7天6家机构招标 银行业AI部署策略显分化

证券时报记者 李颖超

8月25日，农业银行发布招标公告，针对企业微信AI（人工智能）质检能力建设项目进行招标采购。这仅是最近7天6家银行发布的、涉及AI算力建设、大模型研发等内容的招标信息（含招标公告及公示，下同）之一，成为了银行业积极布局AI的一个缩影。

与此同时，证券时报记者在华东地区调研时发现，不同类型的商业银行基于地域特点、客群结构及数字化基础，正形成差异化的AI发展路径。

银行AI部署策略差异大

近日，农行、兴业银行、北京银行等多家银行相继发布与AI相关项目招标信息，覆盖大模型研发、算力基础设施建设、智能质检及研发助手等多个重点方向。

其中，兴业银行正征集合作伙伴，拟基于行内数据训练金融大模型以提升研发效率；北京银行则公示了全栈国产化AI算力平台建设的招标进展。此外，辽宁朝阳银行、河南农商行等机构亦积极推进信息化基础设施及智能研发助手项目，苏州农商银行的AI运营项目已初步确定中标候选人。

证券时报记者走访发现，不同类型的银行对AI能力的部署策略存在差异。

“部分国有大型银行在金融垂类大模型的应用布局上相对保守。”蚂蚁数科金融AI产品总经理曹刚向证券时报记者表示，国有大行在需求层面更偏向基础性应用，如基建搭建、上层通用服务；而部分城商行、股份行则展现出更强的变革意愿，推进更大规模的AI战略级转型。

一位金融科技公司首席技术官也向证券时报记者表示，银行间对于AI应用布局的差异也受区域经济、行内文化、历史数字化投入规模等多重因素影响，“同样规模的城商行，因所处地域和领导风格不同，AI战略可能大相径庭”。

从当前落地情况看，国有大行正依托资源构建平台与生态体系，例如工行“工银智涌”推动大小模型协同；股份行注重规模化与体系化建设，像招行超120个大模型应用覆盖多领域、中信银行“中信大脑”落地超1600个场景；城商行和农商行则侧重场景创新与区域服务，比如上海银行推出AI手机银行、重庆农商行“AI小渝”应用于多元场景。

尽管布局存在差异，但各类银行亦有不少共性：均关注AI如何提升客户体验、优化业务流程、降低运营成本及增强风控能力。今年8月，中国银行业协会发布的《中国银行业客服中心与远程银行发展报告（2024）》显示，据不完全统计，31%的客服中心与远程银行已在行内完成大模型部署。

此外，随着技术的不断成熟和场景的不断拓展，银行对AI的需求也在不断升级，从最初的辅助性工具逐渐转变为业务创新的核心驱动力。根据2024年年报，国有六大行金融科技投入规模总额达1254.59亿元，同比增长2.15%。与此同时，人工智能、大模型、数字人、算力基础设施、数据体系等关键词在上市银行年报中被高频提及。

从通用走向业务深水区

一位金融科技行业资深从业人士向证券时报记者表示，金融行业无疑是AI落地最具潜力的领域之一，但立足实际情况看，金融机构现阶段对于大模型技术的应用范畴仍主要聚焦于通用领域。

“目前，银行在通用领域诸如传统客服、知识检索以及代码编写等方面，已有较多的AI应用实践。”一位金融AI产品研发人士称，当深入到金融业务的“深水区”——例如营销、风险控制以及客户经理销售等关键领域时，AI智能体的应用渗透率则显著偏低。

该人士补充，这种应用层面分化现象的背后，隐藏着三大核心挑战：一是技术成熟度的制约；二是专业要求的挑战；三是成本因素的考量。“众多机构在观望与尝试阶段，倾向于先将通用场景交由AI进行试验，而对于那些真正关乎业务核心的关键场景，则表现得极为审慎与小心。”他说。

例如，银行零售业务涵盖了存贷款、信用卡等10多个主要场景，而每个场景下又包含多种不同的业务情形与细分门类，累计可达上百种之多，这些复杂的细分场景均需要AI智能体逐一突破。“这不仅要求具备丰富且精准的专业数据作为支撑，也对技术研发与实际应用的专业能力提出极高要求。”前述受访人士表示。

证券时报记者从业内了解到，为弥合通用能力与应用场景之间的鸿沟，今年以来，为银行提供服务的金融科技公司对金融场景相关技术能力的提升，已从通用大模型向专业或专用模型演进。已有商业银行在算力、人力及研发上密集投入，无论是智能投顾、风控模型，还是银行理财等核心场景，大模型的推理能力是AI智能体能否真正“跑起来”的关键。

技术与市场螺旋上升

当前，金融与AI的深度融合，正驱动一场“技术”与“市场”双向奔赴、螺旋上升的行业变革。

“包括银行在内的部分金融机构感到焦虑，尤其是看到同行借助AI取得突破后，更急切想知道：我的业务到底该怎么真正把大模型等前沿技术用起来？”一位第三方金融科技服务公司负责人告诉记者。

尽管AI技术展现出巨大的想象空间，但金融业固有的严谨性和低容错要求，仍在理想与现实之间划出一道鸿沟。通用大模型所常见的“幻觉”与输出错误，尚未完全满足金融领域的高审慎标准，这也构成了许多机构的“AI焦虑”核心。

当前行业普遍认为，以金融垂类大模型的迭代为例，眼下仍处于“技术驱动为主导”的阶段。蚂蚁数科AI技术负责人章鹏表示，这一进程在宏观上由技术推动，微观层面则更多由业务牵引。

前述受访金融科技公司首席技术官则表示，随着技术逐渐成熟并越过拐点，市场因素或需求因素将逐渐占据主导地位。

在技术萌芽期，许多银行机构并不能准确提出部署应用AI的具体需求，即并不清楚AI的能力边界与应用场景。随着银行业逐渐意识到AI的价值，机构业务侧便会开始反向提出更高要求，例如响应速度、结果零失误、严格合规等真实场景中的刚性指标，持续倒逼技术迭代优化。

一位为银行业提供服务的金融科技公司负责人表示，这种“技术推动认知，业务定义精度”的双向作用，正不断推高AI在金融领域的天花板，“它既不是单纯的技术主导，也不是单一的需求拉动，而是一场在摩擦中融合、在互动中共进的协同进化”。