人民网 赵祖乐

如何打通AI从模型到场景的“最后一公里”？近日，新网银行邀请了新希望金融科技联合创始人、执行总裁高斌，迪洛斯人工智能科技创始人、董事长汤浩，新网银行科技专家李开宇做客“AI构造力”直播间。三位行业一线人士围绕打通AI从模型到场景的“最后一公里”的话题，用鲜活的案例和深刻的思考，剖开了AI从“实验室”到“生活场”的真实路径。

嘉宾海报。新网银行供图

AI落地的紧迫感，是危机更是转机

对企业和个人而言，这不仅是“是否拥抱”的选择题，更是“何时拥抱”的生存题。AI技术创新的周期越来越短，但落地难的质疑始终如影随形。这种紧迫感，在金融行业尤为明显。高斌对此深有体会：“2023年还在小范围测试大模型，2024年就意识到跟随远远不够。而随着2025年智能体元年的开启，客户经理开始需要用AI分析营销话术，风控团队需要它挖掘潜在风险，内部运营更需要它解放重复劳动。”

汤浩用一组数据揭示了行业的焦虑：过去70年里，AI经历了多次“技术热潮—预期破灭—低潮”的循环，而这一次若无法在2-3年内证明其对生产力的实质性提升，等热潮退去后，可能再次陷入长达10年的沉寂。

李开宇表示，DeepSeek新版发布后，AI全民教育普及，技术迭代加速，智能体已能独立处理复杂场景、规划执行并交付结果。为此，新网银行战略升级，从科技驱动创新转为行级战略驱动全行创新，当前重点聚焦客户服务等场景，同步推进全行各类各场景智能体应用。

从“小切口”到“大变革”，AI的“构造力”藏在细节里

“AI不是颠覆行业的核武器，而是解决具体问题的手术刀。”高斌用新希望金科的实践印证了这一点。在服务银行零售转型时，他们没有急于全面替换传统系统，而是从“小切口”切入：以数据分析为例，基于数据标准化积累，开发Chat BI替代人工：通过理解问题需求，自动匹配元数据生成SQL并执行，实现大数据平台从建平台到AI赋能经营的跨越。类似案例包括客户经理数字孪生、代码编写、流程调度等。

这些“小切口”的成功，让高斌总结出一个关键经验：AI应用必须是可评估、可调试、可解释的闭环。就像修水管，先修好一个漏水点，让团队看到效果，才能逐步推广到整个管网。通过工作流串联各闭环，最终形成大结果，确保局部效果可追踪，逐步实现全面赋能。

汤浩也尤为认可这种“小切口”观点。选择员工觉得好用的场景，能提升效率、减轻重复劳动。这类场景员工也愿意使用，解决具体痛点后，团队能直观看到变化与提升，建立信任。通过一个个小切口的打通与验证，逐步推动AI进一步进化，而非急于求成。

这种“从场景中来，到场景中去”的逻辑，正是打通“最后一公里”的核心密码：AI不是飘在天上的技术，而是长在土里的工具。

安全与效率的“平衡术”，没有标准答案只有动态最优解

“最后一公里”的落地绝非坦途。其实当前大部分企业最常见的困惑是：本地化部署怕数据泄露，用云端又怕“幻觉”误导决策。

所谓“幻觉”，是指大模型在生成内容时可能出现的无中生有。例如，一份医疗报告若因模型“幻觉”生成错误诊断，后果不堪设想。对此，汤浩指出，全本地化部署并非良药：企业仅用自有数据训练模型，就像用一本教材反复复习，知识永远停留在已知区，无法迭代进化；而行业需要的是“云端算力+产业知识+场景验证”的三维融合。

李开宇通过新网银行的实践案例将大模型应用分为从“行外”到“行内”：行外通过云端大模型处理非敏感信息，如市场分析等，利用其联网能力和泛化性提升效率；行内则基于开源技术在本地部署，处理交易数据等敏感信息，同时成立智擎AI+行动小组，并联动多个部门，让新网银行的智能化从“盆景”变为“风景”。这种“分而治之”的策略，背后是更深层的行业共识：AI落地不是“非此即彼”的选择，而是“协同共生”的生态。

高斌进一步解释：就像电力时代需要电网，AI时代需要“智能云”提供算力底座、“产业云”沉淀行业知识、“场景云”解决具体问题的三位一体。企业无需重复制造，只需聚焦自身业务痛点，就能快速组装出适合的AI工具。

每个人都是“AI构造师”，技术向善才是终极答案

直播尾声，3位嘉宾的目光从行业转向更广阔的未来。高斌表示：“AI的终极目标不是取代人，而是解放人。当AI帮我们处理完重复劳动，人类将有更多时间专注于创造、情感和创新。”汤浩说道，“中国有全球颇为丰富的产业场景。”未来5年，行业级AI将从可用走向好用，甚至不可或缺。李开宇则用务实语言点题：知识是AI的燃料。企业需要沉淀全局知识网络，个人需要构建体系化认知——这才是未来最核心的竞争力。