同一场大会上的金融专场
9 月 17 日，华为全联接大会 2026 在上海举办期间，华为召开全球金融峰会。华为数字金融军团 CEO 曹冲做了题为「加速生产级智能体规模落地，迈向 Agentic 金融」的演讲，并发布金融启元 Agentic AI 解决方案。
需要先把范围说清楚：这场大会的主论坛此前已经公开过算力底座与一体机开源智能体平台这条线。金融专场不是同一批内容的重复，它换了对象——面向的是银行、保险、证券这类把错误成本算得很高的行业，给的是行业落地的方法论与配套资产。
整场发布可以概括成一句话：把「智能体规模化」从一个目标，拆成可以逐段验收的路径。
三个阶段，各解决一类问题
官方给出的路径分三段。
阶段一是从试点到生产。这一段要解决的是准确性、可靠性、安全性与价值度量——目标是让智能体真正「可用」。把这四项并列放在起步阶段是有讲究的：很多试点项目卡住不是因为效果差，而是说不清效果值多少钱。
阶段二是从生产到规模化。这一段的重心从效果转到资产：知识资产化、能力复用与持续演进，让成功经验「可复制」。换句话说，考验的是能不能把一个场景跑通的经验搬到下一个场景。
阶段三是从规模化到超大规模化。这里的关键变成大规模架构演进与全域企业级治理，目标是让大规模智能体「可经营」，成为可持续经营的生产能力。
这三段的界分不在规模数字上，而在要回答的问题类型上。这个划分方式和常见的规模化叙事有一处明显差别：它把治理放在最后一段而不是当成前置条件，同时把价值度量放在起步阶段。对已经跑过一批试点的机构来说，这个顺序更接近实际推进的节奏——先证明有用，再谈复制，最后才谈全域治理。
开放架构：openJiuwen 的规模数字
架构侧发布的是被官方定位为中国金融行业开源智能体平台的 openJiuwen，主打三点：长稳运行、金融级组件、一站式开发与运行。
合作模式给了四种：客户基于开源内核自主研发；伙伴基于开源版本开发商业版本；平台类伙伴做组件级集成；应用类伙伴直接调用开源组件。四种模式对应四种不同的投入程度，这是开源商业化的常见分层，也是它能同时吸引客户与伙伴的原因。
规模上官方给出的数字包括：已在 10 多家金融机构规模化部署，30 多家伙伴参与共建；在单一客户环境中，平台可支持超过 1000 个智能体在线运行、万级并发，服务超过 2000 万用户。这些是厂商自述口径，尚无第三方验证。
开放资产：200 多个工程工艺资产
资产这条线上，华为升级了金融智能体加速器 FAB 2.0，并联合发布 openJiuwen × FAB 智慧金融专区。
按官方介绍，FAB 1.0 于 2025 年 9 月发布，基于一套被称为「五阶十三步」的标准化工艺，已帮助 20 多家客户加速智能体场景落地。FAB 2.0 的变化是通过 Harness 强化金融生产级智能体的工程工艺，官方给的三个方向是：复杂任务更可靠、金融认知更专业、安全治理更可控。
累计资产规模是：围绕 10 大类金融场景，形成 15 种资产类型、200 多个金融工程工艺资产，统一沉淀到智慧金融专区，面向客户与伙伴开放共享，并提供一触式体验、一站式获取、一键式部署。
「工程工艺资产」这个词值得单独想一下。它指的不是模型权重，而是把一个行业场景做落地所需的那套可复用中间件——流程模板、校验规则、组件封装。对企业来说，这类资产的迁移难度往往比模型本身更低，也更难从零攒起来。这也是「开放资产」这条线比模型开源更实际的地方。
开放算力：把 Token 当成运营对象
算力侧发布的是金融元枢 Token 全生命周期运营方案，围绕 Token 的规划、生产、调度与优化四个环节，提供被官方描述为可持续、成本可控的供给能力。
把 Token 单列成一项运营工作，反映的是智能体负载与传统的推理负载确实不同：任务复杂多样，推理需求增长快，而且 Token 消耗与业务价值之间没有固定比例。同一次任务，走三条不同的工具链路，消耗可能差出若干倍。官方没有披露这套方案的具体计费方式或调度指标。
硬件侧的公开数字是：自 2025 年 3 月发布昇腾超节点以来，全行业已部署 1000 多套超节点算力底座，20 多家金融机构全面使用，支持 100 多个金融场景稳定运行。本次推出昇腾 950 超节点，面向大规模训练与推理，目标被概括为「千卡超节点，一台计算机」。
能力飞轮与「金融九问」
发布里有一个提法值得记下来：未来金融 AI 竞争的关键，不在于建设多少个彼此分散的智能体，而在于能否构建由客户 AI、员工 AI 与业务 AI 组成、持续运转并不断学习的能力飞轮。
这句话把评价单位从「智能体数量」换成了「三类智能体之间的协同」。它和三个阶段里的最后一段是对应的——超大规模化要解决的正是这三类能力在一个体系里如何互不打架。客户 AI 面向外部，员工 AI 面向内部效率，业务 AI 直接嵌进业务流程，三者的权限模型、数据边界与更新节奏都不一样。
配套发布的还有一份《金融九问——生产级智能体规模化落地行动指南》，把三个阶段中必须回答的问题整理成九类，覆盖从规划、建设到运营治理的全流程。
生态侧的投入同时公布：过去一年开展 11 期场景工作坊，覆盖 7 个地区、25 家以上客户，参与学员 600 多名。华为自身在金融行业的积累表述为深耕 16 余年、服务全球 80 多个国家的 7100 多家金融机构。
需要标注的地方
其一，本文引用的规模与效率数字全部来自厂商发布口径，包括部署机构数量、并发能力与服务用户数，均未见第三方核验。
其二，方案发布与「规模化落地」之间还有距离。官方给出的三个阶段本身就是一份对落地难度的描述，而落在哪一段需要看各家机构的实际进度。
其三，金融行业对准确性、审计与合规的要求高于多数行业，因此这套方法论的参考价值也集中在受监管场景；迁移到内部效率类场景时，三段的权重需要重新配比。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。