金融行业对AI的态度一直是矛盾的：想用，又不敢把客户数据交出去。这个矛盾在过去几年里反复出现，从大模型上云到智能客服部署，隐私与合规始终是绕不过去的前置条件。在第23届中国—东盟博览会上，科蓝软件展出的数字AI智能柜员小蓝给出了一个具体解法：把感知能力放在设备端，让客户隐私数据不出终端、不出网点。
小蓝的核心设计是端云协同。端侧承担情绪感知、行为感知、厅堂运营感知、客户意图感知等实时全域感知任务，复杂风控推演与高算力运算交由云端承接，形成端侧感知前置、云端推理兜底的架构。基于这一分工，语音理解、智能感知、风控校验、现金处理、票据核验等高频业务可以在设备端完成毫秒级闭环。
这种拆法的价值在于合规边界变清晰了。过去金融智能化高度依赖云端集中运算，消费者隐私数据需要异地传输上云，存在泄露与合规风险；现在最敏感的原始数据留在本地，离开终端的只是经过处理的中间结果。对银行来说，这直接降低了数据出域的审计成本。
硬件侧的自主可控同样被摆在了显眼位置。设备采用专利积木式高柜通道设计，可以全面复用银行原有窗口，快速部署且无需停业改造；底座采用鸿蒙系统叠加国产芯片，实现软硬件全栈自主可控。对金融机构而言，部署不改造成本、软硬件来源清晰，往往比功能多寡更能决定采购决策。
作为数字柜员，小蓝在交互层面做的是减法。它支持口述需求办理存取款、转账等柜面业务，乡音方言也能识别，把过去需要在屏幕上逐层点选的操作，变成了一句自然语言。业内把这种变化概括为从人适应机器到机器理解人。
这项能力对老年客群的意义尤其直接。适老服务长期停留在放大字体、增加引导这类表层改造上，真正的障碍其实在于操作路径的复杂度。当数字人能够听懂方言、理解模糊表达并主动确认意图，技术适老才从行业倡导变成了可落地的产品能力。
一台设备承接标准化、流程化业务之后，一线柜员的角色也随之改变。重复性工作被机器接走，人可以转向财富管理、普惠信贷这类需要判断与信任的高价值服务，网点从交易场所转向服务场所。这条转型路径在国内银行业已经被讨论多年，端侧AI的成熟让它第一次具备了规模化落地的技术条件。
交互层的改造也带来新的运维要求。口述办理意味着语音识别与意图理解必须足够稳，一旦在柜面出现反复确认或识别错误，排队时间反而会变长。因此这类设备在上线前通常需要针对本地口音与业务术语做专项训练，方言识别能力不是加分项，而是可用性的底线。
把这次展出放回行业看，数字人进入金融网点已经不是孤例。工商银行推出覆盖线上线下全渠道的统一对客智能体工小智，分阶段构建对话即服务的模式；建设银行面向客户经理推出全功能AI助手帮得助理，支持一句话找客户、一句话找产品；兴业银行披露已建设500多个智能助手，应用于客户服务、反洗钱、反欺诈、消费者权益保护等数百个细分场景，其中在风险、营销、客服、运营等领域运行智能体345个。
这组数据说明数字人与智能体在金融行业的推进方式，已经不是做一个炫技的虚拟形象，而是把具体岗位、具体流程拆开，逐个用AI替换其中的重复环节。数字人只是最外层可见的交互形态，真正的价值在后台的业务编排与风控校验里。
对数字人厂商来说，金融场景的门槛正在从技术转向工程。能不能接入银行既有系统、能不能满足等保与数据出域要求、能不能在柜面高并发环境下保持稳定，这些问题的答案比模型指标更能决定项目能否交付。这也是为什么数字人赛道近两年出现的融资与产品，越来越多地围绕实时交互、低延迟与安全合规展开。
选择在东博会首发这类产品，指向的是输出意图。东博会是面向东盟的开放合作平台，端侧AI与物理AI融合的智慧网点方案，被官方表述为可复制、可输出的范式，用于助力东盟国家金融数字化升级。这套方案在国内多家银行网点已完成试点验证，并获多项全国性金融科创赛事奖项。
对国产金融科技企业来说，出海的关键往往不是模型能力，而是合规适配与本地化部署能力。端侧方案恰好在这两点上具备优势：数据留在本地符合多数国家的数据主权要求，积木式设计便于适配不同国家的网点结构。当金融AI的竞争从模型比拼转向工程交付，能提供完整可落地方案的厂商才会拿到订单。
从产品演进看，数字柜员这一形态还会继续变化。当前的方案把重点放在柜面业务办理，下一步大概率会向营销与咨询延伸，比如根据客户资产结构主动提示适合的产品，或者在企业开户、跨境结算这类流程较长的业务里承担引导角色。这类能力对模型理解能力的要求更高，也更容易触碰合规边界。
回到根本，金融数字人能不能规模化，最终取决于两件事：数据能不能留在合规边界内，以及系统能不能在高峰期稳定交付。这两点都与模型的参数规模无关，考验的是工程能力与对业务的理解深度。