华为金融启元拆解：openJiuwen 生产级金融智能体从千级并发到万级，三开放的工程底座

一个数字看清这次发布

2026年9月18日，华为全联接大会全球金融峰会正式发布金融启元。

它不是又一款会聊天的智能体产品。

在其底层 openJiuwen 智能体平台上，单一客户环境已能支撑超过一千个智能体在线运行。

平台同时扛住万级并发，服务用户超过两千万。

这三个量级，把金融智能体从能用推到了可规模化经营的临界点。

曹冲在主题演讲里点破了一个方向。

竞争的焦点不是堆几只分散的智能体实例。

而是能否建成由客户 AI、员工 AI、业务 AI 组成的持续能力飞轮。

本文用工程视角拆开金融启元，逐层看三开放如何托起这套生产底座。

下面先还原发布现场最关键的几个信号。

发布现场发生了什么

时间点选在华为全联接大会 2026 的全球金融峰会。

华为数字金融军团 CEO 曹冲发表主题演讲。

演讲标题是加速生产级智能体规模落地，迈向 Agentic 金融。

他正式发布了基于 openJiuwen 智能体平台的金融启元解决方案。

这套方案的使命定得很直接，让金融智能体进入核心生产。

发布同时给出三份配套产物。

第一份是金融级开源智能体平台 openJiuwen。

第二份是升级到 2.0 的金融智能体加速器 FAB。

第三份是九问式的规模化落地行动指南。

发布会还公开了一批平台落地数字。

平台已在十多家金融机构完成规模化部署。

超过三十家伙伴参与共建。

单一客户环境可容纳千级在线智能体。

这样的量级说明生产可行性，而不只是演示可行性。

金融启元的骨架：三个开放

整套方案绕不开三个关键词，开放架构、开放资产、开放算力。

开放架构对应中国首个金融级开源 Agent 平台。

开放资产对应工程工艺价值的沉淀与复用机制。

开放算力对应 Token 全生命周期与超节点底座。

三条线共同支撑起六个能力域。

它们分别是平台、智能体、资产、知识、安全治理与算力。

金融机构借此从单点应用走向生产级规模化应用。

要跨过这一步，每条线都必须做成闭环，而不是演示闭环。

openJiuwen：把 Agent 当工程对象

openJiuwen 在整个 Agentic 技术栈里处于平台层。

它不做模型，也不限定推理框架。

它真正关心的是 Agent 如何被运行、编排与治理。

这是金融系统长期缺失的工程中间层。

技术上由三大块拼成，Studio、Core 与 Ops。

Studio 是面向开发者的可视化设计环境。

Core 是 Agent 运行时，提供整套 SDK 与执行引擎。

Ops 负责全生命周期的监控与合规观测。

三者配合，Agent 从一段脚本变成可管理的系统对象。

引擎提供 ReAct Agent 与 Workflow Agent 两种预置形态。

ReAct 面向多轮推理与工具选择的场景。

Workflow 面向固定路径的流程编排场景。

开发者得到的是可视化的一站式开发体验。

平台提供了四种开放合作模式。

客户可以基于内核做自有系列研发。

伙伴可以基于开源版本做商业发行版。

平台伙伴可以做组件级的集成。

应用伙伴可以直接调用开源组件。

这保证了金融生态可以多元化入驻共建。

更硬的是配套 Harness 层面的工程积累。

上下文工程、长期记忆与沙箱被反复打磨。

在长对话评测集上记忆准确率可达八成五。

金融多轮尽调这类任务，对记忆的要求很高。

把 Agent 当工程对象，意味着每个环节都可替换与审计。

这恰恰是金融必须守住的底线。

为什么金融智能体落地难

金融场景对量产智能体提出了三道硬门槛。

门槛一关乎规模，高并发要求共享资源与弹性调度。

门槛二关乎安全，工具要准入并在隔离环境执行。

门槛三关乎治理，每次调用都必须可以回溯。

openJiuwen 用分布式蜂群架构来回应这三道门槛。

蜂群架构自上而下分四层组织。

接入层负责和已有身份体系对接。

框架层承载核心引擎与网关。

分布式运行时层负责调度与执行。

系统服务层提供安全沙箱与存储。

每一层都对应一个生产环节的治理单元。

算力亲和是其中特有的工程巧思。

Agent 的上下文与 KV 缓存保持亲和。

这能缓解长时运行中频繁出现的缓存失效。

通算与智算统一调度，任务优先级动态调整。

成效落在降时延、提吞吐与省 Token 三处。

