银行的数字化讲了 20 多年，在大模型问世之前，也取得了不错的成就。然而， 2024 年被称为“大模型应用元年”，对银行业也不例外。

　　“千模大战”告一段落，头部基础模型厂商市场格局初定，应用端垂类模型“百花齐放”。作为数据最为密集、数字化基础最为成熟的行业，金融业成为率先探索大模型等AI技术应用的“排头兵”。

　　或许，这一次我们不再讲数字银行了，我们讲AI银行。

　　1 从数字银行到AI银行

　　2025年开年以来，具备深度推理与跨模态能力的AI技术迎来了蓬勃发展，正全方位重塑银行业经营的大环境。

　　

　　图：2024年金融业大模型中标情况

　　目前来看，银行AI战略的基础大模型底座至少包括两个部分，一是以生成式大模型为基础的“快思考”大模型，另一个部分是以DeepSeek-R1为代表的“慢思考”推理模型，另外还有代码大模型、多模态大模型、智能体等等，分别针对不同场景的差异化需求实现落地应用。

　　这些应用都在表面，银行正在从数字银行转向AI银行进行过渡。

　　例如，中信银行升级融合了决策时AI“中信大脑”与生成式AI“仓颉大模型”，由此建成了“自主平台+场景深耕+生态共建”的三位一体AI赋能体系。

　　光大银行也制定了《模型建设发展规划》，布局“决策式模型+生成式模型”综合应用的智能解决方案。在各家银行披露的AI应用场景中，已实现落地应用的成熟场景主要是智能编码研发、智能营销、智能客服、智能风控、合规内审、消费者权益保护，以及日常经营管理流程等等。

　　值得关注的是，在零售信贷、财富管理等与C端用户交互较多的场景之外，2024年有多家银行在金融市场、交易银行、公司金融等对公业务层面结合大模型与小模型能力，实现综合化的智能应用。

　　

　　图：工行等国有银行智能体应用进展

　　比如，招商银行在交易银行业务中深化人工智能技术应用，线上“招小财”AI助手能够准确识别客户意图，协助客户完成复杂公司金融产品操作，响应准确率达到95%，形成立体式的客户需求即时响应服务体系。

　　招行还将大模型技术应用到资本管理领域，打造“智本GPT”，让产品定价管理系统进一步完善线上化全流程管理，推动数智化转型。

　　此外，兴业银行也在金融市场业务场景中推出“兴小二”债券交易机器人，依托智能化交易平台，引入机器学习、大模型等先进技术进行系统和策略升级，通过各类算法和因子挖掘提升交易效率。

　　2 从“AI+金融”到“人+AI”

　　大模型时代，个人的主观能动性价值被无限放大。与过去单点业务的技术应用创新不同，如今的“AI+”已覆盖银行C端用户、B端客户以及对内员工等全业务流程。

　　与此同时，在技术之外，越来越多的银行注意到人与AI的关系，不仅强调AI与金融场景的融合，更切实关心员工如何真正使用AI技术，相关创新应用的调用率如何，技术真正带来了多少业务价值。

　　

　　图：头部银行近三年金融科技投入情况

　　在“AI+”战略的推动下，各家银行披露的人工智能、大模型等新技术应用场景数量繁多，甚至“成百上千”。

　　如工行企业级千亿金融大模型技术体系“工银智涌”已赋能20余个主要业务领域、200余个场景，累计调用量超10亿次。建设银行金融大模型体系已赋能行内193个应用场景。招商银行全行大模型应用场景超120个。

　　摆在银行面前的下一个问题是，如何确保在这些应用场景中，AI能够真正赋能于员工，让每个人都得以分享科技带来的便利。越来越多的银行开始关注“人+AI”。

　　年报显示，国有六大行持续推动数字化转型，不断加大金融科技投入力度，2024年金融科技投入共计1254.59亿元，较2023年共计1228.22亿元的金融科技投入增长2.15%。

　　而与此同时，国有六大行的科技人才队伍不断壮大，为银行科技创新和应用能力的提升构筑人才“护城河”。

　　2024年末，工商银行金融科技人员3.6万人，占全行员工的8.6%；交通银行金融科技人员9041人，较上年末增长15.70%，占集团员工总人数的9.44%，较上年末上升1.15个百分点；中国银行科技条线员工14940人，占集团员工总人数的4.78%；建设银行金融科技类人员16365人，占集团员工总人数的4.34%。

　　

　　图：农业银行智能客服Agent

　　此外，各大行均提及了要加大人工智能等科技手段在展业、服务、管理等领域的应用。例如，邮储银行提到，在贯标申请和审核场景中，使用大模型实现数据标准项智能推荐、填写和审核，推荐正确率超80%，单条审核时间由分钟降至秒级。

　　在企业级数据字典相似性检查及派生关系识别场景中，存量相似性分析工作节省超90%人工，派生关系识别正确率超80%。在数据安全分类分级场景中，自主研发数据安全分类分级算法模型，分类准确率和分级准确率约为85%和95%。

　　可以看到，在金融业数字化转型加速的背景下，近年来国有大行显著加大对金融科技领域的战略投入，尤其是聚焦人工智能技术的研发和应用。

　　3 机遇与挑战并存

　　AI在银行业的广泛应用，已然成为推动银行业数字化转型的重要动力，不仅在提升运营效率、优化客户体验、增强风险管理能力等方面发挥着关键作用，更深刻地改变了银行业的竞争格局和发展模式。

　　未来，银行有望借助AI技术实现业务流程的全面自动化和智能化，为消费者提供更加高效、精准的金融服务。

　　

　　图：智能体应用架构图

　　但是，我们也必须清醒地认识到，AI技术的发展和应用是一把“双刃剑”，在带来机遇的同时，也伴随着诸多挑战。AI技术仍存在着算法合规性、数据跨境流动、数据隐私保护等诸多问题。

　　在技术应用上，银行需要积极承担起主体责任，加强技术研发和创新，提升自身的AI治理能力和数据安全防护水平，此外，相关法律法规也需要不断完善，为AI技术在银行业的健康发展营造良好的政策环境。

　　比如，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。银行业资产规模数百万亿元，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。

　　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。

　　

　　图：智能体应用原理

　　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。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。

　　金融是实体产业的血脉，也是科技创新的“催化剂”。构建同科技创新相适应的科技金融体制，需要形成多元、健全的金融服务体系，为科技型企业提供多元化接力式的服务。

　　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。未来，需要外部厂商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。

　　4 结束语

　　2025年以来，AI浪潮愈发汹涌，技术应用逐步显现。科技创新、产业变革与金融服务迎来转型的关键阶段，技术与业务的融合，为金融行业如何服务国家科技战略擘画了清晰的蓝图。

　　笔者预计，2025年将是金融服务业AI应用迅猛发展的黄金时期。AI技术正在重塑金融服务业，全面升级客户经营、客户服务与产品创新，将从根本上改变银行业目前的运营模式与成本管理。

　　本文来自微信公众号“楼卓昊Fintech”，作者：楼卓昊，36氪经授权发布。