2026年6月9日，在“数云原力2026·原力论坛”上，神州信息 AI 创新中心总经理晋梅博士接受了IT168 的专访。面对金融业AI落地从“试点繁荣”走向“价值兑现”的关键拐点，她分享了一系列冷静而务实的判断。

　　Token经济学：当银行开始算ROI，AI才真正进入主流程

　　过去两年，金融行业的AI建设经历了一场快速的心态迭代。晋梅博士将其划分为三个阶段：2025年上半年，DeepSeek引发“算力焦虑”，银行纷纷采购服务器、部署模型；下半年，话题转向“智能体”和“场景”，相关项目以每季度翻几倍的速度增长；进入2026年，大家不再比拼上了多少个场景，而是开始追问——ROI是多少？投入产出比如何？

　　“Token经济这个词的火热，背后是大家开始务实地算账了。”晋梅博士指出。每一次模型推理、每一次智能体调用都在消耗Token，让每一次 AI 动作的边际成本第一次变得可见、可计量——不管是自建算力还是调用云端，AI 都从“一次性投入”变成了“要持续算账的运营”。她观察到，今年越来越多的业务负责人开始介入AI讨论，而不仅仅是科技部门在推动。“银行今年预算更紧、KPI却不松，他们希望用更少的钱、更聪明的办法实现目标。”

　　为了控制成本，模型编排和智能体编排成为新的技术焦点。“没必要为了简单任务调用最强模型，那样烧Token太厉害。”晋梅博士以苹果WWDC 2026上Siri的重构为例：将任务分为端侧、私有云、外部云端大模型三层处理，不同难度匹配不同算力。“这个分层思路，与Token经济的底层逻辑一脉相承。”她还提到：“当简单的问答窗口升级为复杂的多智能体协同，Token消耗量可能相差十几到几十倍。”

　　也正因如此，“技能”（Skill）开始流行。晋梅博士打了个比方：没有技能时，智能体每做一件事，你都得把整本操作手册递给它，手册越厚、占的上下文越多，它能同时掌握的本事反而越少；有了技能，它平时只揣一份“能力目录”，需要哪一项才翻开哪一章。“同样的 Token 预算，技能让智能体能同时掌握的本事多得多，处理复杂任务也更从容。算清这笔账，是 AI 进入主流程前必须补的课。”

　　技能资产：大模型买得到，护城河只能自己攒

　　面对中小银行的焦虑——既怕跟不上AI浪潮，又担心投入打水漂——晋梅博士给出了务实的建议：“不必一开始就重金投入。先跑通一个小闭环，看到价值再追加。”

　　她强调，大模型本身正在迅速商品化。“大模型能力很强、也买得到，但很难成为某一家独有的壁垒。”真正能沉淀下来的，是企业自己的“判断力资产”——神州信息称之为Skill。

　　神州信息的“经验蒸馏飞轮”正是为此设计。它将资深专家的决策逻辑提炼成可复用、可审计、可迭代的Skill资产。以对公授信为例，一份几十页的历史授信档案可以被蒸馏成一个判断Skill，供后续审批调用——这正是“审批大脑”CreditMind的内核；而审批员的“点赞”或“点踩”又会回流优化该Skill，形成“经验飞轮”——最终决策权始终在审批人手里。

　　“以前系统里只记录‘yes or no’，最宝贵的‘why’丢了。”晋梅博士认为，大语言模型的能力让“为什么”可以被结构化和留痕。

　　对于中小银行，晋梅博士建议优先关注两大方向：大财富管理和对公信贷。财富管理领域，AI可以赋能客户经理，从“产品驱动”转向“客户驱动”，秒级匹配上万只产品，辅助客户经理生成配置建议初稿、由客户经理把关定稿。对公信贷领域，AI能快速阅读几十页的尽调报告，生成初稿，让信贷经理把时间解放出来做更深度的线下访谈。“客户也用豆包、用智能理财助手，如果客户经理还停留在产品推荐，很难真正经营好客户关系。”

　　智能体工厂：打通落地“最后一公里”

　　神州信息在此次论坛上发布的“金融智能体工厂”正是为了规模化支撑这种资产沉淀。它涵盖近百个金融场景智能体与企业级金融智能体底座 Skillbase v2.0，由应用层智能体矩阵、底座层 Skillbase 与协同层生态能力共同构成。

　　晋梅博士解释，取名“工厂”是为了强调两点：一是能生产不同类型的智能体——财富营销、客户经营、对公授信、软件工艺对能力要求差异很大；二是能批量复制、快速交付，再结合客户自身的业务与数据做领域调校。Skillbase则负责技能的全生命周期管理：从经验蒸馏入库，到调用、迭代、版本控制、权限隔离，再到跨场景共享，全部内置金融级安全审计。

　　谈及神州信息在产业中的定位，晋梅博士表示，公司的优势并不在于研发基础大模型，而是打通场景落地“最后一公里”——帮助金融机构做智能体的模型选型、平台选型、与业务的链接，最终带来可量化的业务价值。她指出，大模型厂商擅长技术突破，但往往不深入理解银行的业务流程、数据语义和合规要求；而神州信息这样深耕银行三十年的垂直厂商，沉淀了对核心业务流程、数据语义与合规要求的行业 Know-how，能够真正站在客户侧，把模型用起来、把技能沉淀下来。目前，多家大模型厂商的生态合作团队已主动接洽，希望与神州信息在银行场景上做生态共建——厂商提供模型能力，神州信息补上行业落地与合规，让模型真正在客户业务里跑起来。

　　她介绍，神州信息正在探索与国家相关金融标准研制单位的合作，尝试将大量金融标准文档转化为可执行的智能体。“标准太多，大家看不过来。不如把标准变成工具，让AI帮你快速比对标准、提示这笔业务的潜在合规风险点。”上个月，Anthropic开源了十大金融智能体，其架构与神州信息的思路高度一致——都以Skill为核心，预置工具和数据库连接，让金融机构开箱即用；事实上，国内外厂商正不约而同地往这个方向走。“我们希望行业能形成相对统一的框架，这样不同厂商构建的智能体才能协作，而不是各自为政。”

　　最后，晋梅博士总结道：“真正决定长期竞争力的，是你把多少判断经验变成了可复用、会生长的资产。模型会越来越普惠、触手可及，Skill只会越来越值钱。”