須灌以龐大的金融場景數(shù)據(jù)和基于金融業(yè)務邏輯進行多次微調(diào)，才能構(gòu)建出適配金融的底座。

甚至，這些還不夠。文革告訴我們，在這些基本能力之外，金融數(shù)據(jù)分析智能體還必須要具備獨立思考和成長的能力，即既能從全局視角來思考問題，同時還更能基于真實的業(yè)務反饋和結(jié)果近一步進化自身的思考邏輯和策略，以更好地適配對應金融企業(yè)的場景。

文革和我們打了一個形象的比喻。“之前大家提供的第二代產(chǎn)品就像一個具備成熟能力的錘子，它能把釘子釘進去，但如果釘子歪了，它就容易束手無策；但Agent的產(chǎn)品則不是，它必須具備自我思考和自我優(yōu)化能力，能識別問題，更能根據(jù)變化解決問題?！?/strong>

02、諸葛智能

打造一個金融“智能大腦”

諸葛智能給這款智能業(yè)務分析一本通一個新的定位：金融智能大腦。

定位之外，更細顆粒度的信息則是，這個定位金融智能大腦的Agent產(chǎn)品可以實現(xiàn)自主學習、自我修正，可主動感知、自驅(qū)執(zhí)行，致力于幫金融企業(yè)實現(xiàn)從模型到應用、從數(shù)據(jù)到增長的“最后一公里”。

“我們很早就在一些企業(yè)內(nèi)部做了內(nèi)測，共創(chuàng)的企業(yè)說‘可以了’之后，最終才做了正式面向市場的發(fā)布?！蔽母锔嬖V我們。

幾個被給出的數(shù)據(jù)是，在客戶行為分析層面，基于諸葛智能智能業(yè)務分析一本通，從之前“經(jīng)驗驅(qū)動”形式進階到“因果推理”模式，人工參與度從之前的100%降低到9%；在信貸業(yè)務分析側(cè)，可以進行全息客戶的畫像構(gòu)建，通過整合央行征信+稅務/社保/海關(guān)等政務數(shù)據(jù)，全面降低風險率。

此外，同樣亮眼的還在面向城商行核心業(yè)務的運營狀況分析和風險管理分析，前者可以推動銀行內(nèi)部近一步完成流程優(yōu)化，比如基于智能業(yè)務分析一本通，銀行內(nèi)部辦公與自動化執(zhí)行可實現(xiàn)人力成本壓縮70%以上；智能客服與客戶運營等重復性高、規(guī)則明確的環(huán)節(jié)運營成本則更可以減少90%。

后者則是通過智能體自身的一系列內(nèi)置金融知識可以實現(xiàn)如信貸風險、市場風險、操作風險的實時監(jiān)控以及不同環(huán)節(jié)的合規(guī)審查和解讀。

從某種層面來看，基于諸葛智能的一本通產(chǎn)品，城商行機構(gòu)等同于擁有一個俯瞰全局的“智能外腦”，其可以幫助銀行構(gòu)建一套全面的AI自動化體系流程，不僅提高對核心業(yè)務的掌控力，對應不同場景、節(jié)點輸出對應的方案，更可以近一步優(yōu)化內(nèi)部的一系列協(xié)作流程，通過加持于不同業(yè)務部門、不同場景的業(yè)務人員，提高城商行企業(yè)的整體能力。

加持的不僅在產(chǎn)品本身，也更在深化的使用過程中?！鞍ㄕ嬲旬a(chǎn)品用起來的過程中，業(yè)務人員給予智能體的一些反饋也都可以作為最新的Agent訓練數(shù)據(jù)，讓它保持自我學習、自我進化的狀態(tài)，實時在線修正。”文革表示。

也可以說，諸葛智能一本通的核心價值也恰來自其底層對金融場景的專門設(shè)計，這其中不僅有龐大的覆蓋信貸、風控、運營等全業(yè)務場景的金融知識圖譜，也更集成了行業(yè)最佳實踐和分析模型，以及一系列對于不同金融業(yè)務環(huán)節(jié)和節(jié)點的深刻理解。

就產(chǎn)品構(gòu)建過程而言，其是在DeepSeek-R1 32B模型的基礎(chǔ)上，首先在模型層基于金融數(shù)據(jù)進行了相應微調(diào)，同時在語義層基于金融場景進行了相對應的數(shù)據(jù)指標對齊，最后通過多輪基于金融場景的強化學習最終才構(gòu)建而成。

產(chǎn)品之外，諸葛智能還同步構(gòu)建了基于智能體的交付體系。“我們會在不同的節(jié)點和客戶進行確認，有點像網(wǎng)絡上流行的‘握手協(xié)議’，在客戶確認完成后我們再進行下一階段的建設(shè)，幾次‘握手’后才能完成項目?！?/p>