部署形态也刻意贴合存量环境。

管理员通过专用网关统一接入认证。

Agent 实例可部署为个人专用容器。

也可以部署为部门共用的容器集群。

一个 TeamLeader 可以带多个 Teammate 协同。

这些能力全部在真实金融生产里验证过。

三阶段：从试点到可经营的飞轮

曹冲把规模化落地切成三个相连的阶段。

第一阶段从试点到生产，解决准确、可靠与安全价值。

这一阶段的验收信号是智能体真正可用。

第二阶段从生产到规模化，聚焦知识资产化与能力复用。

第三阶段从规模化到超大规模化，看架构演进与全域治理。

三个阶段各回应各自的一组必答之问。

华为把这些归纳成金融九问。

行动指南把规划到运营治理的全流程串成一条线。

我把三阶段的核心对照做成表格。

阶段	核心课题	验收标志
试点到生产	准确、可靠、安全与价值度量	智能体可用
生产到规模化	知识资产化、能力复用与演进	成功可复制
规模化到超大规	架构演进与全域治理	能力可持续经营

邮储是这套平台最早的生产级样例。

基于蜂群架构，邮储搭建了金融域蜂群智能体平台。

该平台已经投入真实生产环境稳定运行。

这证明多租户、强隔离与可审计完全落到实地。

网关与存量身份对接后，无需另建账号系统。

FAB 2.0：把工程工艺变成资产

光有平台并不够，金融落地更缺工艺沉淀。

华为在资产侧推出 FAB 加速器。

FAB 全称是 FinAgent Booster，金融智能体推动器。

2025 年 9 月首版 FAB 1.0 以五步工艺交付。

升级后的 FAB 2.0 用配套 Harness 强生产工艺。

它让复杂任务更可靠，金融认知更专业。

安全治理在组件层同步得到约束。

华为已围绕金融十类场景沉淀工艺资产。

这些资产分布十五种类型，总量超过两百个。

它们统一放进智慧金融专区开放共享。

客户与伙伴可一键取值、一键部署。

这相当于把团队踩过的坑做成可复用的工程包。

Token 的经济账：四段全生命周期

大规模并发的智能体面前，Token 成本极易失控。

金融元枢方案把 Token 生命周期完整串起来。

它覆盖规划、生产、调度与优化四个环节。

规划层决定生成多少、给谁优先级。

生产层管理推理实例的扩展节奏。

调度层把请求分给最合适的计算单元。

优化层用缓存与算子适配压缩单 token 成本。

走完全流程，Token 供给才可持续、可预算。

对把 AI 当成本中心的机构来说，这一点尤其关键。

安全治理：金融级的三道防线

金融智能体最大的障碍永远是安全，而不是能力。

openJiuwen 把工具准入做成了统一申请制。

没有授权的工具，智能体无法调用。

每个工具都在隔离的沙箱里执行。

任务、协作与调用的全过程被完整审计。

由谁发起、经过哪个 Agent、访问哪个系统，都可回溯。

这组防线让监管审计从口号变成真实能力。

金融决策要的不是胆大，而是每一次都有据可查。

部署形态：混合与分离并存

平台部署有两条主流路径可选。

混合部署把平台与模型服务放在同一台推理服务器。

这适合先低成本的试点起步。

分离部署把模型服务与平台分开在不同服务器。

这适合生产环境的资源隔离。

两种形态覆盖从轻到重的全部落地节奏。

选哪条取决于机构的合规要求与既有资源。

一个可运行的工具封装骨架

最基础的复用单元是工具插件。

外部业务系统大多以 HTTP API 形式暴露能力。

openJiuwen 把这类接口统一封装为可编排插件。

下面这段代码把投保资格校验接口封装成标准插件节点。

"""封装外部 REST API 为可复用插件节点（可运行）."""
import httpx
from pydantic import BaseModel


class InsureInput(BaseModel):
    """统一输入契约，屏蔽底层接口差异."""
    name: str
    id_card: str
    product: str


class InsureResult(BaseModel):
    """统一输出契约."""
    eligible: bool
    quote: float
    reason: str


class InsurePlugin:
    """把业务系统封装成可复用、可编排的插件节点."""

