3月12日金融一线消息，由亚洲银行家主办的上海国际金融创新峰会在沪举行。会上，多位嘉宾围绕人工智能在金融行业的应用展开讨论，其中，近期在业内引发关注的OpenClaw也成为现场热议的话题之一。
北京智源人工智能研究院副院长兼总工程师林咏华表示，核心原因在于OpenClaw具备三个非常关键的特点。
第一，它更懂用户。因为这类系统往往直接运行在企业的业务系统之中，而不是独立于业务之外的工具。它可以在真实业务环境中运行，因此能够更好地理解用户需求，也更容易产生实际价值。
第二，它能够自动完成任务。智能体不仅仅是对话工具，而是能够自动调用各种工具、连接业务系统，并执行完整的业务流程，从而真正参与到企业运营之中。
第三，它具有更高的效率。通过自动化执行大量高频业务流程，系统可以实现24小时持续运行，大幅提升业务处理效率。
但与此同时，她也强调，不能忽视OpenClaw这类智能体带来的安全性风险和算力要求。如果智能体系统真正进入企业核心业务环境，那么它必须运行在企业级的安全架构之下，因为它直接承载着真实业务。其次，这类系统往往需要大量、低成本的算力支持，才能支撑高频任务的自动化运行。
在数据层面，由于智能体需要直接连接企业真实的业务系统，因此必须确保数据来源可信、质量可靠，并能够支持实时的数据分析能力。否则，一旦数据本身存在问题，或者数据延迟较高，这些问题都会在AI系统中被进一步放大。
在当前这一轮人工智能浪潮中，金融机构可以扮演什么样的角色？
林咏华认为，基础大模型的竞争格局已经在快速收敛。全球范围内，真正能够持续进行大规模技术迭代的大模型公司，可能最终只会剩下十家左右。这一层面的竞争并不是银行或金融机构的核心领域。
真正关键的是“skills”（专业能力模块）。只有通过专业能力模块，AI才能真正理解某个行业的业务逻辑、知识体系以及应用场景。目前全球已经开源了数十万个skills，但问题在于，真正经过验证、能够解决专业问题、并在行业场景中稳定运行的skills仍然非常稀缺。
对于金融行业而言，一个非常重要的工作，就是建设金融领域的专业知识库。实践已经证明，仅仅依赖通用大模型是不够的，必须把大模型连接到专业知识库和行业数据体系，才能在具体业务场景中真正发挥价值。
她指出：今天，我们正在进入一个智能体快速发展的阶段。在这个阶段，最重要的能力之一，就是不断积累能够被智能体调用的行业skills。这些能力模块一旦被标准化、工具化，就可以被AI系统反复调用，从而真正推动行业应用的落地。
责任编辑：李琳琳