由北京市通州区人民政府指导，《财经》杂志、财经网、《财经智库》主办的“《财经》年会2026：预测与战略·年度对话暨2025全球财富管理论坛”于12月18日至20日在北京举行，主题为“变局中的中国定力”。
12月20日，德勤中国创新及数字化服务主管合伙人金科在会上表示：“面向全业务场景、全链路的AI，更广泛、更深入的应用，毫无疑问是未来三到五年行业非常重要的发展趋势。”
德勤中国创新及数字化服务主管合伙人金科
从信息化建设的角度来看，大家往往容易忽视数字化转型的底层要素。今年以来，在推动以大模型和智能体为代表的新一代数智化技术应用的过程中，ROI变得愈发重要。因此，建议财富管理行业相关机构应更加体系化地理解数智化转型的方法、规律与趋势，全面把握成功的关键要素。
从未来企业组织与流程演进的角度观察，今年业内讨论较多的是“AI组织”的概念。过去，企业组织多基于线下运作，流程线上化后，仍主要围绕“人”来设计组织结构和业务流程。然而，随着大模型和智能体在感知、理解、规划与行动等方面形成闭环能力，越来越多的企业正向“AI组织”演进，人在其中扮演的角色也正发生深刻变化。因此，未来在组织架构与流程设计方面，需要引入新的方法，重新构想组织与流程的未来形态。
在财富管理行业的数智化转型落地过程中，金科指出，不同规模的机构由于资源禀赋不同，呈现出较大差异。许多规模较小的财富管理机构缺乏对行业未来发展的前瞻性认知，对AI潜在的应用场景尚未形成深刻理解。此外，一个关键问题是，非头部机构由于自身条件所限，在数字化转型能力方面普遍存在短板。
另一个共性问题在于数据分析和应用能力薄弱。当前，处理多模态数据需要依赖新的方法和工具，而大多数机构在这一领域仍处于空白状态。在数智化新时代，企业亟需建立从数据底座到数据治理及分析应用的全栈能力。
展望未来三到五年，他表示，包括财富管理行业在内的整个金融行业，将从目前围绕业务流程、职能部门和岗位进行的架构设计和安排，升级为智能化的流程编排与自主化的价值实现。这一转变将对所有机构的未来工作模式产生深远影响，特别是在核心运营、风险控制以及客户交互等关键领域，变化将尤为显著。
以下为部分发言实录：
张威：感谢陈总。我们今天的圆桌论坛主题是数智转型赋能财富管理新生态，换一种说法就是财富管理的数字化转型，听陈总讲完之后，我终于理解为什么数智化要放在前面。陈总提到几个非常亮的亮点，大模型不是工具是生产关系，金融AI进入了生产的场景，还有就是技术伙伴的选择，相当于方法论。最后有请金老师。
金科：大家好，我是德勤合伙人金科。名字巧合，今天谈“金科”——金融科技。过去十年，我们陪跑财富管理行业从数字化走向智能化，发现它的底色是“专业+信任”的服务业。台上两位嘉宾来自阿里云和神州信息，正好也都是我们的生态伙伴，德勤既熟悉行业特性，也沉淀了一套从战略到落地的数智化转型方法论。
2016 年，我们推出国内首款 RPA“小勤人”，在银行、保险、券商等 60 余家机构落地 200+ 流程自动化场景，成为业内数智化转型的里程碑。十年技术迭代，今年大模型、智能体开始渗透财富管理，但行业生态复杂：银行系、券商、基金公司、第三方理财、互联网科创公司同台竞技，路径与成功要素各不相同。
春节后 DeepSeek 爆火，大部分机构的一把手都把 AI 写进 KPI，大家很迫切拥抱人工智能。可历史总在重复：信息化时代砸钱建系统，却忽视数据底座的连通质量；智能化时代再上大数据、大模型， ROI 立刻变成关键词。没有高质量数据投喂，就没有高质量洞察；没有系统级互通，数据就无法顺畅流转。我们强烈建议机构先体系化吃透转型的方法、规律与成功要素，再谈投资。
先看组织。高管层的认知如果还停留在信息化时代，没玩过豆包、元宝，就很难判断大模型怎么投、怎么训。跨专业融合人才缺位，决策风险陡升。再看流程。线下搬到线上，仍围绕“人”设计；如今大模型、智能体已实现“感知-理解-规划-行动”的闭环，组织形态正向“AI 组织”演进，人机协同成为发展趋势。未来架构与流程必须引入“智能体编排+人监督”的新范式，岗位拆解到任务级，用数字员工 SLA 衡量协同。
