当前，金融科技正迈入大模型与智能体深度融合、规模化落地的关键阶段，AI 应用从文本辅助、信息检索等浅层赋能，加速迈向自主决策、流程执行、业务协同的数字员工新阶段，监管规范、场景深耕、价值创造成为行业发展主线。近日，“2026金融业大模型与智能体应用研讨会”在北京举行，行业聚焦大模型与智能体在金融领域的合规落地、场景深耕与价值创造。日照银行首席信息官、数字银行部总经理王逸东受邀出席，并接受《数字金融百人谈》栏目专访。

王逸东结合日照银行在供应链金融、生物资产监控、智能仓库等场景的AI实践，系统分享2026年金融AI发展趋势、中小银行落地路径、特色业务赋能经验，为中小金融机构低成本、高效率、稳合规推进大模型与智能体应用提供可复制参考。

打开网易新闻 查看精彩图片

一、趋势判断：2026金融AI进入智能体规模化落地，从工具到数字员工

1.三年演进：从验证到探索再到加速普及

王逸东认为，金融行业AI应用呈现清晰阶段跃迁：

2024年：大模型落地验证期，以文本处理、知识库、制度问答为主；

2025年：智能体大规模探索期，从信息辅助走向自主执行；

2026年：智能体加速深化期，AI不再是辅助工具，逐步向数字员工转变，深度参与信贷、风控、运营、客户服务全流程。

2.四大核心趋势

发展速度远超以往：大模型与智能体迭代速度显著快于互联网化、大数据与云计算浪潮，落地周期大幅压缩。

人智协同进入新阶段：从“人工+工具”升级为人智合一、协同共生，员工在AI加持下提质增效。

智能体实现能力跃迁：突破信息检索，走向自主决策、判断、执行，具备类员工业务处理能力。

模型走向轻量化精准化：金融场景更适配垂域小模型、蒸馏小模型，聚焦痛点、成本可控、效果更优。

二、实践落地：日照银行以AI破解特色业务痛点，赋能供应链与生物资产金融

1.两大应用方向：通用跟随+特色深耕

日照银行将AI落地分为两类，兼顾合规与创新：

通用场景跟随策略：办公知识库、制度问答、文本润色、会议纪要、信贷助手、企业调研分析报告等，快速补齐基础能力。

特色场景创新突破：立足区域资源与本行优势，聚焦供应链金融、生物资产金融，用AI解决传统人力难以覆盖的监控与风控难题。

2.两大标杆案例

①智能仓库：AI视觉+边缘计算破解小宗散货管理难题

场景痛点：供应链金融从大宗原油向小宗冻品、散货延伸，传统人工巡检成本高、效率低、风险难控。

解决方案：联合科技公司，采用AI摄像头算法+边缘计算盒子，实现智能仓库7×24小时实时监测，识别盗窃、违规移动、异常出入库等行为。

实施成效：大幅降低人力投入，把“不可行、难管控”的业务变为可标准化、可规模化的金融服务选项。

②深远海养殖：多传感融合+大模型分析支撑生物资产金融

场景痛点：日照三文鱼产业从陆基培育走向近海、深远海养殖，传统手段无法监控水下生长、水质、风险。

解决方案：运用声呐、物联网传感器、水下摄像头采集数据，通过大模型分析生成生长监测报告，预警气象风险与偷盗行为。

实施成效：攻克深远海生物资产监控瓶颈，为水产养殖信贷提供可信数据依据，助力地方特色产业发展。

3.核心理念：科技服务金融，不为技术而技术

王逸东强调，中小银行推进AI必须坚持业务导向、价值导向：技术应用要解决真实痛点、创造业务价值，不做表面工程、不盲目跟风堆场景。

三、中小金融机构启示：量入为出、因地制宜，走差异化AI之路

1.投入原则：量入为出，跟上浪潮不被掉队

中小机构资源有限，应控制算力与研发投入，在可承受成本内紧跟技术趋势，避免一步慢、步步慢，确保在智能化转型中保持竞争力。

2.发展定位：科技服务金融，立足禀赋做特色

坚守金融本质，科技是手段而非目的；

结合区域资源、自身优势，选择高价值、高适配场景集中突破，不搞全面铺开、不盲目对标大行；

优先落地见效快、风险低、可复制的场景，快速形成正向循环。

3.技术策略：轻资产、重集成、善用开源与成熟方案

不盲目自研大模型，优先采用开源模型、成熟商用服务；

聚焦垂域小模型、场景化微调，降低成本、提升精准度；

做好协议封装与接口适配，保持模型替换灵活性，实现自主可控而非完全自建。

四、未来展望：AI推动科技部门从成本中心走向价值中心

王逸东表示，长期看AI将驱动银行科技部门从成本中心转向价值创造中心，成为业务增长核心引擎；但短期仍需面对算力成本高、全业务渗透尚需时间等现实挑战，坚持稳步推进、场景深耕、合规先行，以智能体与大模型释放新质金融生产力。