工商銀行宣布新增超100個應用場景，建設銀行、中國銀行、中信銀行紛紛宣布截至6月末落地AI（人工智能）應用的場景已上百個……

僅僅半年，AI應用在銀行業遍地開花。

根據上市銀行2025年半年報，42家A股上市銀行中，約九成銀行披露了其AI技術應用及落地成效。

8月26日，國務院印發《關于深入實施“人工智能+”行動的意見》提出，要在軟件、信息、金融、商務、法律、交通、物流、商貿等領域，推動新一代智能終端、智能體等廣泛應用。到2027年，新一代智能終端、智能體等應用普及率超70%；到2030年，該指標要超90%。

金融行業數字化程度較高，在本輪“人工智能+”浪潮中，以商業銀行為代表的金融機構走在了浪尖潮頭。

騰訊金融研究院發布的《2025金融業大模型應用報告》顯示，2025年上半年，基于全網公開披露信息統計的大模型相關中標項目共79個，覆蓋銀行、證券、保險、信托與資管。其中，銀行業中標項目44個，占比過半。

近日，在一場媒體交流會上，騰訊云副總裁胡利明用“百花齊放”形容金融機構在AI技術應用方面的探索。“DeepSeek開源之后，基礎模型能力走進了千家萬戶，大、中、小型金融機構都在基礎模型上以較低成本快速做應用開發。”

今年稍早，螞蟻數科副總裁余濱也在與媒體交流時表示，金融大模型落地已從早期探索期進入關鍵拐點階段，金融機構需要面對的問題從“是否跟進”轉變為“如何落地”。

全球知名咨詢機構BCG（波士頓咨詢）在5月發布的報告《對銀行業而言，人工智能的考驗已至》中表示，AI正全方位重構銀行業態，推動行業從技術應用向底層邏輯變革。這一過程中，以銀行為代表的金融機構也將被AI重塑，后來者可能彎道超車，先進者也可能失去過去十余年積累的數字化優勢。

顯然，AI重塑銀行業的競速之爭已經開啟。

“金融大模型落地從基礎平臺建設，轉向支持業務升級，部分金融機構一把手已經開始思考如何重構業務，甚至未來三至五年的機構發展戰略。”余濱稱，“焦慮和興奮、挑戰和機會并存，可以比較形象地說明整個機構當前的狀態。”

現實中，金融大模型落地仍處在“馬拉松的第一公里”。胡利明坦言，底層的基礎大模型現在還在快速的迭代演進當中，同時大模型在金融核心場景中產生價值，仍然面臨很多挑戰。

01 應用場景擴容：有銀行超1600個

2025年初，DeepSeek發布了開源模型DeepSeek-R1，以強大的推理能力和極高性價比橫掃全球應用商店下載榜單，也引爆了中資金融機構開發AI應用的熱情。

“金融業大模型應用已基本形成銀行業主導、證券保險跟進、信托資管探索的梯次發展格局。”前述金融業大模型應用報告稱，“進入2025年行業應用建設節奏明顯提速，各類規模機構已全面啟動大模型應用規劃，大模型技術正在成為推動金融業數智化轉型的核心引擎。”

近期，隨著商業銀行密集披露半年報，銀行業大規模部署AI大模型的更多細節浮出水面。

對國有大行和股份行來說，AI應用已成標配。在2025年半年報中，多家銀行宣告上半年大模型賦能的業務場景數量大幅增長。

在國有大行中，工商銀行表示，該行上半年新增AI財富助理、投研智能助手等100余個應用場景；建設銀行宣布累計賦能授信審批、智能客服、“幫得”個人客戶經理助理等274個行內場景，數量較2024年年報中的193個進一步增長；中國銀行也宣告，已使用大模型技術賦能全行100余個場景。

股份行方面，招商銀行稱，該行已在零售、對公、風控、運營、辦公等多個領域共落地184個場景應用；中信銀行稱，該行積極探索AI賦能客戶營銷、管理決策、運營、風控等重點領域新范式，構建智能服務場景超1600個。

值得注意的是，多位銀行科技相關人士表示，當前業內對AI落地場景認定沒有統一標準，落地場景數量多寡也與各銀行的統計口徑有關。

不僅僅是場景擴容，披露AI應用的銀行數量也在擴大。在2025年半年報中，一個顯著的趨勢是，更多中小銀行開始披露其AI應用細節。

以首家披露2025年半年報的上市銀行常熟銀行為例，該行是一家農商行，資產規模約4000億元，上半年營業收入為60.62億元。

半年報中，常熟銀行表示，該行積極推進大模型技術的本地化部署與場景化落地，完成滿血版DeepSeek及Qwen3-235B等底層模型的評測與上線，并成功投產代碼生成、知識管理、信貸審核等六項大模型助手，覆蓋智能客服、辦公協同、研發支持、精準營銷及智能風控等多個業務領域。

