金融Agent落地，谁能「敲开」银行的大门？

金融Agent落地，谁能「敲开」银行的大门？

懂财帝

生成式AI，将给全球银行业带来超过2000亿美元（约合人民币超过1.4万亿元）的商业增量。这是中国商业银行的新发展机遇，也是中国科技公司前所未有的成长机遇。

©️懂财帝出品 · 作者｜嘉逸

中国银行业，正站在新技术周期的拐点。

2025年，AI加速落地应用，AI Agent爆发，成为了破解银行技术焦虑的利器。

AI Agent，底座是AI大模型，能感知金融环境、推理决策和规划行动步骤。更重要的是，它还能执行具体任务，并根据结果进行反馈和调整。相当于，给“大脑”装上了“手脚”。

由此，AI从虚拟世界落地到银行的信贷、风控等核心业务场景，开始重构生产力。

例如：在复杂的流程中，金融Agent自主完成任务流并辅助决策，大幅减少人工干预，实现降本增效。在客户服务中，它能提供智能便捷的交互体验和个性化的金融产品。

资料来源：《2025年金融智能体深度应用报告》

目前，金融Agent已经成为“一把手工程”或“核心工程”。

浦发银行副行长丁蔚表示，场景+智能体正成为金融创新的新领域，将激发出无限的创新可能性。

工行首席技术官吕仲涛认为，金融业大模型应用将从以模型预训练为重心的上半场，走入以先验知识+后训练+智能体应用的下半场。

中信百信银行首席数字官陈龙强更是高呼：“AI Agent布局应‘抓紧上车’”。

资源也随之倾斜、加码。我们观察到：部分头部银行，AI实力雄厚，正自主研发、落地金融Agent。同时，在科技公司的赋能下，有更多的中小银行跨越“技术鸿沟”，也正向AI银行进阶。

1 ｜ 金融Agent「如火如荼」

银行，数字化基础相对完善，拥有海量数据，是AI落地应用的最佳场景之一。

当前，金融Agent的建设，正如火如荼。

国有行方面，“宇宙行”工行对于金融科技的投入最阔绰，2024年支出规模达285.18亿元，位居首位。它基于自研的“工银智涌”大模型，正建设智能体工厂，已经打造出了数据洞察智能体、财富助手智能体。

其中，数据洞察智能体已赋能行内超过2万名数据分析人员、超过20万名管理、营销、运营人员，已将数据分析时长从小时级缩短至分钟级。

农行2024年金融科技投入规模249.7亿元，科技人员2.76万人，仅次于工行。它聚焦信贷场景，创新推出了“模速贷评分卡”智能体。

这是一张由AI辅助生成的评分卡，根据人员素质、创新能力、商业化能力、市场化投融资等能力，对企业进行综合评分。它还能在30秒内一键生成上市公司信贷报告，大幅缩短尽调审批时间。据央视报道，基于该智能体，农行上海徐汇支行已经为专精特新企业上海卓繁信息，批出了贷款。

邮储银行正积极追赶国有行同业，2024年金融科技投入增幅最大。

它与华为等科技公司合作，已经推出了知识问答、数据查询、告警研判、日志分析等网络运维智能体。其中，基于告警研判智能体，已实现行内大部分常见网络告警的排查自动执行，告警排查自动化率超87.5%，效率提升90%。

股份行方面，招行、平安银行是“科技明星”。

招行基于自己的科技能力，同时和火山引擎合作，推出了数据Agent，辅助员工数据分析。

平安银行背靠平安集团科技生态，基于PingAn GPT大模型，构建了AI Agent平台，已经上线知识数据Agent等智能体。

中信银行在自研的同时，也积极寻求外部合作，对外招标了部分AI项目。其副行长谷凌云透露，该行基于大模型知识检索能力构建的智能体，已经辅助650多名坐席人员与客户对话，部分场景内容检索效率提升50%以上，每通电话平均时间压缩超过10%。