文革告訴我們，關(guān)于智能體的交付大致會分為3—4個交付節(jié)點，首先是底層模型微調(diào)階段，其次是知識庫理解階段，最后才是智能體交付階段，每個階段都需要和客戶達成對應的交付標準，達到一定滿意度才會繼續(xù)往下推進。

“我們現(xiàn)在會根據(jù)客戶的需要交付不同的形態(tài)，可以交付完整的智能體形態(tài)，也可以把金融Agent產(chǎn)品嵌入到客戶的對應軟件系統(tǒng)中，這些都可以實現(xiàn)?！?/p>

03、智能體落地大潮里：

什么才是生產(chǎn)力工具的判斷標準？

“現(xiàn)在的智能體開始有泡沫了，就像最近在WAIC大會上，很多智能體都還僅近停留在產(chǎn)品階段，很少有大規(guī)模的落地驗證?！币晃煌顿Y人告訴產(chǎn)業(yè)家，“現(xiàn)在還不到真正的落地時刻。”

當下的一個共識是，智能體是AI落地的核心形態(tài)。根據(jù)IDC發(fā)布的智能體相關(guān)報告顯示，智能體將帶來新一輪企業(yè)ROI革命，其更可以以數(shù)字員工的形態(tài)提高企業(yè)方方面的業(yè)務能力，比如縮短流程時間，比如提高企業(yè)對業(yè)務的洞察力等等。

而在這種熱潮的共識中，也更是有一眾如扣子、DIfy、BetterYeah等國內(nèi)智能體平臺不斷出現(xiàn)在人們視野之中。但一個足夠清晰的觀察是，就當下而言，這些平臺也更沒有從真正意義上轉(zhuǎn)化成生產(chǎn)力工具，尤其是對城商行等金融機構(gòu)。

低門檻、高可用、能學習、可進化……對于城商行等中小金融機構(gòu)而言，這一系列標簽都必須成為Agent產(chǎn)品的標配，而在此之下，則智能體還必須具備強金融屬性，不論是語料的訓練，還是數(shù)據(jù)語義的對齊，甚至適配金融的工作流編排等等。

這正是諸葛智能過去兩年全力想做到的點。

“過去兩年，尤其伴隨著DeepSeek等模型的開源，我們大部分的精力都開始放到了行業(yè)知識沉淀上，這是我們現(xiàn)階段最重要的事。”文革告訴我們。

事實證明，這種面向?qū)兕I(lǐng)域的積累給諸葛智能帶來的并不是最快的“速度”和“關(guān)注度”，但卻是最扎實的智能體底層設(shè)計和健全的AI交付體系。

據(jù)了解，在金融智能業(yè)務分析一本通落地之前，諸葛智能會幫助企業(yè)評估企業(yè)當前的資源特點，比如算力，比如AI人才，再比如數(shù)據(jù)體系等等，從更實用的角度和生態(tài)伙伴一起完成整個金融智能體的落地。

“其實企業(yè)內(nèi)部并不抗拒我們一本通的落地。”文革告訴我們，“因為我們是真正的效率工具，可以幫助不同的業(yè)務部門真正提高他對應的工作效率和工作價值?！?/p>

這種從工具到企業(yè)的反向推進也更在數(shù)據(jù)側(cè)。在諸葛智能金融智能體的反推動下，之前散落在城商行等企業(yè)各個業(yè)務角落的數(shù)據(jù)開始被全面集中匯總和納管，幫助其構(gòu)建出更為健全、科學的數(shù)據(jù)體系，進而構(gòu)建出“AI-ready”的土壤，加速企業(yè)數(shù)智化轉(zhuǎn)型升級。

“產(chǎn)品的核心判斷標準還是口碑，現(xiàn)在沒有人說一定能成為最終那個玩家，但最終大家始終還是要回到企業(yè)能否真正用起來這一個標準上。不論現(xiàn)在我們的智能體形態(tài)是否是最終態(tài)，但我們對行業(yè)一定是有貢獻的?！痹诓稍L的最后，文革表示。

讓AI真正創(chuàng)造價值，讓智能體成為驅(qū)動增長的真實生產(chǎn)力——在智能體落地的大潮中，這正是諸葛智能給出的答案。

關(guān)于諸葛智能

諸葛智能是容聯(lián)云旗下敏捷開放的場景化數(shù)據(jù)智能服務商，為企業(yè)提供實時的全渠道數(shù)據(jù)采集整合、全維度數(shù)據(jù)分析、全場景用戶標簽畫像，輔以個性化自動化的營銷平臺+策略配置，助力企業(yè)快速洞察市場趨勢，迭代經(jīng)營決策，實現(xiàn)營收增長。

目前已累積服務全國1000+企業(yè)、100+頭部金融企業(yè)，覆蓋銀行、保險、證券、消金、汽車、泛互聯(lián)網(wǎng)、泛電商、企服等數(shù)十個垂直領(lǐng)域。