北京，2026年4月7日——当下，金融行业正在经历从“工具赋能”向“智能重构”的战略转型，AI不再仅仅是提升效率的辅助工具，而是有望成为重构业务模式和生产关系的核心驱动力。目前，金融行业生成式AI形式从基础设施、基础模型到生成式AI平台以及生成式AI应用及大模型工程化服务完整生态，未来将重点在生成式AI应用/智能体应用领域加速落地。
在此背景下，国际数据公司（IDC）于近日发布了《IDC Perspective：中国金融行业大模型及智能体市场洞察》报告（Doc#CHC54369526 ,2026年3月）。报告旨在深入剖析金融行业大模型及智能体在应用场景落地过程中的现状、挑战及应对方法，例如，金融行业大模型的发展现状及实现路径分析、平台工具层（尤其是智能体开发平台）的关键模型组件（model stack）的产品化能力和智能体在营销、信贷、客服、金融市场等主要场景落地的成熟度、颗粒度、挑战和最佳实践案例,为行业参与者提供清晰的实践路径与未来发展路径指引。
IDC金融行业大模型及智能体市场关键洞察：
- 金融机构落地大模型需构建特定分层模型。
金融机构落地大模型需构建行业、组织及任务/用例特定模型，核心原因是通用模型缺乏金融业务深度沉淀且难以满足业务精确性要求。通用大模型的训练数据侧重通用场景，未深度融入金融领域的业务逻辑、合规规范及数据特性，无法精准匹配银行信贷、证券交易、保险核保等细分场景需求。同时，金融业务对结果的精确性、可追溯性要求极高，需规避风险、保障合规，而通用模型的“概率性输出”存在不确定性，可能导致业务失误或合规风险，因此必须基于通用模型基座，结合自身业务场景，构建分层级的特定模型，确保模型输出贴合金融业务实际需求。
- 中小金融机构采用行业大模型产品更具性价比。
IDC认为，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，蚂蚁数科、百度智能云、百融云创、中关村科金、奇富科技、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。
- 金融企业级智能体开发工具需八大核心能力。
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。在该领域蚂蚁数科、神州信息、百度智能云、百融云创、科蓝软件、润和软件、中关村科金、易诚互动、以及凯美瑞德、时代银通、思迈特软件等企业也面向金融机构提供企业级的智能体开发工具。
- 应用内嵌入是智能体在金融场景落地主流形态。
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。
- 智能体在金融场景应用拆分无统一标准可灵活进行。
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。
- 大模型推动金融向RaaS模式转变但存在挑战。
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。
此外，本报告也重点就智能体在金融行业中的应用过程中对智能体产品化和定制化需求、以及如何提升多智能体协同及智能体与传统应用之间的协同等问题进行深度分析。同时，也深入研究了智能体在客服、营销、信贷、金融市场业务、AI手机银行等典型场景落地颗粒度、策略和实践案例。
IDC中国金融行业研究经理思二勋表示，当前，金融行业生成式AI已从基础建设迈入应用落地与工程化服务的深水区。在金融强监管的背景下，机构必须在合规（确保数据不出域、决策可追溯）、可控（避免模型幻觉带来的业务风险）与投资回报率（实现可量化的降本增效）三者之间找到平衡点。同时，在智能体落地方面，提升智能体落地效果的首要原则，是以业务流程或岗位/角色职责为核心进行智能体体系设计，而非以模型能力或算法为起点。
后续，IDC Financial Insights团队也将推出IDC 中国金融行业生成式AI平台及应用市场份额（2025年度）、IDC PeerScape: 金融行业智能体 (Agentic AI, FSI) – Banking以及Insurance/Capital Market报告。
欢迎广大金融机构及技术服务商持续关注，并与IDC共同展开更多相关研究。如需了解更多信息，请与IDC中国金融行业研究团队（邮箱：idcficn@idc.com）联系。
如需进一步了解与研究相关内容或咨询 IDC其他相关研究，请点击此处与我们联系。