“当前全球大模型研究正处于类似寒武纪生命大爆发的阶段”，腾讯云副总裁胡利明在 2025 金融数智峰会上的判断，精准勾勒出金融 IT 行业的变革图景。在这场由 “国产化” 与 “智能化” 双轮驱动的产业革命中，金融机构正经历从基础设施到应用场景的全链条升级。腾讯云作为深度参与者，其观察与实践不仅揭示了行业演进的主脉络，更提供了从技术试点到规模化价值创造的可行路径。
一、国产化深化：从替代到自主的关键一跃
金融 IT 的国产化进程正进入攻坚期，这不仅是技术替代，更是自主可控体系的全面构建。胡利明指出，2025 年相关项目呈现爆发式增长，券商、保险机构在国产数据库选型、云平台建设等领域的投入显著增加，部分 ISV（独立软件开发商）因业务量激增而应接不暇。这种增长背后，是金融安全战略下的必然选择。
市场洗牌催生头部效应。近一年国内数据库厂商数量减少 60 多家，市场集中度大幅提升。金融机构的选型逻辑愈发清晰：优先选择经过大量业务验证、通过安全可靠测评与供应链测评的成熟产品。以腾讯云为例，其分布式和集中式数据库先后通过权威认证，已服务超 100 家银行及近 200 家专有云客户。这种 “幸存者效应” 表明，国产化已从 “有没有” 的初级阶段，进入 “好不好” 的质量竞争阶段。
区域与层级的梯度渗透。胡利明认为，未来几年国产化仍处于高峰窗口期，增长机会集中在两个维度：一是区域性银行加速补课，二是中尾部券商、保险及消费金融机构的规划启动。这类机构虽起步较晚，但需求明确 —— 在有限预算内实现核心系统的安全替换。这要求厂商提供更轻量化、模块化的解决方案，降低迁移门槛。
投入优先级的战略倾斜。即便整体 IT 投资缩减，国产化相关投入仍得到全力保障。金融机构将数据库、云平台等基础设施视为 “必选项”，因为这些核心部件承载着客户数据、交易信息等关键资产，是金融安全的底线。腾讯云的实践显示，通过分布式架构与集中式方案的灵活组合，可在保障安全性的同时，降低替换成本与业务中断风险。
二、智能化突破：从尝鲜到落地的价值闭环
DeepSeek 的出现成为金融 AI 应用的转折点，开源基模能力的提升让大模型技术 “走进千家万户”。胡利明观察到，如今大中小金融机构都能以低成本开发应用，但探索仍处于粗放阶段 —— 多数 Agent（智能代理程序）仅能满足基础体验，在复杂业务场景中准确率与实用性不足。
应用演进的四阶段跃迁。头部机构已展现清晰的进阶路径：从 “能聊天” 的基础交互，到 “能干活” 的任务执行，再到 “自主规划” 的决策支持，最终实现 “多 Agent 协同” 的价值闭环。例如，让 AI 智能体研究产业板块机会、对比个股，再调用量化交易模块完成自动执行，这种端到端能力正在重塑投研与交易流程。
成熟场景的价值显现。代码助手成为率先落地的明星应用，在金融机构开发全流程中提供代码补全、测试用例生成等支持，显著提升开发效率。企业知识库、初级投顾咨询等场景也已实现规模化应用。更值得关注的是风控领域的突破：腾讯云开发的风控大模型（MaaS 模型）融合专家决策经验与向量化特征数据，在零售银行与消费金融机构的实践中，用户识别区分度提升 10%—20%，展现出超越传统模型的智能性。
幻觉难题的工程破解。大模型的 “幻觉” 问题在金融领域尤为棘手，因为准确性直接关联资金安全与合规风险。胡利明坦言，完全消除幻觉仍是业界难题，但可通过多模态验证、安全模型嵌入、一致性校验等工程手段优化。腾讯云的实践显示，这些措施能将错误率控制在可接受范围，为高风险场景的应用铺平道路。
三、深水区挑战：数据、协同与治理的三重门
