财跃星辰发布金融智能体FinWork V1.0

资讯 凤凰科技 作者:财联社 全文 3306 字 · 约 9 分钟读完 配图 10 张 分类金融 AI智能体

发布会同期举办的圆桌论坛上,财跃星辰售前总监李亚军主持对话,兴业证券李飞、国金证券谭啸、平安证券唐若华、银河期货沈毅共同探讨金融智能体落地的深层挑战,最终收敛出四大共性卡点:一是合规,Agent架构下任务执行路径的不确定性与金融合规要求存在张力,大量场景被打磨为确定性工作流,牺牲了灵活性;

所属频道 智能体与 Agent行业落地

《科创板日报》11月21日消息(记者 王耐 田野),11月20日,财跃星辰金融智能体专场暨FinWork V1.0发布会在长沙举行。

image

界面财联社与阶跃星辰联合打造的这家金融AI服务商,这次拿出的FinWork V1.0不再只是单点工具,而是把能力做成覆盖各个岗位的底座来交付。

image

财跃星辰首席运营官(COO)张展到场作开场致辞,并宣布 FinWork V1.0 正式发布。

张展在致辞中说,2026年会是金融智能体的爆发之年,投顾、投研等真实业务场景里已经能看到智能体落地,可行业眼下还得面对落地、治理、基建这三道现实考题。他解释,FinWork不是把通用AI能力套上金融外壳,而是从金融行业的数据与场景里长出来的专属高效工作台,目的是让智能体真正进入金融从业者每天的工作位。

image

财跃星辰 FinWork 产品研发负责人陈林平在发布会现场。

陈林平在介绍产品时提到,金融行业眼下还没有一款真正贴合行业需求、又能同时照顾员工办公效率与企业能力沉淀的专属AI工作台。传统AI工具的问题集中在五处:内部业务系统和AI接不上,数据获取、分析、回写这条链路走不完整;存量系统里的专业能力没法快速交给智能体调用;优秀员工用AI的经验很难复制给新人;生成过程不透明,输出结果追溯不到来源;员工本地工具没有统一权限管理,达不到金融行业的安全合规要求。

围绕这些短板,FinWork V1.0搭了“三层使用+三层接入”的架构。使用层分三个方向:给个人的是内置220余个金融Skill、金融数据MCP工具和十余种专业图表能力的专属助手;给部门的能把个人经验变成可共享的标准Skill,让能力复用起来;给组织的则是企业级Agent平台,靠沙箱执行和行为监测管住Agent的全生命周期。接入层同样分三层:API层拿出最小颗粒度的能力供开发者自由组合,SDK层把业务语义封装好实现模块化集成,配置化层让没有开发能力的部门自己搭专属工作台。

可信安全是金融智能体和通用产品拉开差距的地方。据介绍,FinWork自研的金融搜索覆盖行情、公告、研报、投资者关系等多类信源,并按来源设定可信度等级;输入数据统一转成“实体—属性—关系—值”的标准化证据链格式,输出内容可做事件实体交叉校验,关键数据和观点都能追到来源与工具调用链路。权限上遵循独立确权、最小确权、限时授权三条原则,事前定策略、事中由沙箱实时监测、事后全链路追溯任务执行与资源消耗,Agent被当作独立主体来做权限管理和审计。

产品底层用财联社7×24小时资讯数据搭起金融数据底座,模型底座则把自研金融垂类模型、F1金融大模型与阶跃星辰STEP系列模型融在一起,覆盖智能投顾、智能投研、企业服务、合规风控四大场景,另有专业团队提供私有化定制服务。

image

财跃星辰解决方案专家赵圣磊在发布会现场。

赵圣磊讲了底座之上的五大垂类智能体,各自对应不同业务场景的流水线作业。“文曲星”做金融内容生产,靠预生产源语料层把选题、成稿、配图整条流程自动化,普通金融问答响应压到10秒内,单条内容生产成本控制在3分钱,生成速度约8秒,图文、视频等多形态都能输出;“北极星”盯的是高复杂度投研,依托专属FinWork Harness架构与预训练模型形成数据飞轮,支持主动资讯推送、上市公司资料收集、自定义资料库和实时更新看板;“启明星”服务企业全生命周期,提供财报解析、同业财务分析和尽调报告生成;“天琴星”是合规优先的AI智能外呼,底层接入财跃语音模型;“天枢星”面向C端,支持金融机构APP与小程序的AI化改造,覆盖90%以上证券前端业务场景。