此外，重慶銀行、江蘇銀行、瑞豐銀行等多家中小銀行均在半年報中披露其大模型部署，以及AI應用進展。其中，江蘇銀行稱，截至2025年6月末，已落地的智能化場景數量接近60個。

“以前真正投入AI的都是股份制銀行和國有大行，DeepSeek之后，我們會發現不管什么類型的銀行都在投入。”騰訊云商業銀行解決方案總經理曹駿表示。

此外，銀行理財子公司也在積極布局AI。中銀理財董事長黃黨貴在今年稍早的一場公開演講中表示，未來，理財公司將積極擁抱科技創新，在渠道建設、產品研發、資產配置、風險管理等方面多措并舉，將科技創新融入理財行業高質量發展。

在應用場景上，AI大模型從客服助手等邊緣業務逐步延伸至交易、營銷、風控等核心業務場景。

例如，交通銀行宣布在風控領域全域應用AI技術，打造覆蓋“全集團機構、全品種產品、全風險類別”的數字化全面風險管理體系，實現風控從“人防”“技防”向“智控”轉變。

機構和場景擴容背后，是AI大模型帶來的實實在在的效率提升。

上半年，交通銀行在個人手機銀行部署模型策略的出額率、提款率，分別較原本模式提升了67%和83%；電話銀行渠道增加客戶“事件式”營銷線索的策略，產能較普通策略提升了近80%，上半年線上化直接經營的消費貸余額同比凈增153%；個人手機銀行應用AI模式，提升個性化的服務精準度，轉化率提升2倍以上。

常熟銀行通過多場景落地業務智能體，推動業務效率提升20%，顯著強化了智能化服務能力。

招商銀行用AI技術提升業務處理效率和服務水平，上半年人工效能提升方面節約人工475萬小時，同時在采購替代、向客戶提供智能推薦服務等方面帶來約3.9億元的經濟效益。

工行金融大模型“工銀智涌”2024年承擔了相當于4萬多人的年工作量。

“金融機構對AI應用的探索呈現百花齊放的態勢。”胡利明表示，當前在代碼編寫、員工輔助、客戶服務等領域，大模型技術應用成熟度相對較高，效率提升較為顯著。

02 求解金融大模型：數據和場景最關鍵

盡管大模型賦能銀行的業務場景逐漸增多，但在更廣泛更復雜的場景中，大模型的表現還難言顛覆。

來自銀行、券商等不同類型金融機構的人士表示，上半年，其所在機構非常重要的一項工作是上線AI Agent（智能體）。

所謂智能體，通常指能自主行動的軟件或硬件實體，能夠與環境交互并獲取信息，通過邏輯推理和自學來自主決策和執行任務。通俗來說，就是“數字員工”，而大模型是數字員工的“大腦”。

智能體被視為大模型落地的關鍵環節，堪稱大模型落地的“最后一公里”，對于推動金融行業的智能化升級具有重要意義。

某科技平臺AI業務負責人表示，當前一個典型的情形是，金融機構不同部門開發了幾十個不同的智能體，但大部分智能體只是能體驗，在業務應用中準確率不高，在復雜場景中甚至不可用。

“目前大部分AI場景仍屬于嘗鮮性質，相對比較粗放。”胡利明表示，“不過目前像代碼助手、企業知識庫、券商的AI投顧等，都是實際落地較為成熟的場景。”

“很多機構拿著通用大模型使用的時候，覺得達不到效果，有時候覺得大模型張冠李戴，明明有常規金融的邏輯，但是在做分析和決策的時候并沒有遵循金融合規的要求。”余濱表示，通用大模型不懂金融，是金融機構落地大模型應用的一大痛點。

通用大模型具有很強的推理能力，但在金融等垂直領域的知識儲備不夠。實際應用中，銀行科技人員往往需要用金融數據對通用大模型做二次訓練，才能達到可用水準。

這類針對金融業務場景訓練出來的大模型也被稱為金融大模型。值得注意的是，多位專業人士表示，金融大模型不是一個大模型，而是由不同尺寸的模型構成的一套模型。數字員工工作過程中，在不同環節可能會使用不同尺寸的模型。半年報顯示，目前已有多家銀行通過大小模型結合的方式，提高金融大模型輸出結果的準確率。

