AI重塑银行业：竞速正当时

大模型技术正在成为推动金融业数智化转型的核心引擎，各类规模机构已全面启动大模型应用规划

工商银行宣布新增超100个应用场景，建设银行、中国银行、中信银行纷纷宣布截至6月末落地AI（人工智能）应用的场景已上百个……

仅仅半年，AI应用在银行业遍地开花。

根据上市银行2025年半年报，42家A股上市银行中，约九成银行披露了其AI技术应用及落地成效。

8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》提出，要在软件、信息、金融、商务、法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。到2027年，新一代智能终端、智能体等应用普及率超70%；到2030年，该指标要超90%。

金融行业数字化程度较高，在本轮“人工智能+”浪潮中，以商业银行为代表的金融机构走在了浪尖潮头。

腾讯金融研究院发布的《2025金融业大模型应用报告》显示，2025年上半年，基于全网公开披露信息统计的大模型相关中标项目共79个，覆盖银行、证券、保险、信托与资管。其中，银行业中标项目44个，占比过半。

近日，在一场媒体交流会上，腾讯云副总裁胡利明用“百花齐放”形容金融机构在AI技术应用方面的探索。“DeepSeek开源之后，基础模型能力走进了千家万户，大、中、小型金融机构都在基础模型上以较低成本快速做应用开发。”

今年稍早，蚂蚁数科副总裁余滨也在与媒体交流时表示，金融大模型落地已从早期探索期进入关键拐点阶段，金融机构需要面对的问题从“是否跟进”转变为“如何落地”。

全球知名咨询机构BCG（波士顿咨询）在5月发布的报告《对银行业而言，人工智能的考验已至》中表示，AI正全方位重构银行业态，推动行业从技术应用向底层逻辑变革。这一过程中，以银行为代表的金融机构也将被AI重塑，后来者可能弯道超车，先进者也可能失去过去十余年积累的数字化优势。

显然，AI重塑银行业的竞速之争已经开启。

“金融大模型落地从基础平台建设，转向支持业务升级，部分金融机构一把手已经开始思考如何重构业务，甚至未来三至五年的机构发展战略。”余滨称，“焦虑和兴奋、挑战和机会并存，可以比较形象地说明整个机构当前的状态。”

现实中，金融大模型落地仍处在“马拉松的第一公里”。胡利明坦言，底层的基础大模型现在还在快速的迭代演进当中，同时大模型在金融核心场景中产生价值，仍然面临很多挑战。

应用场景扩容：有银行超1600个

2025年初，DeepSeek发布了开源模型DeepSeek-R1，以强大的推理能力和极高性价比横扫全球应用商店下载榜单，也引爆了中资金融机构开发AI应用的热情。

“金融业大模型应用已基本形成银行业主导、证券保险跟进、信托资管探索的梯次发展格局。”前述金融业大模型应用报告称，“进入2025年行业应用建设节奏明显提速，各类规模机构已全面启动大模型应用规划，大模型技术正在成为推动金融业数智化转型的核心引擎。”

近期，随着商业银行密集披露半年报，银行业大规模部署AI大模型的更多细节浮出水面。

对国有大行和股份行来说，AI应用已成标配。在2025年半年报中，多家银行宣告上半年大模型赋能的业务场景数量大幅增长。

在国有大行中，工商银行表示，该行上半年新增AI财富助理、投研智能助手等100余个应用场景；建设银行宣布累计赋能授信审批、智能客服、“帮得”个人客户经理助理等274个行内场景，数量较2024年年报中的193个进一步增长；中国银行也宣告，已使用大模型技术赋能全行100余个场景。

股份行方面，招商银行称，该行已在零售、对公、风控、运营、办公等多个领域共落地184个场景应用；中信银行称，该行积极探索AI赋能客户营销、管理决策、运营、风控等重点领域新范式，构建智能服务场景超1600个。

值得注意的是，多位银行科技相关人士对《财经》表示，当前业内对AI落地场景认定没有统一标准，落地场景数量多寡也与各银行的统计口径有关。

不仅仅是场景扩容，披露AI应用的银行数量也在扩大。在2025年半年报中，一个显著的趋势是，更多中小银行开始披露其AI应用细节。

以首家披露2025年半年报的上市银行常熟银行为例，该行是一家农商行，资产规模约4000亿元，上半年营业收入为60.62亿元。

半年报中，常熟银行表示，该行积极推进大模型技术的本地化部署与场景化落地，完成满血版DeepSeek及Qwen3-235B等底层模型的评测与上线，并成功投产代码生成、知识管理、信贷审核等六项大模型助手，覆盖智能客服、办公协同、研发支持、精准营销及智能风控等多个业务领域。