国泰海通、兴业证券、国金证券三家机构在发布会上首次完整披露了智能体规模化落地的实践路径与成果数据。

image

国泰海通证券大模型应用负责人唐登龙在发布会现场。

唐登龙介绍,国泰海通2017年就提出“AI in all”战略,2024年升级为“All in AI”,建起“AI Ready”统一架构:底层是私有化信创算力,数据层建成全模态元数据湖并支持鉴权、血缘追踪与审计,算力层做到异构资源统一调度,模型层接入“1+N”模型矩阵并由网关统一提供接口。目前国泰海通已落地1300余个Agent、400余个Skill,覆盖九大领域260余个场景,Skill累计调用超50万次;自研灵犀Graph架构把复杂任务响应时间从11秒压到3-4秒,吞吐能力提升超100%。

image

兴业证券 AI 创新实验室负责人林泽钧在发布会现场。

林泽钧拿炒菜机器人打比方,说智能体的评价标准可以对应成“食材、手艺、味道”,也就是数据可信、执行过程可信、价值可信。他表示,兴业证券主张以业务结果为导向做量化验收,别把模型跑分、智能体数量当成验收标准;落地路径是“能迁尽迁、迁移即纳管”,把分散的智能体逐步迁进统一运行时底座,做到统一身份、统一审计与统一算力调度。目前兴业证券已累计收集八、九万条投顾高质量语料,所有AI应用确保全流程可解释。

image

翰纬科技副总经理孙鹿威在发布会现场。

孙鹿威从供给侧看问题,认为眼下智能体Skill建设卡在三重天花板上:个人能力差异大、成果难沉淀成组织资产、缺少安全审计。破局办法是搭“产线+工位+支撑体系”的车间式架构,让Skill生产从手工作坊转向流水线。他建议先落地轻数据场景,快速建立业务体感,把合规规范内建到Skill配置里,再通过平台工程手段管控权限、保护核心业务逻辑。

image

国金证券 AI 实验室负责人万宇雷在发布会现场。

国金证券AI实验室负责人万宇雷在发布会上说,公司搭建统一智能体体系,主要是想解决各部门重复建设、资源浪费和治理缺位这几个问题。落地路径上,国金按六大原则、四层基建来推:算力侧做模型适配优化,把存量算力盘活;网关侧建统一的AI模型与应用网关,让智能路由、全链路追溯、动态授权都能跑起来;安全侧则和财跃星辰一起搭安全围栏。他给出的数字是,目前国金已落地150余个AI场景、400余个Skill,总调用次数超过8000万次,财富、机构、投行、自营、办公、内控全条线都有覆盖。万宇雷同时点出一个行业共性问题:算力迭代太快,老旧算力和存量模型怎么纳管、怎么处置,目前还没有最优解。

image

发布会同期还办了一场圆桌论坛,由财跃星辰售前总监李亚军主持,兴业证券李飞、国金证券谭啸、平安证券唐若华、银河期货沈毅一起聊金融智能体落地难在哪。讨论最后归到四个共性卡点上。合规方面,Agent架构下任务执行路径不确定,和金融合规要求之间存在张力,结果大量场景被磨成确定性工作流,灵活性打了折扣。人才方面,既懂业务又懂AI应用的复合型人不好找,一线员工对AI的接受程度也分化明显。数据方面,传统结构化数据对智能体的适配性不够,自然语言查询能力有上限。运营审计方面,分散的AI应用缺少统一观测,企业层面很难准确掌握实际使用情况和成本消耗。

平安证券唐若华强调,投研场景要从企业知识域层面把知识底座统一治理起来,知识标准、元数据规范、多模态加工规则都统一,免得各业务线重复建设、口径不一。知识质量直接决定智能体输出效果。银河期货沈毅表示,期货行业受牌照、合规和预算限制,AI应用先聚焦内部提效;对话型智能体的可靠性还不够,要等执行能力成熟后再往深里推。国金证券谭啸的看法是,Skill建设得克制,只在通用高频场景搭,并按个人、公司内部、对外分级设置管控策略;对外的Skill要把核心逻辑全面封装,避免内部接口和业务逻辑泄露。