多位受訪人士表示，要真正實現大模型在金融業務中的深度應用，金融機構需要構建適合自身的金融大模型，而其中的關鍵是數據和場景。

“金融機構如果想用大模型服務于自己的客戶，那么數據的歸集整理沉淀就非常重要。”曹駿表示，現在可以看到很多銀行越來越強調數據的重要性。

數據的數量、質量、多樣性等方面積累較好的銀行，在同一場景、同一大模型技術的情況下，往往能夠獲得更好的效果。

光大銀行副行長楊兵兵此前接受專訪時曾表示，智能化的前提是數字化。在該行近期舉行的中期業績發布會上，楊兵兵特別提到，該行三個數字化專班中，每個專班都配置了75名數據人員，專門負責數據整理和分析。

場景的重要性亦非常突出。

一方面，場景的選擇對應用效果影響顯著。

以催收場景為例，據某中小銀行IT人士介紹，該行此前開發了一個催收摘要功能，即用大模型技術對催收電話內容進行分析，發掘催收線索，并生成摘要，服務催收人員。實踐中，他們發現，在個人消費貸場景中，幾乎沒有人看摘要；但在企業客戶貸款催收場景中，該功能被催收人員廣泛使用，并明顯提高了收回金額。

究其原因，企業客戶貸款通常金額較大、涉及人員和流程復雜、催回時間較長，摘要可以幫助催收人員迅速掌握歷史催收情況，制定新的催收策略，避免走彎路，因此應用效果明顯提升。“場景選擇確實跟我們想象得不一樣。”前述IT人士感嘆。

另一方面，業務場景的需求是什么？場景如何設計？這些都依賴金融機構自身對業務場景的深層次理解。

某銀行科技部門有關負責人表示，在幫助業務部門實現場景落地的過程中，該行已經形成了一套方法論。

首先是根據場景難易程度，判斷場景實現需要做怎樣的工作。一些簡單的場景掛知識庫就行，偏復雜的場景可能需要對大模型進行微調后才能實現。隨著場景復雜程度進一步提高，可能需要使用強化學習、二次訓練、大規模訓練，甚至是智能體技術才能實現。這主要考驗金融機構AI技術應用的成熟度。

其次，大模型在業務場景中落地，還需要業務部門準備足夠的訓練樣本，樣本的形式、數量，以及樣本的邏輯推理鏈條如何設計，都要與場景需求相匹配。這些都需要在實踐中不斷總結經驗。

“總的來說，DeepSeek等基礎大模型開源后，不同體量的金融機構之間的技術差距可能在縮小，但在高質量數據驅動的深度業務場景的應用上，差距在一定時間內還會繼續存在。”前述銀行科技部門有關負責人說。

03 組織架構升級：業務、人才重塑

“今年年初，很多銀行在探討如何解決C端用戶服務的問題，現在已經在聊如何把理財業務做得更好，如何讓保險理賠更加高效。”余濱表示。

顯然，金融大模型建設節奏從基礎設施建設，進入了業務升級階段，部分機構一把手已經在考慮基于AI重構業務。

多位受訪人士認為，金融機構落地AI大模型，不僅僅是采購了IT系統，而是做業務流程重塑，戰略重構，進而驅動整個組織升級。

首先，AI重塑銀行業務模式和服務范式。銀行員工承擔的重復性勞動將大量減少，更多職責轉向對AI模型的監督、管理和優化。

一個典型的應用是銀行通過機器人流程自動化（RPA）為基層減負。截至2025年6月，中國銀行RPA覆蓋超3300個場景；郵儲銀行累計部署RPA超2000個，上線4000余個自動化流程。

在2025世界人工智能大會現場，交通銀行展示了其數字分身驅動遠程金融服務模式。該行應用音視頻和AI技術構造遠程視頻服務體系，構建了“四位一體”新型服務模式，整合并實現遠程視頻座席、數字員工、客戶經理、客戶服務經理四類服務主體的協同聯動。該模式突破了傳統網點的時空限制，為客戶提供一站式綜合金融服務，提升了服務連續性及整體客戶服務能力。

“銀行與客戶的交互模式，從原來的被動服務向主動服務，實時且個性化的服務轉變。”前述銀行科技部門有關負責人表示，這一過程中，大模型會持續強化客戶服務的智能化、精細化與互動的體驗，真正做到“既有老朋友的溫度，也有銀行家的嚴謹”。