此外，重庆银行、江苏银行、瑞丰银行等多家中小银行均在半年报中披露其大模型部署，以及AI应用进展。其中，江苏银行称，截至2025年6月末，已落地的智能化场景数量接近60个。

“以前真正投入AI的都是股份制银行和国有大行，DeepSeek之后，我们会发现不管什么类型的银行都在投入。”腾讯云商业银行解决方案总经理曹骏对《财经》表示。

此外，银行理财子公司也在积极布局AI。中银理财董事长黄党贵在今年稍早的一场公开演讲中表示，未来，理财公司将积极拥抱科技创新，在渠道建设、产品研发、资产配置、风险管理等方面多措并举，将科技创新融入理财行业高质量发展。

在应用场景上，AI大模型从客服助手等边缘业务逐步延伸至交易、营销、风控等核心业务场景。

例如，交通银行宣布在风控领域全域应用AI技术，打造覆盖“全集团机构、全品种产品、全风险类别”的数字化全面风险管理体系，实现风控从“人防”“技防”向“智控”转变。

机构和场景扩容背后，是AI大模型带来的实实在在的效率提升。

上半年，交通银行在个人手机银行部署模型策略的出额率、提款率，分别较原本模式提升了67%和83%；电话银行渠道增加客户“事件式”营销线索的策略，产能较普通策略提升了近80%，上半年线上化直接经营的消费贷余额同比净增153%；个人手机银行应用AI模式，提升个性化的服务精准度，转化率提升2倍以上。

常熟银行通过多场景落地业务智能体，推动业务效率提升20%，显著强化了智能化服务能力。

招商银行用AI技术提升业务处理效率和服务水平，上半年人工效能提升方面节约人工475万小时，同时在采购替代、向客户提供智能推荐服务等方面带来约3.9亿元的经济效益。

工行金融大模型“工银智涌”2024年承担了相当于4万多人的年工作量。

“金融机构对AI应用的探索呈现百花齐放的态势。”胡利明对《财经》表示，当前在代码编写、员工辅助、客户服务等领域，大模型技术应用成熟度相对较高，效率提升较为显著。

求解金融大模型：数据和场景最关键

尽管大模型赋能银行的业务场景逐渐增多，但在更广泛更复杂的场景中，大模型的表现还难言颠覆。

来自银行、券商等不同类型金融机构的人士对《财经》表示，上半年，其所在机构非常重要的一项工作是上线AI Agent（智能体）。

所谓智能体，通常指能自主行动的软件或硬件实体，能够与环境交互并获取信息，通过逻辑推理和自学来自主决策和执行任务。通俗来说，就是“数字员工”，而大模型是数字员工的“大脑”。

智能体被视为大模型落地的关键环节，堪称大模型落地的“最后一公里”，对于推动金融行业的智能化升级具有重要意义。

某科技平台AI业务负责人对《财经》表示，当前一个典型的情形是，金融机构不同部门开发了几十个不同的智能体，但大部分智能体只是能体验，在业务应用中准确率不高，在复杂场景中甚至不可用。

“目前大部分AI场景仍属于尝鲜性质，相对比较粗放。”胡利明表示，“不过目前像代码助手、企业知识库、券商的AI投顾等，都是实际落地较为成熟的场景。”

“很多机构拿着通用大模型使用的时候，觉得达不到效果，有时候觉得大模型张冠李戴，明明有常规金融的逻辑，但是在做分析和决策的时候并没有遵循金融合规的要求。”余滨表示，通用大模型不懂金融，是金融机构落地大模型应用的一大痛点。

通用大模型具有很强的推理能力，但在金融等垂直领域的知识储备不够。实际应用中，银行科技人员往往需要用金融数据对通用大模型做二次训练，才能达到可用水准。

这类针对金融业务场景训练出来的大模型也被称为金融大模型。值得注意的是，多位专业人士表示，金融大模型不是一个大模型，而是由不同尺寸的模型构成的一套模型。数字员工工作过程中，在不同环节可能会使用不同尺寸的模型。半年报显示，目前已有多家银行通过大小模型结合的方式，提高金融大模型输出结果的准确率。

多位受访人士对《财经》表示，要真正实现大模型在金融业务中的深度应用，金融机构需要构建适合自身的金融大模型，而其中的关键是数据和场景。

“金融机构如果想用大模型服务于自己的客户，那么数据的归集整理沉淀就非常重要。”曹骏表示，现在可以看到很多银行越来越强调数据的重要性。

数据的数量、质量、多样性等方面积累较好的银行，在同一场景、同一大模型技术的情况下，往往能够获得更好的效果。

光大银行副行长杨兵兵此前接受《财经》专访时曾表示，智能化的前提是数字化。在该行近期举行的中期业绩发布会上，杨兵兵特别提到，该行三个数字化专班中，每个专班都配置了75名数据人员，专门负责数据整理和分析。

