如何打通AI從模型到場景的“最后一公里”？近日，新網銀行邀請了新希望金融科技聯合創始人、執行總裁高斌，迪洛斯人工智能科技創始人、董事長湯浩，新網銀行科技專家李開宇做客“AI構造力”直播間。三位行業一線人士圍繞打通AI從模型到場景的“最后一公里”的話題，用鮮活的案例和深刻的思考，剖開了AI從“實驗室”到“生活場”的真實路徑。

嘉賓海報。新網銀行供圖

AI落地的緊迫感，是危機更是轉機??

對企業和個人而言，這不僅是“是否擁抱”的選擇題，更是“何時擁抱”的生存題。AI技術創新的周期越來越短，但落地難的質疑始終如影隨形。這種緊迫感，在金融行業尤為明顯。高斌對此深有體會：“2023年還在小范圍測試大模型，2024年就意識到跟隨遠遠不夠。而隨著2025年智能體元年的開啟，客戶經理開始需要用AI分析營銷話術，風控團隊需要它挖掘潛在風險，內部運營更需要它解放重復勞動。”

湯浩用一組數據揭示了行業的焦慮：過去70年里，AI經歷了多次“技術熱潮—預期破滅—低潮”的循環，而這一次若無法在2-3年內證明其對生產力的實質性提升，等熱潮退去后，可能再次陷入長達10年的沉寂。

李開宇表示，DeepSeek新版發布后，AI全民教育普及，技術迭代加速，智能體已能獨立處理復雜場景、規劃執行并交付結果。為此，新網銀行戰略升級，從科技驅動創新轉為行級戰略驅動全行創新，當前重點聚焦客戶服務等場景，同步推進全行各類各場景智能體應用。

從“小切口”到“大變革”，AI的“構造力”藏在細節里??

“AI不是顛覆行業的核武器，而是解決具體問題的手術刀。”高斌用新希望金科的實踐印證了這一點。在服務銀行零售轉型時，他們沒有急于全面替換傳統系統，而是從“小切口”切入：以數據分析為例，基于數據標準化積累，開發Chat BI替代人工：通過理解問題需求，自動匹配元數據生成SQL并執行，實現大數據平臺從建平臺到AI賦能經營的跨越。類似案例包括客戶經理數字孿生、代碼編寫、流程調度等。

這些“小切口”的成功，讓高斌總結出一個關鍵經驗：AI應用必須是可評估、可調試、可解釋的閉環。就像修水管，先修好一個漏水點，讓團隊看到效果，才能逐步推廣到整個管網。通過工作流串聯各閉環，最終形成大結果，確保局部效果可追蹤，逐步實現全面賦能。

湯浩也尤為認可這種“小切口”觀點。選擇員工覺得好用的場景，能提升效率、減輕重復勞動。這類場景員工也愿意使用，解決具體痛點后，團隊能直觀看到變化與提升，建立信任。通過一個個小切口的打通與驗證，逐步推動AI進一步進化，而非急于求成。

這種“從場景中來，到場景中去”的邏輯，正是打通“最后一公里”的核心密碼：AI不是飄在天上的技術，而是長在土里的工具。

安全與效率的“平衡術”，沒有標準答案只有動態最優解??

“最后一公里”的落地絕非坦途。其實當前大部分企業最常見的困惑是：本地化部署怕數據泄露，用云端又怕“幻覺”誤導決策。

所謂“幻覺”，是指大模型在生成內容時可能出現的無中生有。例如，一份醫療報告若因模型“幻覺”生成錯誤診斷，后果不堪設想。對此，湯浩指出，全本地化部署并非良藥：企業僅用自有數據訓練模型，就像用一本教材反復復習，知識永遠停留在已知區，無法迭代進化；而行業需要的是“云端算力+產業知識+場景驗證”的三維融合。

李開宇通過新網銀行的實踐案例將大模型應用分為從“行外”到“行內”：行外通過云端大模型處理非敏感信息，如市場分析等，利用其聯網能力和泛化性提升效率；行內則基于開源技術在本地部署，處理交易數據等敏感信息，同時成立智擎AI+行動小組，并聯動多個部門，讓新網銀行的智能化從“盆景”變為“風景”。這種“分而治之”的策略，背后是更深層的行業共識：AI落地不是“非此即彼”的選擇，而是“協同共生”的生態。

高斌進一步解釋：就像電力時代需要電網，AI時代需要“智能云”提供算力底座、“產業云”沉淀行業知識、“場景云”解決具體問題的三位一體。企業無需重復制造，只需聚焦自身業務痛點，就能快速組裝出適合的AI工具。

每個人都是“AI構造師”，技術向善才是終極答案??

直播尾聲，3位嘉賓的目光從行業轉向更廣闊的未來。高斌表示：“AI的終極目標不是取代人，而是解放人。當AI幫我們處理完重復勞動，人類將有更多時間專注于創造、情感和創新。”湯浩說道，“中國有全球頗為豐富的產業場景。”未來5年，行業級AI將從可用走向好用，甚至不可或缺。李開宇則用務實語言點題：知識是AI的燃料。企業需要沉淀全局知識網絡，個人需要構建體系化認知——這才是未來最核心的競爭力。

分享讓更多人看到