AI 三要素里，目前看来数据是最大短板。机构缺的不是算力，而是高质量数据资产与治理体系。只有把数据、算力、算法同时升级，才能让大模型持续产生业务价值。
一句话，数智化转型不是买系统、炼模型，而是系统性重塑数据、组织与流程。德勤愿做长期陪跑员，把技术热度转化为客户体验、员工效能与股东回报。我的分享先到这儿，谢谢。
张威：感谢金老师，刚刚听金老师说2016年的时候就有相关创新的产品出来，这个领域的涉足已经有将近十年了，从您这边开始我们进入互动环节。第一个问题是财富管理的数智化转型最核心的落地痛点是什么？怎样去平衡技术落地成本和业务提质增效的实际效果？
金科：当前财富管理生态主要包含银行、券商、基金以及第三方理财等机构。银行系资源最厚，人、财俱足，今年上半年多家大行已抢跑大模型、智能体。它们的核心矛盾是“旧业务+旧系统”如何与“新技术+快迭代”同频，遗留架构不拆，新能力就长不进去，转型升级容易卡在“嫁接层”。
头部公募今年把火力集中在前端获客、智能投顾、客服机器人等场景，成效初显；但腰部以下公司仍在外围打转。上周我们在杭州与一家中等规模基金公司复盘，CIO 抛出26年 AI行动计划，领导一句“没有新意”直接打回。症结是对AI应用场景缺乏前瞻性分析：量子计算做风控、隐私计算做合规，这些头部公募已悄悄跑通 PoC，非头部机构若缺少对前沿技术、解决方案的“雷达系统”，就只能重复造轮子。
更关键的是能力缺失。信息化部≠数字化部，传统金融机构若缺少数据工程、算法科学家、大模型专家等“新工种”，内生动力起不来，就必须通过生态补位：与科技厂商共建联合实验室、共用行业云算力、分享合规沙箱，把能力“外包”变“内嵌”，否则AI项目永远停在 PPT 阶段。
共性问题还是数据。大家都知道数据值钱，却缺“高纯度矿石”。大部分机构仍然使用 Excel+SQL 的“冷兵器”，面对语音、图像、研报、舆情多模态数据束手无策；建垂域大模型要先完成“数据原子化+向量可计算”，大部分机构这块目前仍处在空白阶段。新技术有新规律：尽管数据多多益善，但“可计算、可反馈、可沉淀”才能产生复利。
去年我们做了跨行业 AI 应用指数，TMT、高端制造业领跑，金融落在 45°线中段——有试点、有预算，但成效尚未冲到第一梯队。如何把“金融场景”翻译成“AI 语言”，仍是传统财富管理机构共同的功课。先分享到这儿。
张威：感谢金老师，业务模式和技术的结合需要时间，有些机构对于AI的理解包括对数字化能力都是需要一个时间的积累和沉淀，包括对数据分析。
张威：感谢杨主任，主任讲到特别重要的是数据和风险的，数智化转型的过程中，客户的数据安全和隐私保护是核心底线，主任提到了监管的一些思路，行业应该如何兼顾数据应用效率与合规管控呢？
金科：我补充一下，在数智化转型过程中，兼顾数据应用效率与合规管控，需以合规框架为基础、技术创新为核心、管理优化为保障，结合行业政策要求与自身业务特性来落地，具体策略可从以下四个方面考虑：
1. 锚定合规底线，搭建适配的合规管理体系
◦ 紧跟政策完善制度：对标《数据二十条》《推动数字金融高质量发展行动方案》等政策要求，建立覆盖数据采集、存储、处理到应用全流程的合规制度。明确各环节的数据责任主体，比如在数据采集环节要获取客户明确授权，跨境数据传输需满足监管备案等要求，从源头规避合规风险。
◦ 分级分类精准管控：按照数据敏感程度，将客户数据划分不同等级，像核心的身份信息、资产信息为高敏感数据，普通咨询记录为低敏感数据。针对高敏感数据采取最高级别防护与严格使用审批流程，低敏感数据简化流通与应用流程，在合规基础上提升应用效率。
◦ 搭建合规审查机制：设立专门的数据合规审查部门，在数据应用相关项目落地前开展合规评估，项目运行中进行定期巡检，出现违规风险时及时预警并整改，让合规管控贯穿数据应用全周期。
2. 依托技术创新，实现安全与效率的双向赋能
