随着大模型不断迭代，AI已不再是传统产品的辅助工具，而是成为服务的底层核心能力，加速产业端的落地应用。11月2日，度小满CEO朱光表示，在金融领域，AI能够帮助机构深度捕捉客户真实需求。整合用户历史交易行为，以及和机构交互产生的结构化、非结构化数据，就可以精准预判用户当下的金融诉求。
在他看来，精准识别用户需求，是实现个性化金融服务的起点。机构可以通过数字人交互进一步挖掘用户诉求，再由大模型完成产品分析匹配，推动金融服务从被动应答，转向主动读懂用户。
基于这市场变化，度小满在香港国际金融周上，携手香港科技大学、香港生成式人工智能研发中心（HKGAI）推出轩辕4.5金融增强大模型。不同于一味追求参数规模的通用大模型，轩辕4.5聚焦AI原生赛道，依靠专业模型与智能体协同运作，深度嵌入金融全业务流程。
朱光现场以电气、蒸汽时代的产业变迁类比这一轮技术变革。他认为，洗衣机、电冰箱并非单纯改良传统家务劳动，而是电力技术催生的原生新产品；蒸汽机赋能纺织行业降本增效，同样属于原生层面的服务革新。同理，AI也有望打造以往难以实现的全新金融服务模式。
按照朱光的构想，未来AI原生金融服务由三大板块构成：精准的个性化需求识别、全天候在线的AI金融顾问，叠加信贷、理财等多元金融能力，让普通大众也能享受到高度贴合自身情况的金融服务。
过去金融机构依靠机器学习分析群体特征，完成产品推送，传统模式下最小服务单元往往覆盖上千名用户，同一类群体匹配同质化金融产品。而大模型可以读懂个体在不同时间、不同场景下的差异化诉求，逐步实现面向个人的专属产品匹配，也就是朱光所提出的“一人千面”，围绕用户所处场景与实时需求而变化。
想要实现应用落地，模型除理解用户之外，还必须具备处理复杂专业任务的硬实力。针对多步骤的复杂业务，轩辕4.5融合长链路强化学习、信贷作业流程奖励、在线策略蒸馏等技术，进一步提高了专业场景的应用表现。实测数据显示，轩辕4.5在金融场景的综合表现较通用大模型提升30%，推理成本仅为后者的十分之一。
在朱光看来，行业大模型的价值，不止于性能跃升，更在于降低产业落地成本。识别能力提升与成本优化相辅相成。模型越懂用户，产品匹配的精准度、服务体验就越好；而行业定向优化带来的成本下降，是AI金融大规模普及的重要基础。
目前，靠着轩辕大模型底座，度小满已经搭建起上千个智能体，沉淀5000余项业务技能，日均Token消耗量突破1000亿，全面落地风控、信审、客服、客户经营等业务板块。
不过通用大模型向产业落地转化，仅靠企业业务积累远远不够，科研机构的基础研究与专业评测同样不可或缺。
香港科技大学首席副校长郭毅可指出，通用大模型只是技术底座，真正的价值要在行业实践中释放。“金融是香港的支柱产业，对AI的容错要求极高，每一项判断都关乎真金白银，必须经得起现实检验。”
早在2025年3月，度小满便与香港科技大学共建人工智能联合实验室，联动HKGAI攻关大模型前沿课题。各方形成互补分工，其中港科大负责前沿科研与专业评测，HKGAI输出大模型底座与工程能力，度小满输出真实业务场景、金融专业知识与产业化实践经验。
郭毅可表示，产学研协同解决真实产业难题，是创新落地的重要路径。香港作为联通内地技术与全球市场的枢纽，未来各方将携手把国内大模型技术输出到海外多元市场。
业内人士认为，从通用大模型，走向行业增强模型，再进化到可调用工具、自主理解并执行任务的智能体。AI不再局限于优化原有业务效率，开始重构金融产品与服务形态。但如何把模型能力转化成可持续、可规模化的用户体验，依旧是AI原生应用需要持续攻克的命题。
10.8.161.157, 216.73.217.74
