⁣
📰 陈国汪：银行机构AI建设到底需要投入多少钱

本文系统梳理了中国银行业在AI能力建设方面的六大核心板块及其投资梯度，涵盖算力基础设施、数据资产与治理、模型与平台、业务场景应用、AI安全与合规治理、组织与人才六项。不同规模银行在各板块的投入呈现明显分层：国有大行与头部股份行以全栈自研、全域覆盖为目标，投入通常在30-60亿元/年，强调千卡级算力、湖仓一体的数据底座、金融大模型研发与全流程治理；中型城农商行多以核心场景深度落地为主，单项投入数千万至上亿级，强调风控、信贷等核心场景的模型优化与数据治理的轻量化部署；小型区域银行以轻资产、标准化工具为主，注重单点落地与外部服务商支持，年度投入在几十万元到几百万元不等。六大板块的投入占比也呈现规律性：算力、数据治理、场景落地、模型与平台、合规治理、组织与人才各自占据不同的比重，合规与人才成本具有刚性增长特征，且受监管趋严影响持续上升。整体趋势显示，银行AI建设正从单点工具向全链路、全域治理与自控能力转变，形成以大规模自研能力、统一平台、可复用模型资产与专业团队为核心的长期建设路径。

🏷️ #银行AI #算力基础 #数据治理 #模型平台 #场景应用

🔗 原文链接

⁣
📰 Claude又来金融圈“炸场”了！甩出10大金融智能体模板

Anthropic 发布了面向金融服务业的十款开箱即用型智能体模板，涵盖研究分析、风险合规、客户运营和财务工作流程等核心场景，旨在将繁琐的金融工作流程数字化、插拔化。模板以插件形式集成到 Claude Cowork、Claude Code，并提供适配 Claude Managed Agents 的操作手册，帮助金融机构在数日内投入实战，避免长时间定制开发。模板核心包括三大组件：技能、连接器、子智能体，机构可按自有建模、风控和审批流程灵活调整。工作流覆盖在 PowerPoint、Excel 等场景的自动化生成，如 Pitch Book、可比公司分析、授信备忘录等，分析师聚焦叙事与判断，模型与数据自动支撑。两种部署路径：桌面协作和托管运行，确保在不同场景下均能审阅、迭代与审批。并列出八大数据连接器与多家行业数据提供商，Moody’s MCP 应用于信用分析与合规。行业意义在于通过可插拔智能体，显著缩短实施周期，推动从业者从繁琐执行走向判断与决策，虽有数据供应商股价波动等市场信号，但也揭示金融服务对护城河的新挑战。

🏷️ #金融 #人工智能 #工作流 #模板 #数据连接器

🔗 原文链接

⁣
📰 中国算力平台诚邀各界共建“算力经济共创体系”

英伟达GTC 2026大会上，黄仁勋多次提及“Token”经济，强调以算力经济价值挖掘为核心的新形态，推动行业从单纯追求算力规模向算力经济协同转型。中国信通院依托中国算力平台，联合产业界共建“算力经济共创体系”，面向产学研各界招募合作伙伴，旨在通过全链条支撑推动算力价值转化，破解技术适配难、成果转化慢等痛点。算力平台已形成全局总览与分域协同的格局，设立供需匹配、场景赋能、政策补贴三大核心功能，提供从技术验证到商业落地的一站式服务，帮助企业迅速对接算力资源、模型落地与场景应用。入驻邀请覆盖算力资源、算力模型、算力硬件以及行业应用等四大类供应商，聚焦全国性资源池、模型适配、国产化硬件与行业深度融合场景，推动制造、教育、金融等重点行业的数字化与智能化升级。申报单位可通过模板材料提交，邮箱反馈并等待后续对接。中国算力平台表示将与各方携手，促进产业协同与算力经济高质量发展，推动算力赋能应用落地。

🏷️ #算力 #产业协同 #算力经济 #模型落地 #行业应用

🔗 原文链接

⁣
📰 最新研究：AI已经能在几分钟内通过CFA最难级别考试_腾讯新闻

最新研究表明，AI大模型在金融专业测试中的表现显著提升，尤其是CFA三级考试。顶尖AI模型如Gemini 2.5 Pro和Claude Opus 4，能够在短时间内通过这一考试，准确率远超要求。而人类考生通常需要数百小时的学习才能达标。研究显示，尽管AI在选择题上表现出色，但论述题仍是其短板，特别是在逻辑推理方面。

研究还发现，通过链式思维提示（CoT prompting）可以显著提高AI在论述题上的准确率，增加了15个百分点。这表明，AI虽然在考试中展现出强大的能力，但并不意味着它可以完全替代人类金融专家。CFA协会的观点强调，信任和专业精神在金融行业中依然不可或缺。

此外，教授Srikanth Jagabathula提到，AI在回答具体问题时表现良好，但在理解用户隐含需求方面仍显不足，导致用户对其信任度降低。这些发现提示我们，尽管AI技术不断进步，但在复杂的人际互动和道德判断上仍需谨慎对待。

🏷️ #AI #金融 #CFA #考试 #模型

🔗 原文链接