◦ 运用隐私计算等安全技术：采用联邦学习、差分隐私、可信执行环境等隐私计算技术，可在不泄露原始客户数据的前提下，开展数据建模与分析。比如金融机构可通过该技术联合多方数据做风控模型训练，既提升风控模型精准度，又避免数据外泄，兼顾数据共享应用与隐私保护。
◦ 落地本地化技术部署模式：参考券商大模型应用的主流模式，对核心数据相关的数智化系统进行本地化部署，所有客户数据均在机构内部系统处理，杜绝数据流出风险。同时搭配RAG技术、向量数据库等提升模型输出精准度，让本地化的数据处理既安全又高效。
◦ 搭建智能风控与安全防护系统：搭建AI驱动的智能风控系统，实时监测数据使用行为与异常交易，快速识别非法数据调取、数据泄露等风险并自动拦截；还可借助区块链技术搭建数据交易平台，实现数据交易全流程可追溯、不可篡改，提升数据流通的安全性与可信度，同时提高数据交易效率。
3. 优化数据治理，夯实高效合规应用的基础
◦ 统一数据标准与治理规范：解决数据格式、标准不统一的问题，搭建企业级统一数据中台，整合分散在各业务板块的数据，建立标准化的数据处理流程，提升数据质量与互操作性，让数据能快速被调取与应用，提升应用效率。就如头部券商搭建高安全、高可靠的统一数据存储系统，为数据高效应用提供支撑。
◦ 合理分配治理投入占比：提升数据治理在整体IT投入中的占比，改变当前部分金融机构数据治理投入占比过低的现状，加大对数据治理技术、人才的投入，完善数据治理体系，从根源上保障数据在合规范围内高效流转。
◦ 建立数据全生命周期管理：从数据产生到销毁全流程进行规范化管理，对数据存储期限、流转路径、使用权限进行明确限定，通过数字化手段实时监控数据状态，既避免数据冗余影响应用效率，又能防止数据违规使用。
4. 联动多方力量，构建行业合规高效应用生态
◦ 强化跨部门协同监管：推动金融监管机构、网信部门、公安机关等多方协作，构建跨部门执法体系，加大对非法买卖、窃取客户数据等行为的打击力度，为行业数据合规应用营造良好环境。
◦ 参与行业数据交易体系建设：积极接入合规的行业数据交易所，依托交易所明确的数据交易规则与定价机制，开展合法的数据交易与共享。借助交易所的资源整合能力，快速获取合规数据资源，提升数据应用效率。
◦ 探索行业数据共享机制：在监管牵头下，行业内机构共建安全可信的数据共享体系，在客户授权前提下，实现特定场景如信贷审批、风险核查的数据共享，提升行业整体数据应用效率与服务能力。
张威：感谢金老师跟徐总从行业的视角聊了一下我们怎么规避风险。
张威：感谢陈总，时间还有六分钟，最后提一个问题，三到五年财富管理数智化转型的核心趋势以及未来的格局，包括机构和从业者应该如何提前布局。有请金老师和徐总准备一下。
金科：3-5 年其实已算“长周期”。德勤亚太区刚做完“2030 数字化”畅想，我们内部已经在思考：AI 之后是什么？答案清单里出现具身智能、量子计算、空间技术。技术换挡提速，财富管理行业的数智化却仍征途漫漫：获客、投研、风控、运营全链路，截至今年底仍 80% 处在 POC 阶段，成功样本稀疏，失败复盘扎堆。下一程，谁能把单点 POC 拼成“全场景、全链路”的 AI 流水线，谁就能拿到 3-5 年里的优先通行卡。
运行逻辑也将被重写：从“流程-部门-岗位”三级树，升级为“智能编排+自主价值交付”的立体网络。核心运营、风控、客户交互将最先被“算法值班、数据跑路”颠覆，岗位颗粒度细化到任务级，人机协同 KPI 写进 SLA。
再看全球配置。境外市场，美国、香港、新加坡等已把数字货币、稳定币打包进高净值组合，催生新的行业生态和数字化场景；国内监管虽呈现差异，但随着新一轮的中企出海，客户全球资产配置的需求外溢，反向倒逼机构提前搭建“可跨境、可扩展、可合规”的数字底座。未来3-5 年，谁能把境外新资产、新风险、新合规要求翻译为 AI 可执行的“场景脚本”，谁就能在下一轮竞争中提前撞线。
张威：感谢金老师。
张威：本场讨论到此结束，感谢各位嘉宾的精彩发言，也感谢各位的聆听。