去年，浦发银行新管理层上任后，全力推进数智化战略。它和华为等科技公司合作，正建设智能体创设平台，并已推经出“智慧票据”贸易背景审核智能体，辅助票据审核自动化。

广发银行很早就和阿里系（阿里云、蚂蚁集团）战略结盟，目前，其打造出的智能数据分析助手，已经应用于数十个分行，表定位准确率70%，数据查询成功率65%。

头部城商行“牵手”科技公司，数智化转型已有显著成效。

北京银行基于百亿级参数的“京智”大模型，与华为合作，打造了“京骑”AI智能体（AIAgent）应用平台，已能提供流程编排、插件开发、Agent部署等功能支持，并支持在智能问答、知识检索、数据分析等业务场景的应用。

上海银行和数势科技合作，接入DeepSeek大模型和数势科技的SwiftAgent智能体技术架构，打造出了智能问数平台。

据悉，该平台大幅提升了用数效率，上海银行业务人员自主用数率从35%跃升至80%，预期能将业务响应时间缩短30%，数据分析效率提升40%。

此外，宁波银行、南京银行、长沙银行、中原银行、江南农商行等银行，也已经发布了多个AI大模型、AI智能体采购项目。

类比十年的移动互联网转型，如今的“AI+银行”浪潮更加汹涌澎湃，金融Agent正“全面开花”。

2 ｜ 科技巨头VS垂类公司，谁更强？

AI，底层基础设施包括算法、算力、数据，中层是通用或垂类的AI大模型，上层是AI Agent等软件和应用。

AI能力的建设，是一个极其复杂、高成本的综合型工程，全球科技公司每年耗资高达数万亿元。

而当前，中国银行业净息差持续收窄、业绩承压，银行机构，尤其是中小银行“从0到1”打造AI，并不现实。联手科技公司，或许是解锁“AI密码”的最便捷、最具性价比的路径。

上文也提到，不论是国有大行、股份行，还是区域性城商行，落地AI Agent都离不开科技公司的支持和赋能。

目前，市场上能提供金融Agent服务的，主要有两类玩家：

一类是BATH、火山引擎等科技巨头，他们的核心优势在于AI+云的基础设施，生态能力，综合解决方案。

如百度，拥有全栈自研、自主可控的AI+云基础设施和解决方案，打造了通用Agent平台“心响”App。

公开资料显示，百度帮助农行打造了“农行金融大脑”。3月，百度昆仑芯服务器中标了招行AI芯片资源项目。4月，百度智能云和兴业银行达成战略合作，将共同探索智能体中台、大模型应用等领域。

阿里、腾讯，是全球领先的AI+云巨头，旗下拥有丰富的生态场景和综合解决方案，也打造了AI Agent生态。在银行业中，他们备受青睐。

今年，阿里云中标了河南农商行数字化协同平台、建行智能编码等项目，并以更高价中标了中信银行财富管理大模型项目。

阿里云还透露，四大行已开始接入阿里AI。如工行基于通义千问多模态大模型推出了“商户智能审核助手”，在商户准入审核环节，用多模态技术取代了传统OCR技术。

同时期，腾讯云也中标了潍坊银行AI中台体系建设等项目。

腾讯云表示，过去10年，国内Top200银行有90%选择了腾讯云。如中国银行，基于腾讯云TI平台和大数据TBDS，打造了面向分析师的智能工作台，已服务超过4000名分析师。华兴银行在腾讯云的帮助下，打造了大模型信贷尽调助手，将尽调报告生成周期从7~10天大幅压缩至1天，工作效率提升10倍。

华为同样拥有领先的AI+云能力、综合解决方案，还有强大的政企服务能力，它已帮助邮储银行、浦发银行、广发银行、北京银行等，研发、落地了金融Agent。

近两年，火山引擎迅猛崛起，得益于豆包大模型的综合能力已跻身全球第一梯队，及推理成本持续下探。

据统计，去年下半年，火山引擎中标AI大模型、AI Agent相关项目的数量位居行业第一。2025上半年，在银行业中，火山引擎相继斩获大单，中标了贵阳银行大模型智能中台能力建设项目、成都银行大模型分析系统采购项目、中原银行智能体应用开发平台项目等。

