AI 行业落地 | 第44期：银行的智能体，先学会追问一句
# AI 行业落地 | 第44期：银行的智能体，先学会追问一句
> 一位餐饮店老板只说了一句“想提额”，智能体没有直接提交申请，而是先追问出开店的资金缺口。银行的智能体，值钱的地方可能就在这一问里。
一位餐饮店老板走进网商银行的智能体，只说了一句“想提额”。换作过去，这句话会直接变成一张提额申请表；这一次，智能体没有直接提交，而是反过来追问：新店开在哪里、整体要投多少、自有资金有多少。问完才发现，老板要的不是更高的额度，而是一笔筹集新店开店资金的钱，缺口约40万元¹。
11月2日，2026年世界互联网大会乌镇峰会开幕，网商银行的小微普惠金融智能体“百灵2.0”拿到了互联网之光博览会的“新耀场景”奖，是唯一上榜的银行¹。奖项的定位写得很明白：产业落地示范样板，看的是数智技术在具体业务里有没有扎实成效、能不能复制推广。这一期就从这个获奖的智能体讲起，再看同一天在香港发布的另一个金融模型——两边的路数不一样，值得放在一起看。
一、百灵2.0：先把一句话还原成一件事
1. 背景：小微的需求具体、变化快，银行的能力却分散在各部门
小微金融服务正在从解决“有没有”，走向解决“好不好”。小微经营者的需求具体、变化快，而信贷、风控、审批、财税等专业能力分散在银行不同部门，很难围绕一个客户及时协同¹。经营者不必先弄清该申请哪种产品，只需说出正在经营什么、遇到什么问题——这是百灵2.0在今年外滩大会上推出时的定位，面向4200万小微用户，提供信贷、票据、财税服务¹。
这个定位的另一面是：银行没有线下网点，服务只能靠线上一次把事说清、办成。话说不清，产品再多也只是货架；话说清了，银行各部门的能力才有机会被一次调动起来。
2. 机制：追问真实目标，再调用银行的能力
百灵2.0的做法是：经营者说出正在经营什么、遇到什么问题，百灵会追问真实目标，调用银行的分析、风控和办理能力，与客户共同形成方案¹。餐饮店老板那个例子，追问之后形成的方案是：客户确认后，10分钟内，他的可用额度由15万元升至40万元，可按开店进度分笔使用¹。额度数字本身是这一个案的个例，不是承诺，也不是所有客户都能拿到的标准——写在这里，是为了说明追问之后方案变了样子，而不是为了证明额度一定能翻倍。
调动的不只是一个额度。网商银行已落地八大AI工作台，风险分析从“客群”细化到“客户”，资深审批专家的经验沉淀为AI能力¹。今年7月台风灾害中，一位受灾种植户申请延期还款的求助，触发了网商银行1小时内向数万名产业链上下游客户送达服务方案¹。这两个例子放在一起，机制就清楚了：智能体负责理解需求、调度能力、执行可验证的工作，关键判断和最终责任仍由人承担¹。这一句是报道原文里的话，也是这期最值得抄走的分工线。
网商银行“百灵2.0”获世界互联网大会“新耀场景”奖（来源：新浪财经）
3. 效果：时间账是实的，规模账要分开算
复杂需求的办理时间由3天缩短至10分钟¹——这是百灵2.0给出的办理时间账，口径来自银行方面的介绍，未经独立验证，但它指向的是一个可核对的维度：原来要几天跑下来的事，现在一次交互里有没有办完。
规模数字要分开算，不能混成智能体的功劳。截至2025年末，网商银行综合金融服务客户数达7722万户，客户资产管理规模达1.2万亿元¹——这是整家银行的规模，不是百灵2.0一个产品带来的增量。4200万小微用户是百灵2.0面向的服务对象，同样不是“已经用上智能体”的用户数。把这几档数字摆开，读者才不会把银行的体量误读成智能体的效果。
二、轩辕4.5：另一条路，让风控策略自己进化
1. 背景：同一天在香港，模型发布会的说法是“自进化”
同一天，2026香港金融科技周开幕式上，度小满与香港科技大学、香港生成式人工智能研发中心联合发布轩辕4.5金融增强大模型，称它是金融领域首个将自进化RSI技术运用于模型训练及智能体场景目标适配的金融增强大模型²。“首个”这个说法是发布方的自称，报道里没有第三方验证，这里照原文转述，不当定论。