智能化向核心业务场景的渗透，暴露出更深层次的系统性挑战。胡利明指出，多数金融机构 “数据 For AI” 的体系尚未打通，小模型与大模型的协同机制不完善，这些都制约着 AI 价值的充分释放。
数据体系的重构命题。通用大模型难以胜任复杂信贷审批、精准风控等场景，因为这些任务依赖机构独特的专业数据集。胡利明建议构建 “小模型 + 大模型” 的协同体系：先打通并治理数据，建立可用数据集；再通过强化学习、监督微调等技术训练细分场景小模型；最终让小模型负责专业任务，通用大模型处理内容生成。这种架构既发挥了通用模型的泛化能力，又保障了专业场景的准确性。
投入与回报的平衡艺术。金融机构对 AI 的投入属 “战略级”，但落地时会谨慎细化资源分配。腾讯云的经验是，通过梳理合作范围与路径，优化算力池、平台及软件配置，可将客户初始预算削减一半以上。例如，某头部券商最初提出的资源需求经优化后，在保障效果的同时显著降低成本，这种 “精准投入” 思维是持久战的关键。
实施路径的阶梯设计。胡利明强调，智能化架构需 “模块化规划、阶梯式推进”：底层夯实分布式存储等算力基础设施，中层搭建灵活的训推平台，上层聚焦业务场景应用开发。每个环节都需明确时间节点、责任主体和验收标准。应用探索则遵循 “从易到难、小步快跑” 原则，先通过知识库问答等场景验证效果，再向风控决策等高难度领域渗透。
四、腾讯云的实践：从技术供给到生态共建
作为金融 IT 变革的重要参与者，腾讯云的策略清晰体现了行业趋势。其核心逻辑是：以国产化基础设施为底座，以智能化能力为引擎，通过生态协同降低机构转型门槛。
数据库与云平台的深度整合。腾讯云分布式数据库 TDSQL 与专有云平台的组合，已在多家银行核心系统替换中得到验证。这种 “云库一体” 方案的优势在于，既能满足金融级高可用要求，又能支持弹性扩展，适应业务波动。某区域性银行的实践显示，该方案可将核心系统替换周期缩短 40%，业务中断时间控制在分钟级。
AI 大模型的场景化落地。腾讯云金融大模型聚焦 “实用主义”，不追求参数规模，而注重业务价值。例如，在投顾场景中，通过整合行情数据、研报信息与客户偏好，生成个性化投资建议；在风控场景中，结合专家规则与 AI 模型，实现对欺诈行为的实时识别。这些应用的共同点是：有明确的业务指标提升，如客户转化率、风险识别率等。
生态协同的开放策略。腾讯云并不追求 “通吃”，而是联合 ISV、咨询机构构建生态。胡利明表示，金融 IT 的复杂性决定了单打独斗难以成功，只有通过生态力量才能覆盖全场景需求。例如，与量化交易服务商合作开发 AI 策略模块，与合规科技公司共建监管科技解决方案，这种 “互补式创新” 能快速响应市场需求。
结语：持久战中的决胜逻辑
金融 IT 的双浪潮变革本质是一场持久战，考验的不仅是技术实力，更是战略耐力。胡利明的判断揭示了核心逻辑：顶层规划决定方向，协同机制保障执行，阶梯式探索控制风险。在这场变革中，没有一蹴而就的捷径，只有通过持续迭代才能实现从 “技术试点” 到 “规模化价值创造” 的跨越。
对金融机构而言，国产化不是负担而是机遇 —— 借此构建自主可控的技术体系，摆脱对外部供应商的依赖；智能化不是炫技而是刚需 —— 用 AI 重构业务流程，在激烈竞争中保持优势。对厂商来说，腾讯云的实践提供了一种范式：以客户价值为导向，在安全与效率、投入与回报之间找到动态平衡。
当基础设施重构完成，智能应用全面落地，金融行业将进入新的发展阶段 —— 不仅服务更高效、风险更可控，更能通过技术创新拓展服务边界，实现普惠金融的终极目标。这或许就是双浪潮背后的深层意义：技术变革终将回归金融的本质，让每一份信任都得到更好的守护。