发布会期间,财跃星辰与云轴科技签署战略合作协议,为金融智能体私有化部署补底层基建。双方将联合研发金融智能体网关与算力调度管理方案,适配金融机构数据不出域、全栈信创适配的部署需求。

image

财跃星辰与云轴科技战略合作签约仪式现场

财跃星辰方面表示,金融智能体要规模化落地,关键不在模型参数堆了多少,而在日复一日的场景实践。从桌面助手到全员能力底座,FinWork V1.0的发布是金融智能体从演示走向实用、从单点走向体系的重要一步。未来公司会持续迭代产品能力,推动智能体真正嵌入金融行业的每一个工作岗位。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  2. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  3. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  4. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  5. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  6. Gemini 4 翻身记:SemiAnalysis 补交道歉表,Hassabis 接梗

    曾断言 Gemini 掉队的研究机构 SemiAnalysis,在 Gemini 4 系列密集发布后向 Google 公开致歉。文章梳理 DeepMind 的组织调整、算力分配与长期研发积累,解析真实工程任务驱动的后训练如何提升编程和智能体能力。

    来源 爱范儿
  7. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
  8. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  9. OpenAI首款AI硬件揭秘:苹果班底操刀,富士康立讯分食订单

    OpenAI确实是挖到苹果的「大后方」了。 证券时报11月19日一早就援引供应链消息指出,富士康旗下富智康集团(FIH)已经获得OpenAI手机项目订单,将参与相关产品的整机组装。事实上,前一晚每日经济新闻也援引供应链人士表示,立讯精密目前与OpenAI有多个产品的全面合作,「或因资源配置的统筹考量未承接手机组装业务。

    来源 AI 行业观察
  10. Claude开AI工厂:7周造38个模型,狂揽5.5万下载

    Claude开了一家造AI的工厂! 七周,Claude交出38个模型,狂揽约5.5万次下载,杀进100多个GitHub项目。 38个模型累计下载约5.5万次,光是提示注入检测系列就有约1.7万次下载。 这AI工厂背后的「老板」叫Horizon,是一个基于Claude Opus 5.5的智能体。 它开局拿到的,只是一个空

    来源 AI 行业观察
  11. 张博开源Linger:零token费本地跑125B模型,12GB显卡够用

    11月19日,前DeepSeek-VL项目负责人张博在X宣布开源个人Agent Linger,开发主体是张博创办的SIMPLEX AI TECHNOLOGIES PTE. LTD.(以下简称“Simplex AI”),代码已上传GitHub。按项目文档,Linger读取本地邮件、日历和文件,操作用户已登录的浏览器;连接

    来源 腾讯网
  12. 智能体AI架构落地:挑战在哪,机会又在哪

    智能体 AI 架构在微服务与云原生架构的基础上进行了扩展,引入具备上下文感知、记忆能力,并遵循 MCP、A2A 等协议的 AI 智能体。本文探讨受限上下文集成、依赖任务的协同策略、新型安全风险以及可观测性需求。

    来源 InfoQ
  13. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  14. Uber建MCP Gateway:800个服务器、5000个工具如何统一调度

    作者 | Leela Kumili译者 | 田橙随着 AI 智能体在公司内部得到广泛采用,Uber 构建了一套 MCP Gateway,用于规范智能体发现和调用内部服务的方式,以解决集成碎片化、基础设施重复建设和安全实践不一致等问题。该平台支持 800 多个 MCP 服务器和 5000 多个工具,为服务发现、协议转换、

    来源 腾讯网
  15. 智能体AI架构:挑战与机遇并存,工程师如何应对

    大多数软件工程师和架构师对微服务和云原生架构早已耳熟能详,多年来也一直参与构建基于这些架构的系统。基于微服务的系统通常由数十、数百甚至数千个服务组成,负责不同类型的数据处理任务——API 端点、数据管道、后台工作流,以及各类中间场景——但它们都有一个共同点:按照代码确定的逻辑或基于从数据存储中检索到的数据来处理数据。这

    来源 AI 行业观察
向下滚动自动加载更多