另一类玩家是垂类科技公司，他们在信贷、消费金融、财富管理等细分场景，拥有深厚的技术、数据积累。

如蚂蚁数科，旗下有支付宝、蚂蚁消金、蚂蚁基金、网商银行等。今年，它发布了Agentar平台，近期又联合金融机构推出来超百个金融场景智能体解决方案，覆盖银行、证券、保险、通用四大领域。

如奇富科技，长期深耕信贷场景。信也科技，长期深耕金融领域。合合信息，长期深耕商业大数据赛道。

目前，奇富科技已推出奇富信贷超级智能体，包括端到端授信决策智能体、AI合规助手等。信也科技升级了智能体平台Zeta，已在自研客服与合规AI智能体取得了突破进展。合合信息已将启信慧眼升级为商业数据智能决策企业级AI产品。

数势科技聚焦数据智能，它的优势在于技术创新，应用NL2Semantics技术路线实现精准取数，应用Multi-Agent架构实现多Agent并行协作。它已经帮助民生银行、江苏银行、上海银行、中原银行等机构，打造出了金融数据Agent。

综合对比来看，在AI+云基础设施、AI综合解决方案及AI Agent生态等方面，科技巨头的优势无可撼动。但在细分业务场景或某一个金融Agent产品上，垂类科技公司拥有差异化竞争优势。

他们各有千秋，是竞争对手，同时也是合作伙伴，正共同推动着中国金融Agent生态的繁荣。

3 ｜ 挑战和机遇

尽管AI Agent火热，但客观来看，理想和现实仍有不小的差距。

场景方面，仅有少数银行在信贷、风控等核心业务环节落地了金融Agent，而大多数银行则聚焦数据分析、智能问答、知识检索等非核心业务场景。

并且，金融Agent主要是辅助作用，也意味着，它依然需要人类的监督和干预。

原因是，银行业资产规模数百万亿元，是中国经济的“血脉”，也事关14亿国人的钱袋子，银行机构对AI Agent的确准性、可靠性、安全性要求极高。

但目前，部分领先的金融大模型的准确率仅有95%，AI仍时常出现幻觉。

这也是整个AI行业亟待解决的问题，该如何迭代进化？

一位垂类科技公司的高管表示，金融智能体的迭代=金融大模型+知识供给+专业工具+安全+测评+观测。

未来，需要科技公司和银行共同努力探索，在合规、隐私保护的基础上，不断将数据、资料“喂”给AI大模型，强化其金融专业能力。

同时，要推出更多的AI工具，可以逐步拓宽试点范围，先进行小规模试点应用，收集反馈，迭代优化，形成“飞轮效应”，再进行大规模的推广和应用。

最后，还要设置防护栏和可观测机制，限制AI Agent的行为范围，实时监控其运行状态。

除此之外，金融Agent落地应用，还正面临着成本收益的考验。

银行机构精打细算，考核ROI，但短期内，依靠金融Agent驱动业绩跨越式增长，不太可能。

数智化转型，是一个极其漫长的过程。一方面，银行必须制定出长期、坚定的AI战略，甚至要“一把手”亲自挂帅推进。

另一方面，科技公司也必须更努力的“向上攀登”。谁的AI能力更强，对银行业务的理解更深刻，金融Agent落地更扎实，以及谁能帮助银行降本增效，甚至挖掘出业务增量，谁就将收获更多的订单。

麦肯锡预测，生成式AI，将给全球银行业带来超过2000亿美元（约合人民币超过1.4万亿元）的商业增量。

这是中国商业银行的新发展机遇，也是中国科技公司前所未有的成长机遇。

说明：数据源于公开披露，不构成任何投资建议，投资有风险，入市需谨慎。

「点赞」「在看」与 「分享」，你对作者最大的支持。