场景的重要性亦非常突出。

一方面，场景的选择对应用效果影响显著。

以催收场景为例，据某中小银行IT人士介绍，该行此前开发了一个催收摘要功能，即用大模型技术对催收电话内容进行分析，发掘催收线索，并生成摘要，服务催收人员。实践中，他们发现，在个人消费贷场景中，几乎没有人看摘要；但在企业客户贷款催收场景中，该功能被催收人员广泛使用，并明显提高了收回金额。

究其原因，企业客户贷款通常金额较大、涉及人员和流程复杂、催回时间较长，摘要可以帮助催收人员迅速掌握历史催收情况，制定新的催收策略，避免走弯路，因此应用效果明显提升。“场景选择确实跟我们想象得不一样。”前述IT人士感叹。

另一方面，业务场景的需求是什么？场景如何设计？这些都依赖金融机构自身对业务场景的深层次理解。

某银行科技部门有关负责人对《财经》表示，在帮助业务部门实现场景落地的过程中，该行已经形成了一套方法论。

首先是根据场景难易程度，判断场景实现需要做怎样的工作。一些简单的场景挂知识库就行，偏复杂的场景可能需要对大模型进行微调后才能实现。随着场景复杂程度进一步提高，可能需要使用强化学习、二次训练、大规模训练，甚至是智能体技术才能实现。这主要考验金融机构AI技术应用的成熟度。

其次，大模型在业务场景中落地，还需要业务部门准备足够的训练样本，样本的形式、数量，以及样本的逻辑推理链条如何设计，都要与场景需求相匹配。这些都需要在实践中不断总结经验。

“总的来说，DeepSeek等基础大模型开源后，不同体量的金融机构之间的技术差距可能在缩小，但在高质量数据驱动的深度业务场景的应用上，差距在一定时间内还会继续存在。”前述银行科技部门有关负责人说。

组织架构升级：业务、人才重塑

“今年年初，很多银行在探讨如何解决C端用户服务的问题，现在已经在聊如何把理财业务做得更好，如何让保险理赔更加高效。”余滨表示。

显然，金融大模型建设节奏从基础设施建设，进入了业务升级阶段，部分机构一把手已经在考虑基于AI重构业务。

多位受访人士认为，金融机构落地AI大模型，不仅仅是采购了IT系统，而是做业务流程重塑，战略重构，进而驱动整个组织升级。

首先，AI重塑银行业务模式和服务范式。银行员工承担的重复性劳动将大量减少，更多职责转向对AI模型的监督、管理和优化。

一个典型的应用是银行通过机器人流程自动化（RPA）为基层减负。截至2025年6月，中国银行RPA覆盖超3300个场景；邮储银行累计部署RPA超2000个，上线4000余个自动化流程。

在2025世界人工智能大会现场，交通银行展示了其数字分身驱动远程金融服务模式。该行应用音视频和AI技术构造远程视频服务体系，构建了“四位一体”新型服务模式，整合并实现远程视频座席、数字员工、客户经理、客户服务经理四类服务主体的协同联动。该模式突破了传统网点的时空限制，为客户提供一站式综合金融服务，提升了服务连续性及整体客户服务能力。

“银行与客户的交互模式，从原来的被动服务向主动服务，实时且个性化的服务转变。”前述银行科技部门有关负责人表示，这一过程中，大模型会持续强化客户服务的智能化、精细化与互动的体验，真正做到“既有老朋友的温度，也有银行家的严谨”。

同时，大模型多维综合分析海量用户数据的能力，将有效扩大银行员工服务半径。以理财场景为例，通过AI赋能理财师，原来一个理财师只能服务200个客户，现在可以提升10倍，至少是2000个-3000个客户。

其次，商业银行组织和人才结构面临重塑。随着AI应用的深入，银行对AI相关的科技人才需求上升。银行内萌生数据科学家、算法工程师、AI训练师等新兴岗位，传统的后台操作员岗位逐渐减少。

近年来，商业银行招聘需求中，出现了大量金融科技相关岗位。年报数据显示，截至2024年末，六家国有大行科技领域员工数量合计已突破10万人。

《财经》梳理商业银行招聘岗位需求发现，对比往年，2025年银行科技岗位从“信息科技岗”等泛化名称转向“人工智能领域岗”“AI专家”等，技术要求从“了解机器学习基础”升级为需熟练相关技能、适配AI实战场景。

比如，工商银行在2026年年度校园招聘计划中设置了总行“人工智能+”专项招聘岗位，要求人工智能、大数据等相关专业优先；平安银行发布的校招公告推出“科技专场”，以“金融+科技”双螺旋体系培养人才，明确聚焦人工智能、信息安全等领域。

