大智慧与阿里云联合推进的AI原生APP项目已于2024年10月正式启动，目标是将拥有二十余年历史的传统金融行情软件升级为能够理解用户意图、主动分析数据并辅助投资决策的智能产品。该项目从2024年夏季开始前期沟通，历时两个多月的深入交流后确定了共创方向。
大智慧成立于2000年，是国内最早一批金融信息服务软件商，产品覆盖PC端和移动端，拥有超过二十年的金融数据积累和数以千万计的用户基础。从早期的行情查看工具到后来的数据分析平台，其业务演进始终围绕金融数据服务展开。然而，传统行情软件的增长在AI大模型出现之前已普遍见顶，行业面临服务同质化、使用门槛高、智能化不足三大困境。
阿里云在分析金融行业后认为，若仅停留在问答阶段，各平台提供的服务趋于类似。传统行情软件的AI化改造需要从底层数据到应用架构进行全面重构。双方团队在实际测试中发现，通过RAG检索或Web Search将金融数据直接输入大模型的方式难以解决模型幻觉问题，对客户的实际价值有限。金融数据具有复杂的语义、多元的口径以及内外部数据冲突等特征，这些对人类分析师而言可通过经验判断的歧义，对大模型来说却是致命陷阱。
经过反复探索，双方将Agent工程化落地的关键要素归纳为四个层面。首先是数据治理，核心思路是将“给人用的数据”转化为“给Agent用的数据”。大智慧积累了二十余年的行情数据、财务数据、资讯数据以及实时市场数据，这些数据散落在不同系统中，元数据建设复杂。阿里云采取从上往下、按场景切入的策略，围绕高价值业务场景圈定数据范围，避免全量重建数据中台。阿里云提供方法论指导和技术支持，关键场景打样后由大智慧自主推进后续建设。
其次是Agent工程框架的建设。FinXScope 2.0是阿里云构建的面向通用金融场景的Agent平台，承担大智慧AI原生改造的中枢神经系统角色。该平台包含任务编排层、工具执行层和安全沙箱层。任务编排层负责接收用户自然语言输入后完成意图识别、任务拆解和执行规划。例如用户提出“帮我找低估值高增长的白酒股”，编排层会将其拆解为行业筛选、估值指标查询、增长指标查询、综合排序的执行链路。工具执行层通过Skill技能体系将高频复用的业务能力封装为标准模块，目前覆盖行情数据查询、选股、大智慧特色指标、资讯研报F10、交易辅助以及B端企业问数六大类别。安全沙箱层则将涉及数据事实的操作放在Skill和沙箱中执行，大模型仅负责编排规划，不自主生成事实类数据。
从行业视角看，大智慧与阿里云的合作反映了传统金融软件商在AI时代面临的核心命题：如何将多年积累的数据资产与业务理解转化为真正可用的智能能力。这一过程涉及数据治理、Agent框架搭建、安全机制设计等多个工程环节，远超简单接入大模型接口的范畴。该项目的推进方式也为其他垂直行业软件商的AI化改造提供了参考路径，即在数据复杂性高、准确性要求严苛的领域，AI原生应用的落地需要从底层数据架构开始重构，而非在既有系统上叠加AI功能。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
