随着AI大模型的快速发展，不少金融机构已在智能研发领域进行了探索。就在近日，中信百信银行和百度联合发布《迈向AI原生时代——大模型驱动的智能研发白皮书》（以下简称“《白皮书》”），或能为金融同业提供一些参考。

《白皮书》分为9章，分别从时代背景、战略原点、演进之路、全景赋能、方法论体系、效能度量体系、安全与治理、组织与人才等方面进行了分析。

其中指出，传统研发模式存在响应速度滞后、代码质量难以保证、知识传承体系薄弱、协作效率低下等瓶颈，行业需要一种能够自动化生成逻辑、自适应调整架构、且具备行业知识推理能力的新生产力工具。大模型技术的爆发，正好提供了这把钥匙。

不过，技术爆发并非偶然，而是算力、算法与场景需求在此刻达成“共振”，使得金融智能研发从“概念验证”走向“规模化落地”成为必然。

智能研发是AI原生银行的第一引擎

目前，已有多家银行提出“AI原生”战略。《白皮书》指出，“AI原生”意味着以AI的推理、生成与自主决策能力为第一性原理来重构银行的一切。

对于AI原生银行来说，AI不是外挂工具，而是像水电煤一样的基础设施，深度嵌入银行运营的每一个毛细血管。在AI原生架构下，若去掉AI，银行的大部分流程将无法正常运转。这与传统银行引入AI的方式——“AI+”模式截然不同。

《白皮书》显示，智能研发是AI原生银行的“第一引擎”。因为，在AI原生银行的四大智能闭环（运营、风控、研发、服务）中，智能研发具有独特的“元能力”属性——它是其他三个闭环得以实现的前提条件：智能运营闭环需要研发来构建千人千面的推荐引擎、实时策略平台和效果度量系统；智能风控闭环需要研发来实现毫秒级决策引擎、特征工程平台和模型监控体系；智能服务闭环需要研发来打造多轮对话引擎、知识检索系统和意图识别模型。

更重要的是，智能研发还具有“自我强化”的独特属性。当研发团队用AI来构建AI系统时，研发能力本身也在被加速——形成“用AI做AI”的复合增长飞轮。

提出智能研发的成熟度模型

《白皮书》第三章讲述智能研发的演进之路。

首先，百信银行基于247项具体研发工作的全量梳理，将核心研发交付链路收敛为七大阶段、42个关键节点，形成端到端的“AI化作战全景图”。

表中每个节点标注的M级别即为当前AI化成熟度现状。其中，研发编码阶段走在最前面（代码编写已达M3），测试集成紧随其后（案例编写、流程自动化达M3），而投产部署和生产运行多数节点仍停留在M1~M2——这是下一阶段的攻坚重点。

而对于如何科学定义从“人工为主”到“AI闭环”的演进阶段，百信银行建立了一套节点级成熟度评估框架。

节点成熟度模型将每个研发活动的AI化程度划分为四个递进阶段，为42个关键节点逐一标定当前位置和演进目标——M1设计阶段、M2试用阶段、M3推广阶段、M4成熟阶段。

其中，M1设计阶段：节点已识别，具备AI介入的设计思路。团队已完成该节点AI化的可行性分析，制定了初步的技术方案，但尚未进入实际开发或试用。此阶段的核心产出是设计文档与概念验证（PoC）。

M4成熟阶段：节点形成AI闭环，彻底释放人力。AI在该节点实现了端到端的自动化闭环——从输入理解、任务执行到结果验证，全部由AI自主完成，人类仅在异常情况下介入审核。该节点的人力投入大幅下降甚至归零，AI成为该节点的主要执行者。

百信银行提出的战略目标为，推动42个研发交付活动逐步从M1迈向M4，并在跨阶段之间建立AI驱动的自动化连接，最终实现研发交付的AI原生重塑。

不过，节点成熟度（M1-M4）只能衡量单个活动的AI化程度，而系统级别模型（L1-L4）可衡量整个研发体系的智能化水平。两者相辅相成：节点成熟度的聚合决定了系统级别的跃迁。