今年3月，招行发布数字金融训练营（2026校招提前批）招募公告，强调“AI+金融”方向主题，表现优异者将直接获得2026届校园招聘提前批录用。

“一些传统岗位上的银行员工需要完成技能和工作方式的变化。”曹骏表示，“我们很明确地看到，越来越多的银行内部员工很有意愿将AI纳入其职业发展规划，未来银行内懂AI的人会越来越多。”

前述BCG报告显示，如今，一家典型的银行可能有15%的员工在前台，10%在风控部门，10%在运营部门，20%在公司业务部门，20%在中台，25%在技术部门。“随着生成式AI和智能体AI的发展，那些专注于公用事业服务的银行可能会保留更多的运营人员，而其他银行可能会优先考虑咨询和技术人员。一切都取决于每家银行各自的AI愿景和商业战略。”该报告称。

为应对相关变化，银行的组织结构也需要及时调整。曹骏表示，AI大模型落地需要科技部门和业务部门紧密协作，真正让AI能力嵌入业务场景。

以光大银行为例，为推动普惠金融、供应链金融和零售信贷三大领域的数字化转型工作，该行设置了三个数字化专班，每个专班均由业务人员和科技人员共同构成。稍早之前，该行曾采用“科技派驻制”，将科技部门员工派驻至业务部门，并接受业务部门考核。光大银行有关负责人对《财经》表示，此举旨在打破科技与业务之间的条线壁垒。

此外，AI应用将使银行的决策机制更加智能。

“通过数据驱动决策，提升决策的科学性和前瞻性，降低经验主义带来的失误。”前述银行科技部门有关负责人认为，未来银行决策的层级和流程都有望缩减，更强调数据驱动，参与决策的部门也会出现变化。

监管与合规：人工把关极其重要

值得注意的是，作为强监管行业，金融业对AI大模型等新兴技术应用的合规性也受到高度关注。

今年5月举办的清华五道口全球金融论坛上，中国人民银行金融研究所副所长莫万贵提醒，AI技术的应用可能产生三方面新的风险：

一是模型幻觉，金融对精准性、专业性、一致性、稳定性等要求比较高，存在幻觉的话，有些领域不能用；二是算法黑箱，可能对一些关键业务就满足不了穿透式监管要求，并且不利于风险管理溯源，也不利于责任认定；三是可能放大传统类风险，比如强化顺周期行为、过度依赖少数科技公司、消费者权益保护相关风险等。

对此，莫万贵建议，金融机构要更加审慎，一 是业务场景和特定技术是否适配，如果盲目将很多复杂的高深技术用到简单的业务场景，反而会变得复杂，带来不必要的风险，所以适配性很重要。二是尽可能减少对大型科技公司的过度依赖，开发个性化的、适合自己的东西，避免出现羊群效应。三是人机协同，可能金融机构要更加重视，特别是要把大模型应用纳入内部整体风控合规机制中，注重业务流程再造。

“个人觉得，一些关键业务流程、涉及决策的业务流程和任务节点，这时候就需要人工干预了，人机协同、人工干预会增加可控性。”莫万贵表示。

余滨总结认为，当前商业银行主要通过四种路径落地AI大模型。

一是从AI技术平台构建入手，逐步完成数据治理、算力建设、AI平台、金融工具集合等基础能力建设。在此基础上，通过智能客服等通用场景跑通业务链条，进一步完善基建。

二是将已有的手机银行App转变为AI手机银行，与客户的交互模式从“人找服务”转向“服务找人”。

三是基于业务场景构建智能体，通常是选择当前最需要通过AI来守住“护城河”的细分行业场景入手。

四是全行级别的分阶段建设。通过系统规划，以大模型全面重构业务流程，打造智能体集群，驱动业务创新与体验升级。

余滨表示，国有大行研发实力较强，基本上选择自行搭建算力，构建AI基础设施，自建智能体开发平台。股份行以及头部的城商行，落地模式较为多样，涵盖了前述四种落地路径。规模更小的一些区域性银行，前期倾向以较小的投入在部分场景试水，逐渐分层分类推进AI大模型落地建设。

无论何种路径，多位受访人士对《财经》表示，目前，金融机构主要通过引入合规基础模型、提高数据质量、强化模型测评、敏感词过滤、人工把关等方式加强大模型应用中的安全保护。

目前，绝大部分AI应用主要用于对内服务，赋能行内员工，极少直接面客。即便是在应用较为成熟的智能客服领域，目前AI的作用也更多是作为助手辅助客服人员，关键环节仍由人工把关。

转自：财经五月花