宇信科技新推SSP：金融AI从单点Agent走向企业级协同

出品｜WEMONEY研究室

文｜文心

金融AI的竞争，正在进入第二回合。

过去两年，银行业的关注点已从"要不要用大模型"转向"如何让大模型进入生产环境"。知识问答、智能客服、ChatBI、智能尽调和研发辅助等应用相继落地，Agent也越做越多。

但当AI开始接近信贷、风控、合规和运营等核心环节，模型能否对话已经不是最难的问题。真正的难题出现在模型之外：分散的知识能否保持一致，业务权限如何继承，跨部门流程怎样衔接，AI给出的结果由谁审核、能否追溯。单点应用越多，银行越需要一套企业级机制，将模型、知识、规则和流程纳入同一套业务秩序。

近日接受WEMONEY研究室采访时，宇信科技数据业务本部副总经理干从勇（兼任数据资产产品部总经理）将这一变化概括为："现在大家开始把智能化能力带到真实业务场景中，不再只是简单对话，而是让对话带来决策，给业务真实输入，辅助业务决策。"

在这个背景下，宇信科技新推出SSP（Smart Scene Partner），中文名为"智慧金融伙伴"，定位为面向金融行业的全场景智能操作平台。

它不是服务于某一个具体业务场景的单体Agent，而是将分散的知识、工具、Agent与业务流程组织进统一工作入口，帮助业务人员在同一平台上调用相关能力。

更值得追问的是产品背后的产业判断：当模型和算力逐渐成为可以采购的通用能力，如何完成它们与银行业务之间的连接，正在成为金融科技厂商需要回答的新问题。

理解SSP，也需要把它放回宇信科技自身的发展脉络中。

宇信科技（300674.SZ）成立于1999年，长期服务于银行及其他持牌金融机构，业务逐步覆盖信贷、数据、监管、网银和核心系统等多个环节。

根据中关村互联网金融研究院发布的《2025年中国银行业务软件市场竞争分析研究报告》，宇信科技整体市场份额位列上市公司第一，并在监管报送、零售信贷、互联网贷款、企业网银等多个细分领域排名第一。

二十多年的项目实践，让宇信科技积累了大量金融业务规则、数据经验和客户场景，也为此次将AI能力进一步带入金融业务流程提供了基础。

Agent越做越多

为什么还要再加一层SSP

金融AI发展的早期阶段，竞争往往围绕单个场景展开：谁能更快做出一个可用的Agent，谁就更容易拿到试点机会。

进入生产阶段后，单点速度仍然重要，但银行面对的问题变了——一个Agent能查询、能摘要、能解析材料，但只要再往前一步，进入审批、风控和运营环节，就必须遵循统一的知识口径、权限边界、审计要求和责任机制。

Agent越做越多，银行反而越需要一套机制把它们纳入同一套业务秩序，这也是SSP要补的那一层。

这套机制对应到SSP的产品结构上，可以理解为三个相互衔接的层次。D2K和D2N最初分别围绕知识沉淀、交付降本展开研发，随后被纳入SSP的整体架构。

底层的D2K星知·知识中台，将制度、流程、案例和专家经验加工成AI可检索、可追溯、可持续更新的知识资产；D2N星枢·智能交付底座进一步将知识、Skill和专家能力组织成可执行的业务流程；SSP则面向业务人员提供统一的操作入口。

举个例子：一个新的业务线数据接入需求下来——比如要接入一批信贷交易流水，D2K先把数据字典、业务口径、字段定义和已有的数仓分层规范，拆解成结构化的知识卡片；D2N据此生成一段"数据建模与标准对齐"工作流程任务，包括口径对齐、主数据识别、模型分层校验、血缘登记等环节；数据建模师打开SSP时，看到的已经是关联好数据标准、匹配好历史可复用模型、标注好字段级血缘冲突的处理界面，不用自己再翻文档、问数仓团队。

真正执行DDL生成、物理表落库、血缘写入的，仍然可以是宇信科技不同产品线开发的单体Agent——SSP要解决的不是再造一个Agent，而是让已经存在的这些Agent、知识和流程，真正被组织起来、进入业务。

干从勇打了个比方："D2K负责把数据标准变成看得懂的卡片，D2N把这些卡片串成一段能跑起来的建模流程，SSP只是把这两层结果，摆到数据人员面前而已。"

传统项目仍是基本盘

宇信要把经验变成可复用能力

SSP所代表的转型，并不是用平台取代项目，而是减少项目对重复人力和一次性定制的依赖：项目不断产生新的知识、流程和案例，平台将其沉淀下来，再反过来提高下一次交付的效率。

干从勇没有回避"降本"这两个字。在他看来，宇信是重人力资产的企业，过去交付一个项目要靠专家和驻场人员堆出来，这本身就是成本结构的问题；AI真正带来的变化，是把原来"两个专家干一个月"的活，压缩成"一周"——省下来的不是人手，而是时间和确定性。

