一笔五年合作，把智能体写进银行的核心业务
9 月 24 日，BNP Paribas 与 Google Cloud 宣布一项为期五年的合作，把 Google Cloud 的 AI 优化基础设施、Gemini 模型与 Gemini Enterprise 引入这家银行的体系。值得注意的不是「银行用上大模型」，而是落点选在了公司与机构银行（CIB）这类强监管、高 stakes 的核心流程——智能体在这里不是写邮件的助手，而是要参与企业信贷备忘录的撰写等实质工作。
合作声明刻意强调「在银行既有的安全与数据治理框架内」。BNP Paribas 的多云多模型策略保持不变：每个场景由业务判断选哪款模型、哪套基础设施、哪一级控制，再部署进银行自己的安全治理边界。这种「模型可选、治理不变」的写法，是受监管行业部署智能体时最常被坚持的底线。
落地场景：让智能体准备企业信贷备忘录
首批计划部署的智能体，被指派给 CIB 内若干定向工作流，其中明确提到的一例是撰写企业信贷备忘录，以辅助团队。更宽的应用计划覆盖该部门的销售、交易、研究以及结构化产品。与此同时，Gemini 模型也将接入 LLM@CIB——这套部门内部生成式 AI 助手目前对超过 6.5 万名员工开放。
把信贷备忘录这类文件交给智能体预处理，逻辑在于它信息密度高、格式相对固定、却又依赖跨系统取数。智能体先把草稿与证据链准备好，最终判断仍留在人手里。这比「让模型直接批复授信」稳妥得多，也更符合银行的风险偏好。
受监管行业的部署范式：先管好，再放量
BNP Paribas 在声明里把安全列为核心支柱：每个智能体都经过身份认证，只拿到被指派任务所需的资源，银行同时监控并控制智能体连接信息系统的方式，以及它们的交互。部分数据类别按既有要求不会留在公有云环境。换句话说，智能体不是被「放开」，而是被「框进」银行既有的访问控制与审计体系。
这种范式与同业早前的尝试一脉相承：有银行把多智能体放进客服与员工服务并跑出可观工时，也有把记账、对账、月末关账交给专用智能体。BNP Paribas 的差异在于它身处更严的资本与合规框架，因此把「治理前置」写进了合作的每一条。对想复制这条路的机构，启示很清楚——先把身份、权限、审计三件事钉死，再谈智能体能干多少活。
增量认知：银行赛道验证「智能体进生产」的硬约束
把所有信号拼起来，银行正在成为检验智能体能否真正进生产环境的试金石。这里没有「先跑起来再说」的余地：监管、审计与数据驻留把每一次越权都放大成事件。BNP Paribas 与 Google Cloud 的五年合作传递的判断是，智能体在金融业的价值不在于替代人做最终决定，而在于把人从准备、取数、草稿这类前置劳动里解放出来，同时把每一步留在可被审计的轨迹里。
对厂商而言，银行这类客户逼出了「治理即产品」的需求——谁能把身份认证、最小权限、持续监控与一键吊销做成开箱能力，谁就更容易拿下受监管行业。这也解释了为什么同周会有那么多家厂商凑到一张治理参考架构桌前：大家都在抢同一块「让智能体进生产」的底座。
同业信号：授信类智能体的两条对照线
把视野拉到 BNP Paribas 之外，授信与风控环节里的智能体落地其实已经分出两条线。一条偏向中后台：把记账、对账、月末关账交给专用智能体，目标是在不直接碰客户资金的前提下先把流程跑顺；另一条偏向客户侧：用语音或对话智能体接住咨询与材料收集，把人类留在决策位。两条线的共性，都是把「判断」与「执行」拆开，让智能体承担可审计的前置劳动。
BNP Paribas 的特别之处，在于它把这条中后台线的逻辑推进到了企业信贷备忘录这种高 stakes 文档。它没有试图让模型替银行批授信，而是让智能体把草稿、证据链与取数先准备好，再交回人类。这种克制，恰恰是受监管行业把智能体从试点推到生产时最稀缺的那部分工程纪律——也是它敢把五年合作写进核心业务的前提。