纵观现代金融IT发展史，每一次重大技术进步都伴随着金融IT架构的体系性转型：从业务电子化和办公无纸化，到2007年以工行数据仓库建设为代表的数据架构体系建立；再到SOA服务化驱动金融IT形成"新一代ITSP"分层架构；以及分布式、大数据与云计算体系的大规模引入。每一次转型都不是单一应用的功能升级，而是整个ITSP的体系性跃迁。
当下，AI的发展------特别是新一代AI原生与智能体技术------除了在舆情处理、推理决策、自主行动等应用层面带来收益之外，更值得系统思考的，是由此引发的整个金融IT架构层面的体系化转型升级。本文以金融IT为典型样本，从ITSP规划，以及应用架构、技术架构、数据架构，乃至业务能力提升赋能多个层面展开阐述。
一、AI驱动的金融ITSP架构目标
1.1 传统ITSP架构回顾
当前主流金融机构的ITSP的架构历经二十年迭代，形成了以从用户与企业两个维度划分的渠道、客户服务整合、产品服务、数据集成、管理分析及外部集成等7层12平台（图1）的典型代表。虽然现有主体架构已经在当时的技术条件下充分考虑了以客户为中心的流程集成与灵活产品创新的需求，但其主要还是以软件系统为主体建立的，这在应对当今金融机构的业务重心不断倾向于客户服务侧的过程中已经较为吃力。
图 1 典型金融 ITSP 高阶分层架构（传统 ITSP 参考）
1.2 数智金融高阶IT架构目标
AI驱动的金融ITSP转型升级，可用概括为：由新应用、新技术、新数据三个方向的同步转型升级，共同汇聚到AI原生组织形态之上，形成需求即开发--》业务即系统--》服务即收入价值阶梯的数智金融新架构。具体目标表现为：
新应用（AI应用架构）：从"系统为主、联接为辅"走向"联接为主、系统为辅"。传统应用以独立业务系统为基本单元，系统之间通过流程编排联接；AI原生应用以联接（智能体协同、本体导航、MCP/API调用）为基本单元，系统则成为按需挂接的资源。这是应用架构哲学的根本转向。
新数据（AI数据架构）：从人工治理、与业务分离，走向自主式"智"理及与实时业务融合。AI驱动下，数据可自动感知变化、智能推荐关系、实时监控质量，主动触发业务与治理动作；同时，数据不再是脱离业务的静态资源，而是实时、直接地驱动业务决策。
新技术（AI技术架构）：从传统单一系统的确定性执行体系，走向碳与硅结合的双脑架构。"碳"代表以人类专家经验、业务规则、确定性执行为代表的传统IT能力面向AI的转化；"硅"代表以大模型、概率推理、智能体为代表的AI原生能力。二者不是替代关系，而是协同关系------硅基擅长自主概率推断但广覆盖的语义联想，碳基擅长精确但有边界的语义定义。由于当前大语言模型以Transformer与注意力机制为主体的核心机理导致幻觉不可避免，因此，需要在LLM的参数化隐式表达之外，建立由人工校对、结构化对象与关系显式承载的"碳基语义世界"作为补充。两者结合，才有可能逼近"真实准确"这一目标。
从而，"数智金融"就催生了新生代应用、技术、数据各要素智能化协同互联的一体化运行模式。其业务本质是从"系统"走向"智联"，技术本质是从"交易"走向"交互"。最终，由"新型（业务 + 数据 + 技术） × 智能体"驱动AI原生组织形态的成型。
二、AI驱动的应用架构转型------超市型产品模式与真实时
在上述ITSP架构目标指导下，AI进一步驱动金融应用架构的升级。
首先，如下图2-a是经典金融应用架构在ITSP之上的映射示例，主体由各类应用系统群及应用集成总线构成。它以"系统为主、联接为辅"为特征，大量业务价值被锁定在"事后分析"中，新功能推出高度依赖系统级开发，响应慢、成本高。在AI应用架构中，当业务人员希望用自然语言直接获得综合性金融决策时，"系统之间"不再是简单的接口调用关系，而是需要智能体驱动的自主语义协同。
其次，经典应用架构中，产品服务层的业务组件在交易过程的实时风控、营销决策等，大多情况下是通过对交易旁路监听+简单规则判断来实现的，其中有一部分规则是经验设定，另一部分规则则是由管理分析层/数据集成层在后台基于T+N级别的历史数据计算推送过来的；而分析型ECIF、监管报送的计算也是在T+N级别的后台实现的。也就是说：应用的决策分析本质是间接的、或者离线的。在AI的影响下，真正由应用驱动的实时ACRM、实时风控分析、实时分析型ECIF、实时监管报送等等新服务水平将会产生，并且相当一部分功能组件会从管理分析层/数据集成层向上层移动，大大提升了实时业务的范围、服务水平与能力；同时，各层级的决策分析类应用都会一改传统的数据获取方式，由Data Agent以实时、直接的水平与数据集成层打通。