这既是降本，也是宇信自己业务变"聪明"的真实案例。

这也是宇信科技进入这一市场最现实的筹码。

二十七年银行项目形成的行业Know-how，过去更多存在于专家经验、项目文档和交付团队的协作中。只要经验仍然跟着人和项目走，它就很难复制，企业增长也会继续受制于人力规模。D2K、D2N与SSP试图完成的，是把这些经验转换为可复用、可审计、可持续更新的能力。

在底层技术上，宇信并不准备包办一切。干从勇表示，公司不直接生产算力，也没有必要与基础模型厂商正面竞争，而是整合模型、算力和通用工具等外部资源，再将其与自身的金融知识、交付体系和客户场景结合。

这样的选择，实际是在明确一条边界：底层技术可以来自合作伙伴，宇信要掌握的是技术进入金融业务之后的组织、治理与交付。

因此，"自我重构"只能解释宇信为什么出发，不能概括它最终想去哪里。更高一层看，宇信是在项目制基本盘之上增加平台能力，争取从项目承建者进一步成为金融智能场景的连接者和运营者。

它想改变的，不只是自身交付效率，也包括自己在AI时代带来的新一轮金融IT产业分工中的位置。

一个新位置

最终要由银行客户来命名

平台能力能否成立，首先要经过银行差异化需求的检验。

据干从勇介绍，在SSP现有产品方案中，约七成为通用框架，约三成用于适配客户知识、区域政策、流程权限和核心接口。

大型银行和头部城商行更可能采用私有化部署，部分中小银行及海外客户则可能选择云化、SaaS或与算力服务结合的方式。标准化与定制化如何平衡，仍要由真实项目给出答案。

对外部大模型和工具，宇信科技的态度也不是自建封闭生态：只要符合银行的知识口径、权限规则和审计要求，外部模型和行业工具都可以通过SSP接入业务流程——宇信想要掌握的是这一层"进入之后"的治理能力，而不是模型和算力本身。

商业化的另一道考题，是平台能否摆脱一次性交付。

项目制可以继续贡献收入和场景，但如果知识更新、场景运营、模型调用和持续服务无法形成新的付费关系，平台就可能只是交付工具的升级。

相反，如果一套能力能够在不同银行复制，并让外部模型和工具通过SSP进入业务流程，宇信才真正获得了一个可以持续经营的入口。

作为宇信科技新推出的产品，SSP目前并行规划两种落地方式：面向大型银行的私有化部署，以及面向中小银行和海外客户的SaaS化服务。

据干从勇透露，首批试点客户预计今年底形成订单，规模化推广计划放在明年。他也坦言，SSP的开发过程本身也在使用AI辅助编码，同样需要面对幻觉问题——这也是SSP在关键环节坚持保留人工复核（human in the loop）、不追求全自动化的原因之一。

这背后也对应着不同的市场空间：头部银行更倾向私有化部署，客单价高但数量有限；中小银行和海外客户数量更多，但更依赖SaaS化路径——据干从勇介绍，宇信本身持有金融云资质，可以把算力一并租给客户；海外客户对订阅制的接受度也明显高于国内银行，这也是SaaS版本更可能优先在海外打开局面的原因之一。

从更长的周期看，这也是宇信科技试图改变自身收入结构的一次重要尝试。

传统项目制收入更多在项目周期内实现；如果SSP的平台能力能够被不同银行复用，收入就有可能从单个项目延伸为持续的订阅或服务收入，理论上也为毛利率改善留出空间——这也是干从勇反复强调"平台复用能力"而不是"项目数量"的原因。

干从勇并未把宇信科技描述为已经坐稳这一位置的"引领者"。

在他看来，能否引领市场，需要头部客户案例和商业模式共同证明——宇信科技目前更像是提前入场的重点参与者，正与包括头部银行在内的客户推进沟通和试点。

接下来，客户是否愿意把更多知识、流程与场景放到平台上，比产品发布本身更能说明问题。

银行是否持续使用，合作伙伴是否愿意接入，收入能否从一次性交付延伸到持续服务，才会决定宇信科技拿到的是一个真正的业务入口，还是仅仅多了一套平台产品。

这也使SSP成为一次超出产品层面的尝试：宇信要回答的，不只是SSP好不好用，还有银行愿不愿意把更多知识、流程和场景，交给这样一套体系持续运营。

干从勇希望，未来市场不再用“传统软件厂商”或“人力服务”概括宇信，但也不愿简单贴上“AI产品公司”的标签。他说：“我们不想被叫做‘传统软件厂商’，也不想被简单贴上‘AI产品公司’的标签，我们想做的是一家在金融行业以AI创新为核心、为客户真正输出业务价值、和银行一起协同运营的解决方案厂商。”

从项目经验中生产平台能力，是宇信正在做的事；至于市场最终如何定义它，要看SSP能否把这套能力真正带进银行的生产系统。

放在更大的背景下看，这也是宇信科技在金融科技行业从"卖系统"转向"卖能力"的节点上，尝试完成的一次身份转变——它想验证的，不只是SSP这一个产品能不能成立，而是"平台型收入"这条路径，对于一家二十七年以项目制起家的公司，究竟能走多远。