2. 机制：数据合成、微调、强化学习都交给同一台机器
轩辕4.5包含大语言模型和多模态模型两部分，自研的Xuanyuan-Machine参与智能体数据合成、有监督微调、强化学习等环节，让模型持续适配金融任务；针对需要多步分析的复杂业务，结合长链路强化学习、信贷标准作业流程奖励及在线策略蒸馏，融合多领域专家能力，并在可信合规的金融智能体环境中构建超过1000亿Token的场景增强数据²。
一个具体的匹配例子：对于需要短期资金周转、回款后才有现金流的客户，模型据此匹配方案——用款期间先付利息，货款收回后再还本金²。这一条和百灵的追问是同一回事：先看清客户现金流的节奏，再定方案的形状，而不是先给一个标准产品。
度小满轩辕4.5发布现场（来源：新浪财经，企业供图）
3. 效果：风控那一档数字，同样是发布方口径
度小满方面给出的数据（公司披露、未经独立验证）是：基于轩辕，度小满已构建上千个智能体、5000余项技能，日均Token使用量超过1000亿；在信贷业务上，智能风控已经全面由智能体驱动并实现根据环境动态自进化，风险策略迭代周期已压缩一半以上；短期逾期风险下降约50%，信贷年化逾期风险整体降低了12%²。
另外三档同样是公司口径：信审场景中，AI信审员审核能力超过80%的人工信审员，客户等待时长从10分钟缩短至2分钟；客服Agent可独立处理80%的高频问题，复杂问题再由人工兜底；企业微信场景中，一名客户经理加上企微Agent可服务的客户数提升到2万人，工作量相当于原来10名客户经理²。还有一句总账：轩辕4.5基于RSI技术在获客、风控、客户经营等核心金融场景中实现效果提升30%，成本仅为通用模型的10%²——“效果提升30%”指的是所测金融场景里的对比，不是全行利润提升30%，读的时候别放大。
三、三件可抄走的事
一是先追问，再办事。用户说“想提额”，先别急着把请求翻译成产品——多问一句新店、投入、自有资金，请求本身可能就变了。对服务小微的企业来说，这一问省下的不只是时间，还有错配的额度。
二是把“人兜底”写进流程，而不是写进口号。百灵是关键判断和最终责任仍由人承担，度小满是客服复杂问题人工兜底。兜底口设在哪一级，决定了智能体敢不敢在真实业务里跑起来。
三是风控策略要留一条自我进化的路。度小满的路数是让智能体驱动风控策略随环境动态调整，迭代周期压缩一半以上。策略写死在上线那一天，风险一变就只能靠人工返工；策略能跟着环境走，人才有空去管真正难的个案。
追问之后
留一个还没完全有答案的问题：追问这一步，边界在哪？问得太少，方案容易错配；问得太多，小微经营者本来就是在忙生意，没工夫陪智能体做问卷。百灵的例子里，追问停在“新店位置、整体投入、自有资金”这三项上，刚好够算出40万元缺口。下一道题是：这三项是怎么定出来的——是固定的问卷，还是每次现想的？报道里没有答案，原样记一笔，不替它补。
放在这个背景里看，银行智能体这一轮真正有意思的地方，不在它能回答多少问题，而在它敢不敢在办事之前，先把问题问清楚。问清楚了，银行各部门的能力才调得动；问不清楚，智能体再快，也只是把一张错的申请表办得更快。
觉然小注
客户说一句话，银行要听出三句话：他现在在哪一步、缺的是什么、钱要在什么时候到。听不全，就别急着给方案。
智能体进银行，值钱的不是回答的速度，是追问的准头。准头到了，额度、风控、客服才都跟着顺下来。
引用与出处
[1] 新浪财经. 从数字银行到AI银行，网商银行AI智能体“百灵2.0”获世界互联网大会新耀场景奖. 新浪财经, 2026-11-02. https://finance.sina.cn/2026-11-02/detail-inixiuev0381586.d.html
[2] 北京商报（经新浪财经转载）. 国内首个自进化金融增强大模型亮相2026香港金融科技周. 新浪财经, 2026-11-02. https://finance.sina.cn/2026-11-02/detail-inixiiqz0497859.d.html