金融AI原生应用架构转型路径可如下图2-b所示。这一架构的核心组件包括：
原有的应用界面转变为以人机交互以自然语言指令为主要入口、以"意图平面化GUI + 富卡片"为呈现方式，用户表达"意图"而非执行"操作"，每个富卡片都是结构化的、可交互的业务输入与结果。需要重点指出的是：金融垂域应用，UI界面依然存在，各个渠道依然存在，交互不能仅依靠自然语言完成，只不过是从菜单操作为主体转变为语言意图驱动的多模态卡片式（本文称之为富卡片）交互而已。
原有的各应用系统群转变为应用智能体群，以及各类产品本体地图群和金融工具与物料（MCP/API + Skills）前者是业务资产结构化治理表达，为智能体行为提供业务导航约束，后者是智能体调用的原子能力。
原有的各应用系统群之内及之间的流程集成转变为智能体之内及之间在本体地图上对原子物料的自主编排调用。
因此，AI驱动的应用架构转型，可用"超市型产品模式"加"真实时决策"概括：业务能力由内外部用户通过自然语言自主组合、按需生成：应用层实现与数据层行动级一体融合的直接实时决策能力（这一点在数据架构部分会继续说明）。这一模式同时面向"以客户为中心"和"以自主产品创新为中心"，可以看作AI原生的统一工作台，它让金融服务的供给侧和需求侧都获得了AI带来的根本性赋能。
图 2-a 典型的金融应用架构的 ITSP 映射示例
图 2-b 金融 AI 原生应用架构转型路径：超市型产品模式 + 实时决策
三、AI驱动的数据架构转型------分析左移与面向Agent的第四极
传统数据架构长期处于"交易库+分析仓"的二元分离状态，数据从交易侧到分析侧须经过ETL、清洗、建模，形成"T+1"的"事后分析"模式，即使是所谓实时数仓在行动上本质也是与业务分离的，"数据驱动业务"长期沦为口号。
AI驱动的数据架构转型，核心是两个方向的变革。
其一，分析数据集左移------打破交易与分析的边界，将分析能力推送到业务发生的时刻和位置，让分析从"事后"走向"事中"。而数据领域在AI到来之前的诸多前沿技术：如不断向业务靠近的数据编织DataFabric与主题式数据资产化，不断趋向实时的增量计算与HTAP，以及流批、湖仓、全结构一体化平台等，都成为AI数据架构转型的坚实基础。
在AI原生的数据架构中，原有面向决策的数据实体组件转变为决策分析类数据物料，它们通过数据集成加工形成直接面向业务的黄金数据集（Data Fabric与主题数据资产）。而更加关键的是：这些黄金数据集直接挂接在产品本体地图之上，由业务行动中的Data Agent自主消费，支撑实现上节所述业务域真实时决策。这样一来，业务智能体行动产生的数据变化通过HTAP一致性同步与增量计算技术"实时"同步到决策分析类数据物料，再通过挂接在本体地图上的黄金数据集，由自主执行的Data Agent直接驱动业务行动，从而形成"业务行动--->数据决策--->业务行动"的闭环，使业务系统从"记录历史的账本"转向"驱动未来的发动机"。如下图3所示：（Palantir的经验正是如此）
图 3 金融 AI 原生数据架构转型路径
其二，面向Agent的数据基础设施设计。传统数据架构面向的是"人"------数据组织、访问权限、生命周期管理皆围绕人类消费者设计；当AI Agent成为数据的主要消费者时，必须转向面向Agent的设计原则。其核心特征有三个：一是All in One------结构化数据、非结构化文档、向量数据统一存储与访问，Agent在同一上下文中即可处理全部数据形态；二是Scale to Zero------即用即起、即放即毁、弹性伸缩、零接触运维，Agent的Workspace随任务创建、随任务结束自动释放；三是Agent专属数据集------在传统OLTP、ODS、OLAP之外，催生了以Agent任务上下文为组织单元的"第四极"，数据架构的竞争从"谁的平台更大"转向"谁的数据空间更智能、更敏捷、更Agent-Native"。如图4为例，Agentic数据基础设施可以催生7层22要素的新型数据架构分层，从数据分布、数据模型、数据流转、数据集成、数据智理、数据应用、数据安全等多个层面构建AI时代的金融数据体系。
