近日，北京国家金融标准化研究院发布《西南地区人工智能金融应用情况调研（2026）——现状、痛点和实践》，星环科技“智能体金融的数据底座与AI中台”被作为典型实践收录其中。

目前，星环科技已服务近400家金融客户，覆盖银行、证券、保险、基金等多个金融业态。长期深耕金融，也让星环科技积累了丰富的行业实践，并在高要求的金融业务场景中持续验证数据与AI能力。

随着大模型和Agent逐步进入金融业务，金融AI正在从单点应用走向更深层次的业务融合。报告显示，超过90%的受访金融机构面临算力相关挑战，59%的机构尚未开展AI数据集建设，真正进入AI原生架构阶段的机构仅占4.3%。

这些数据背后，是金融AI进一步落地面临的一个共性问题：

当Agent开始理解业务、调用数据并参与业务流程，企业需要的不只是模型，更需要能够连接数据、知识、模型与业务的基础设施。

让数据真正成为Agent可以使用的资源

金融AI正在从"辅助分析"走向更加深入的业务场景。客服、营销、风控、信贷、投研等业务中，Agent开始承担越来越多的信息理解、数据查询和业务协同工作。但金融业务的特殊性，也让AI落地对底层基础设施提出了更高要求。

一方面，金融业务沉淀了海量结构化与非结构化数据。交易数据、客户数据、风险数据等结构化数据，与合同、制度、研报、客服记录等非结构化信息共同构成企业知识。AI要真正理解业务，就必须能够同时获取这些不同类型的数据。

另一方面，金融AI不能只“回答得对”，还要“用得安全”。当Agent开始直接访问企业数据、调用业务系统甚至参与业务流程时，数据权限、访问控制、操作审计、数据安全以及业务连续性，都需要在基础设施层得到保障。

这也是金融AI从“模型应用”进一步走向“业务应用”时必须解决的问题。

围绕这一变化，星环科技构建了智能体金融的数据底座与AI中台，通过数据底座承载和治理多类型数据，并结合AI中台连接模型、知识与智能体，让企业数据从“被管理、被分析”，进一步走向“被AI理解、被Agent调用”。

在这一体系下，数据不再只是传统业务系统和分析人员的“数据源”，而成为Agent理解业务、获取上下文和完成任务的重要基础。

此次，这一实践被作为典型案例收录进调研报告，也说明金融AI正在从单一模型能力竞争，进一步进入数据、知识与基础设施能力协同的新阶段。

Agentic时代，基础设施正在重构

长期以来，星环科技围绕数据的集成、存储、治理、建模、分析、挖掘和流通等数据全生命周期，以及从数据到知识、模型到应用的端到端全流程，提供全栈式基础软件及服务。

2025年，星环科技推出新一代AI基础设施，进一步贯通数据、知识、模型与应用。随着Agent成为数据库新的使用者，数据基础设施也开始面向AI Agent演进。2026年，星环科技推出GPU原生认知数据库，以GPU为核心重构数据库架构，将高性能数据处理、知识召回与长期记忆融为一体，为AI Agent构建新一代数据基础设施。

目前，星环科技已服务超过1,800家企业客户，产品和解决方案覆盖金融、公共部门、能源、医疗、交通、制造等十余个行业。

当越来越多的企业开始进入AI深水区，真正重要的或许不只是拥有一个更强的模型，而是能否让AI建立在真实、可靠、可调用的企业数据之上。这也正是星环科技持续探索AI×Data的价值所在——让数据真正成为智能生产力。