11 月 2 日发布的轩辕 4.5 把金融场景推理成本压到通用顶级模型的约十分之一，模型与场景封装不再是金融企业上 AI 的主要障碍。本文指出真正卡住落地的是三件 IT 侧的事：数据能不能留在域内、智能体能不能被精确授权、每一步动作能不能被审计回放，并给出三种落地形态的代价对比。

模型成本只剩十分之一，上海金融企业上 AI 智能体却卡在这三件事

结论先行：11 月 2 日发布的轩辕 4.5 把金融场景的推理成本压到通用顶级模型的约十分之一，模型能力与场景封装已不是金融企业上 AI 的主要障碍。真正卡住落地的是三件 IT 侧的事：数据能不能留在域内、智能体能不能被精确授权去调系统、每一步动作能不能被审计回放。

上海不少基金、证券、融资租赁与类金融企业今年都在做同一件事：让 AI 从"问答框"走进业务流程，查数据、出方案、发起流程。11 月 2 日，度小满与香港科技大学、香港生成式人工智能研发中心在香港金融科技周发布轩辕 4.5 金融增强大模型，给出的信号很明确——行业模型已经在往业务动作里走。

变化发生在哪一层

轩辕 4.5 的定位是"首个自进化金融增强大模型"，含语言与多模态两部分，用自研训练系统参与数据合成、监督微调与强化学习，在金融智能体环境中构建了超过 1000 亿 Token 的场景增强数据。按其公布的评测口径，核心金融场景效果提升约 30%，推理成本约为通用顶级模型的十分之一（厂商公布数据，未经第三方独立复核）。

配套数字更能说明阶段：基于该模型已构建上千个智能体、5000 余项技能，日均 Token 使用量超过 1000 亿。发布会举的例子是经营节奏匹配——对需要短期周转、回款后才有现金流的客户，先付息、回款后还本，而不是套用统一模板。

对企业 IT 的含义是：模型选型与场景编排的门槛在下降，引入一套行业模型加一批预制技能，几个月就能跑出可用场景。剩下的阻力不在算法，在数据和系统。

图1：模型能力已就位，落地阻力转移到数据、接口与审计三处

三件事，都不在模型里

一、数据能不能留在域内。 金融业务的输入往往包含客户身份、额度、流水、征信，这些数据以什么方式进模型，直接决定合规边界。可行做法是先分级：公开资料、脱敏后的统计特征、原始客户信息三档，再按档决定走本地推理、专线调用还是完全不出网。分级不做，后面所有讨论只能停在"能不能用"。

二、智能体能不能被精确授权。 让智能体"在授权范围内调用工具与系统"，工程上对应的是服务账号、接口白名单、字段级权限和关键动作的二次确认。给智能体一个全权限账号，等于把人的权限问题乘以机器的执行速度——它一秒能发起的操作，人一天也做不完。

三、每一步能不能被审计回放。 谁授权了这个智能体、调用了哪个接口、参数是什么、返回了什么、最后谁确认了结果，这条链要能完整还原并按规定留存。多数企业有日志，但日志是为排障收的，不是为追溯智能体决策路径收的，两者字段不一样。

还有一个常被忽略的前提：环境隔离。用生产数据在测试环境跑智能体，等于把测试环境的安全等级直接抬到生产之上；办公网直连生产数据库取数，同样如此。

三种落地形态，先认清代价

形态	数据出域	单次调用成本	上线周期	适用场景
公有云 API 调用	出域，靠协议与脱敏约束	最低，按量付费	周级	内部知识问答、文案与代码辅助
本地私有化部署	不出域	前期投入高，边际成本低	月起	涉及客户信息的核身、额度、风控辅助
混合：敏感本地、通用上云	部分出域，按任务分流	中等	月起	大多数金融企业的现实选择

第三行是多数企业的落点。代价是要有一套能判断"这个任务该走哪条路"的规则，以及两套环境步调一致的运维能力——后者比前者更容易被低估。

威丽能承接的部分

上海威丽信息科技有限公司是上海本地化企业 IT 运维与系统集成服务商。在 AI 落地这件事上，承接的是模型之外的底座：机房与网络分区、出口与专线管控、接口网关与服务账号治理、日志采集与审计平台对接、办公网与生产网隔离、本地推理节点的硬件与供电制冷配套、以及常态化巡检与应急。服务以 10 分钟极速响应 / 2 小时现场服务 为标准，覆盖上海全域。

三个常见误区

先买模型，再想数据：数据分级不做，买回来的模型只能跑演示。
开了权限就算管好了：权限要能收回、能复核、能定位到具体调用了什么，否则等于没管。
日志存了就等于可审计：排障日志与决策追溯需要的字段不同，事后补字段往往补不上。

常见问题

问：不私有化部署，是不是就不能做金融场景？

答：不是。关键在数据分级：不含客户身份信息的辅助类任务走公有云完全可行，涉及客户信息的走本地或专线。一刀切反而不利于推进。

问：核心系统是十年前的，接得动吗？

答：多数情况用接口网关做一层适配，不需要改造核心系统本身。前提是先把接口清单和调用权限理清楚，这一步的工作量通常被低估。

问：从立项到能跑，一般多久？

答：取决于数据准备与权限梳理的进度。模型与技能可以很快，接口清单、账号、日志字段这三样才是周期的主要构成。

结语

模型侧的成本曲线还在往下走，这对企业是好消息，也意味着"我们用了最好的模型"不再是差异化。真正决定 AI 能不能进业务流程的，是数据出域的路径清不清楚、权限收不收得回、动作能不能被还原。这三件做扎实，换哪个模型都能跑；做不扎实，换哪个模型都跑不稳。

上海威丽信息科技有限公司 · 深耕上海本地企业 IT 服务近 20 年 · 累计服务 2500+ 家企业 · 服务热线 400-880-7581 · 技术热线 021-51697581-605/610 · 官网 https://www.vilitech.com

数据来源

中国经济网 2026 年 11 月 2 日《度小满与香港科技大学联合发布轩辕4.5金融大模型》：https://finance.ce.cn/bank12/scroll/202611/t20261102_3280252.shtml
凤凰网科技 2026 年 11 月 2 日同题报道：https://tech.ifeng.com/c/8xio6YsL9OJ