图 4 面向 Agent 的数据基础设施催生 AI 数据架构
四、AI驱动的技术架构转型升级------碳与硅结合的双脑架构
AI驱动的金融技术架构核心，是从单一软件系统的确定性执行体系走向碳与硅结合的双脑架构，如图5所示。这一架构由五大AI原生能力与三层基础设施组成（图3a）；这五大AI原生能力可以统一由公式E=MC2来概括，其中E代表"价值"释放，M代表大模型，而C则代表从原有应用系统中剥离出来，面向AI重新组织治理的各域金融业务资产Captured Knowledge。C2代表了在金融垂域，领域本体驱动的业务资产智理对价值释放的作用远重于基础大模型。
图 5 "AI+ 重构 " 银行技术架构：双脑架构
其中"脑1"是概率性大脑驱动的Agentic引擎，以大模型为内核，负责识别意图、规划方案、调度Agent协同，是AI原生应用的"思考中枢"。其工程落地形态是Enterprise Claw------企业级智能体平台，支持多渠道统一接入、企业AI网关统一调度、跨业务Agent协同调用，部署于存算分离的私有云以满足金融级安合规要求。
"脑2"是确定性执行业务引擎，以本体地图为支撑、以MCP/API治理为通道，确保每个操作的确定性和可追溯性，是AI原生应用的"执行中枢"。其工程落地形态是业务本体地图。本体地图是全结构业务知识资产（实体、流程、规则、接口、数据等）的结构化表达，它将业务系统的形态从"应用软件包"转型为"本体地图以及挂接在本体上的各类资源"，并分为显性（人工可校对）与隐性（模型参数化）两部分，共同构成面向AI的"金融业务数字孪生"。
双脑之上是AI原生交互（意图平面化GUI）与AI原生总线，前者针对轻、中、重度复杂UI界面的AI化改造一项关键的前沿技术，后者则是由大模型、API/MCP以及安全接入的合一，再之下是AI原生数据作为共同支撑。AI原生技术架构在RSI自进化引擎的作用下，不断自主沉淀在线与离线经验，达到与人类专家成长过程一致的越用越有经验，越用越聪明的效果，共同构成完整的AI原生技术架构体系。
五、AI原生驱动金融ITSP整体架构转型
综合前述多个层面的分析与结果，AI驱动的金融IT架构转型汇聚为一个完整的ITSP升级，如图6所示。
图6 AI 原生驱动银行 ITSP 转型升级
从用户视角看，客户服务整合层从"菜单式的多应用入口"转变为"统一对话式工作台"，用户通过多个渠道，以自然语言+富卡片驱动在统一入口完成交互。
从企业视角看，两个根本变化重构了ITSP的核心层：其一，组件预编排升级为智能体自主规划执行------传统"系统+组件"的预编排被"本体+物料"的智能体自主执行取代；其二，分析组件从管理分析层左移至产品服务层，数据集成层重构为Data Agent驱动的业务执行引擎，业务与数据物料在本体地图的约束下以智能化协同方式驱动构建新产品服务层。分析左移和数据集成重构，标志着数据架构与应用架构的深度融合。
六、结语：AI带来的是整个ITSP架构的体系化跃迁
金融IT架构的每一次重大转型------业务电子化、数据仓库、服务化、分布式与云计算------都不是某一个应用的局部改进，而是整个ITSP的体系性升级。AI时代不仅不例外，其变革的深度和广度将远超以往任何一次。
AI驱动的金融IT架构转型升级，核心是新应用从"系统为主、联接为辅"走向"联接为主、系统为辅"；新数据从人工治理及业务分离走向自主式"智"理及与业务融合；新技术从单一系统确定性执行走向碳与硅结合的双脑架构。三者汇聚于AI原生组织之上，共同构成"数智金融"的业务本质：从"系统"走向"智联"，从"交易"走向"交互"，以客户为中心的"服务即收入"业务新模式。
对于金融机构而言，转型的关键不只是"在某些应用上用一用AI"，而是以AI原生为基本原则重新审视和设计整个IT架构。只有在这一视角下，AI才能真正释放其变革性力量------不是替代金融IT，而是让金融IT进化到一个全新的形态。