    def __init__(self, endpoint: str):
        self.endpoint = endpoint

    def run(self, payload: InsureInput) -> InsureResult:
        resp = httpx.post(
            self.endpoint,
            json=payload.model_dump(),
            timeout=10,
        )
        resp.raise_for_status()
        data = resp.json()
        return InsureResult(
            eligible=data["eligible"],
            quote=float(data["quote"]),
            reason=data.get("reason", "pass"),
        )


if __name__ == "__main__":
    plugin = InsurePlugin(
        endpoint="https://insure-api.example/check"
    )
    result = plugin.run(
        InsureInput(
            name="张三",
            id_card="110101199001011234",
            product="health",
        )
    )
    print(result.eligible, result.quote)

这段代码把外部系统封装成平台可识别的节点。

输入与输出都用类型固定，平台方无需关心底层协议。

同一个插件可以被多个工作流与智能体复用。

插件在多个业务线上共享，不必重复开发。

测试与日志在平台侧形成闭环，便于定位。

插件还可以链式联动，把业务串成闭环。

从身份定位到政策校验再到最终通知，都能串联。

外设能力外溢成公共组件，进一步提升复用率。

这正是规模化复用的最小工程闭环。

把插件与智能体组装起来，用一张表看得更清楚。

层级	承担职责	对应资产
模型层	推理与生成	可控模型服务
运行时层	调度与工具	Core 与工作流
编排层	多智能体协同	FAB 与工艺资产
治理层	审计与安全	Ops 与沙箱

昇腾 950 超节点：算力底座

大规模并发智能体需要匹配的算力供给。

硬件底牌是昇腾超节点体系。

自 2025 年 3 月首度发布以来，超节点已在行业铺开。

全行业已部署超过一千套超节点算力底座。

二十多家金融机构全面使用，覆盖上百个场景。

此次华为带来昇腾 950 超节点。

它面向大规模训练与推理，目标是千卡超节点。

一台超节点被当作一台计算机来组织，简化运维。

算力底座与 Token 优化配合，成本才真正可控。

开放开源决定生态盘的走向

金融启元不是一次简单的产品发布。

它本质上是一次开放路线的表态。

把平台开源，把工艺资产开放，把算力侧开放。

开放带来的直接好处是生态共建。

伙伴可以在同一底层上各自沉淀行业能力。

开源也能消解金融机构对封闭绑定的顾虑。

这对一个高度在意长期稳健的行业十分关键。

让 AI 真正碰业务：链式协同编排

真正的业务价值来自多智能体的协同编排。

单个智能体适合单点任务。

复杂金融流程则需要多个 Agent 分工接力。

openJiuwen 的工作流把多个处理节点连成通道。

大模型组件负责人机对话的意图拆解。

插件组件负责落地的业务动作。

代码组件负责精确的计算闭环。

各组件在画布上可视化编排，流程可复用。

这便是 AI 走进核心业务的形式。

四大业务场景对照：Agent 的价值密度

落到业务端，价值密度最高的场景往往最集中。

到账核实是把长流程拆给多个环节，降低差错。

理赔审查是让 Agent 读取影像材料并跑完核验路径。

反欺诈是把规则与推理组合起来实时拦截可疑行为。

客户服务是把大量标准化问答交给外围机器人承接。

四类场景的共性是流程长、步骤多、可审计要求高。

它们也最容易先跑通规模化。

我按落地难度做了一张对照表。

场景	多 Agent 分工	第一道坎
到账核实	分步核对且可回溯	账务一致性
理赔审查	材料读取加规则复核	多模识别准确
反欺诈	实时规则加决策联动	低时延响应
客服应答	多口径分派与转人工	口径一致性

选对首跑场景，决定飞轮的启动速度。

先跑通低频高价值，再扩展高频场景。

这是金融规模化最稳健的推进次序。

给技术团队的四个可复制动作

把发布会放回工程师视角，动作其实很收敛。

第一，先把 Agent 当工程对象，别只盯着对话效果。

明确它的输入、输出、上下文与工具契约。

第二，把外部业务 API 全部封装成标准插件。

统一接口、日志、灰度与审计路径。

第三，主动沉淀工艺资产，不让人肉反复踩坑。

把踩过的坑与规则写成可复用的配方库。

第四，让算力与调度可以弹性承接并发。

别让智能体的规模化卡死在推理节点上。

华为金融启元的公开说明书，是产业信号的集成。

它说透了一个道理：智能体竞争已经切换赛道。

从会不会完成单点任务的赛道，换成规模化经营的赛道。

谁能把工程底座补齐，谁就能先把飞轮转起来。

金融之后的制造、政务与能源都盯着同一张棋局。