圆桌对话：降本增效 风控提智：数字员工驱动金融数智化转型的实战样本

金融专用技能包开源：AI智能体从通用走向专业

在圆桌讨论中，与会专家指出，过去金融行业引入AI常面临“通用模型懂语言不懂业务”的痛点。就在大会前夕，Anthropic正式开源了金融领域的Claude Skills套件——claude-for-fina，这一动作被视为金融服务智能体专业化的重要里程碑。该套件包含一系列针对信贷审批、反欺诈、合规审查、客户服务等场景的结构化指令集，能够将通用大模型快速转化为符合金融工程标准、理解风控逻辑的“专业数字员工”。专家们认为，这种“技能包化”的部署方式极大降低了金融机构自研AI的门槛，使得中小银行也能快速复用头部机构的最佳实践，实现降本增效。

从问答助手到自主执行：数字员工如何跨越“最后一公里”

圆桌嘉宾一致认为，当前AI Agent正经历从被动答疑到主动执行的范式转变。月之暗面在大会期间展示的Kimi K2.6模型，支持长达13小时连续编码、单次处理超4000行代码，并能驱动多达300个智能体并行协作执行复杂任务——这为金融场景中的“长链路自动化”提供了可能。例如，在信贷审批环节，数字员工可自动完成资料收集、数据清洗、风险模型计算、报告撰写甚至PPT制作的全流程，而无需人工反复切换工具。嘉宾强调，真正优秀的智能体不止依赖初始提示词，更应当能够从团队反馈中学习、在执行中自我优化，从而实现“越用越聪明”的风控提智效果。

企业级安全与治理：中兴通讯Co-Claw给出的金融落地答案

金融业的合规与数据安全要求极高，通用AI工具很难直接上岗。中兴通讯在大会上正式上线的Co-Claw企业版，成为圆桌讨论的焦点案例。该产品采用自托管架构，确保客户数据仅在私有云内流转，并提供了安全治理、能力复用与企业级运维支持。专家点评道，Co-Claw企业版补上了金融业AI落地的最后一块拼图——当模型性能足够后，能否安全、可控地部署到生产环境才是决定成败的关键。通过先行试点诸如智能客服、报表自动生成等边界清晰的场景，金融机构可以在风险可控的前提下验证数字员工的ROI，再逐步向核心风控、交易监测等关键业务扩展。

大模型能力跃迁：Qwen3.6与K2.6如何撑起数字员工新底座

圆桌还重点讨论了底层大模型的进展。阿里通义千问开源的Qwen3.6-35B-A3B模型，凭借MoE架构实现了350亿总参数下仅激活30亿参数的极致推理效率，在编程、Agent任务及多模态思考方面表现优异，尤其适合本地化部署。而Kimi K2.6则在长程任务与多智能体协同上实现了突破，支持Mac本地化部署并大幅提升推理效率。这些底层能力的提升，使得数字员工不再只是简单的“问答机器”，而是能够处理复杂金融逻辑、并行执行多个子任务、甚至跨系统调用的“虚拟员工团队”。专家预测，随着模型推理成本持续下降，金融业有望在2026年下半年迎来数字员工批量上岗的爆发期。

跨行业启示：从金融到制造，智能体驱动的效率革命正在复制

尽管圆桌聚焦金融，但讨论也延伸到其他行业。与会嘉宾分享了从金融智能体到制造、通信等领域的迁移经验。例如，中兴通讯Co-Claw企业版本身脱胎于通信行业经验，但通过模块化设计可快速推广至金融、制造等行业。人工智能编程工具领域也出现了类似趋势——阿里发布的Qoder 1.0已从AI IDE进化为智能体自主开发工作台，开发者只需通过自然语言即可驱动AI完成代码编写、测试、部署。圆桌嘉宾最后总结道，数字员工驱动的数智化转型本质是“人才价值与公司价值的重新对齐”：当AI能够承担大量重复性判断与执行工作，人类员工就可以聚焦于更高阶的决策、创新与客户关系维护——这正是降本增效与风控提智的最终目标。