《白皮书》显示，智能研发演进四级模型（L1-L4）分为AI辅助研发（Co-pilot）、AI协同研发（Agent）、AI代理研发（Agentic）、AI自治研发（Principal）。

其中，L4级AI自治研发是智能研发的终极形态，其核心特征是，AI作为领域级负责人，具备业务规则理解、资源调度与风险预判能力，人类退居战略制定与合规监督。

此外，《白皮书》还对247项研发工作逐一进行了AI化潜力评估，按AI介入深度划分为三个层级：

其中，AI可主导层级，涵盖86项工作。这类工作具有“规则明确、模式固定、重复度高”的特征，大模型和Agent可端到端自主完成。

AI可协同层级，涵盖111项工作。这类工作需要一定的业务判断力和上下文理解，AI提供初步方案或分析，人类负责审核、调整和最终决策。

人必须主导层级，涵盖50项工作。这类工作具有“高度不确定性、需要人际沟通、涉及组织决策”的特征，AI仅能提供信息支持。

因此，总结下来，研发工程师约80%的日常工作具备AI介入空间，其中35%可AI主导、45%可AI协同。“非编码”工作占比远超想象，传统AI编码工具仅覆盖了研发工作的“冰山一角”。

AI原生研发的度量模型涉及4个维度

《白皮书》第五章则构建了百信银行AI原生研发的完整方法论体系，包含四个逐层递进的维度：

范式层：定义规则——SPEC-Harness双轮驱动。 SPEC定义“系统应该做什么”（正向目标），Harness定义“系统不应该做什么”（反向约束），两者构成AI生成代码的“行为空间定义”。这是整个方法论的核心骨架。

交互层：人机界面——Vibe Coding。人如何与AI协作？Vibe Coding提供了一种轻量化的探索性交互模式，适用于从0到1的创意验证。经验证的成果通过SPEC-Harness固化为生产级资产。

执行层：谁来干活——多智能体协作。当范式和交互模式确定后，谁来执行？多智能体系统是SPEC-Harness范式的“执行引擎”——多个专业化Agent各司其职，在SPEC指引和Harness约束下协同完成全链路研发交付。

知识层：记忆与认知——RAG检索增强。支撑以上三层运转的底层基础是什么？是组织级的知识体系。RAG将散落在代码库、文档库、规范库中的知识实时注入AI的决策过程，确保SPEC的定义有据可依、Harness的约束不会遗漏、Agent的生成不会“幻觉”。

这四层逻辑环环相扣：SPEC-Harness定义“做什么、不做什么”，Vibe Coding提供快速探索入口，多智能体团队在范式框架内协同执行，RAG知识体系为全流程提供事实根基。

《白皮书》对上述四层展开进行了讲述。

在《白皮书》第六章，则提出适用于AI原生研发的四维度量模型，包括价值维度、效率维度、质量维度、智能维度，并对核心指标进行了详解。

其中，价值维度衡量研发交付对业务的实际贡献——需求响应速度是否满足市场窗口、功能上线后的业务效果是否达预期、技术投入的ROI是否合理。

效率维度衡量人机协作下的全流程吞吐率——从意图输入到功能上线的端到端耗时、单位需求的人力成本、各环节的等待与浪费。

质量维度衡量交付物的稳定性、安全性与合规性——生产缺陷率、安全漏洞密度、合规通过率、系统可用性。

智能维度衡量AI工具的使用深度与实际贡献——AI采纳率、AI代码存活率、AI生成占比、AI建议精准度。

这四个维度可相互制衡：追求效率不能牺牲质量，追求智能化不能忽视价值交付，形成平衡机制。

值得一提的是，为避免增加研发人员负担，百信银行结合百度Comate能力构建了“无感采集”的度量基础设施。

此外，由于金融业对稳定性和安全性的要求远高于一般互联网行业，因此在度量体系上需做特殊的平衡设计，包括“核心系统与外围系统差异化度量”“避免‘指标博弈’”“伦理与责任度量”等。