同時，大模型多維綜合分析海量用戶數據的能力，將有效擴大銀行員工服務半徑。以理財場景為例，通過AI賦能理財師，原來一個理財師只能服務200個客戶，現在可以提升10倍，至少是2000個-3000個客戶。

其次，商業銀行組織和人才結構面臨重塑。隨著AI應用的深入，銀行對AI相關的科技人才需求上升。銀行內萌生數據科學家、算法工程師、AI訓練師等新興崗位，傳統的后臺操作員崗位逐漸減少。

近年來，商業銀行招聘需求中，出現了大量金融科技相關崗位。年報數據顯示，截至2024年末，六家國有大行科技領域員工數量合計已突破10萬人。

梳理商業銀行招聘崗位需求發現，對比往年，2025年銀行科技崗位從“信息科技崗”等泛化名稱轉向“人工智能領域崗”“AI專家”等，技術要求從“了解機器學習基礎”升級為需熟練相關技能、適配AI實戰場景。

比如，工商銀行在2026年年度校園招聘計劃中設置了總行“人工智能+”專項招聘崗位，要求人工智能、大數據等相關專業優先；平安銀行發布的校招公告推出“科技專場”，以“金融+科技”雙螺旋體系培養人才，明確聚焦人工智能、信息安全等領域。

今年3月，招行發布數字金融訓練營（2026校招提前批）招募公告，強調“AI+金融”方向主題，表現優異者將直接獲得2026屆校園招聘提前批錄用。

“一些傳統崗位上的銀行員工需要完成技能和工作方式的變化。”曹駿表示，“我們很明確地看到，越來越多的銀行內部員工很有意愿將AI納入其職業發展規劃，未來銀行內懂AI的人會越來越多。”

前述BCG報告顯示，如今，一家典型的銀行可能有15%的員工在前臺，10%在風控部門，10%在運營部門，20%在公司業務部門，20%在中臺，25%在技術部門。“隨著生成式AI和智能體AI的發展，那些專注于公用事業服務的銀行可能會保留更多的運營人員，而其他銀行可能會優先考慮咨詢和技術人員。一切都取決于每家銀行各自的AI愿景和商業戰略。”該報告稱。

為應對相關變化，銀行的組織結構也需要及時調整。曹駿表示，AI大模型落地需要科技部門和業務部門緊密協作，真正讓AI能力嵌入業務場景。

以光大銀行為例，為推動普惠金融、供應鏈金融和零售信貸三大領域的數字化轉型工作，該行設置了三個數字化專班，每個專班均由業務人員和科技人員共同構成。稍早之前，該行曾采用“科技派駐制”，將科技部門員工派駐至業務部門，并接受業務部門考核。光大銀行有關負責人表示，此舉旨在打破科技與業務之間的條線壁壘。

此外，AI應用將使銀行的決策機制更加智能。

“通過數據驅動決策，提升決策的科學性和前瞻性，降低經驗主義帶來的失誤。”前述銀行科技部門有關負責人認為，未來銀行決策的層級和流程都有望縮減，更強調數據驅動，參與決策的部門也會出現變化。

04 監管與合規：人工把關極其重要

值得注意的是，作為強監管行業，金融業對AI大模型等新興技術應用的合規性也受到高度關注。

今年5月舉辦的清華五道口全球金融論壇上，中國人民銀行金融研究所副所長莫萬貴提醒，AI技術的應用可能產生三方面新的風險：

一是模型幻覺，金融對精準性、專業性、一致性、穩定性等要求比較高，存在幻覺的話，有些領域不能用；二是算法黑箱，可能對一些關鍵業務就滿足不了穿透式監管要求，并且不利于風險管理溯源，也不利于責任認定；三是可能放大傳統類風險，比如強化順周期行為、過度依賴少數科技公司、消費者權益保護相關風險等。

對此，莫萬貴建議，金融機構要更加審慎，一是業務場景和特定技術是否適配，如果盲目將很多復雜的高深技術用到簡單的業務場景，反而會變得復雜，帶來不必要的風險，所以適配性很重要。二是盡可能減少對大型科技公司的過度依賴，開發個性化的、適合自己的東西，避免出現羊群效應。三是人機協同，可能金融機構要更加重視，特別是要把大模型應用納入內部整體風控合規機制中，注重業務流程再造。

“個人覺得，一些關鍵業務流程、涉及決策的業務流程和任務節點，這時候就需要人工干預了，人機協同、人工干預會增加可控性。”莫萬貴表示。

余濱總結認為，當前商業銀行主要通過四種路徑落地AI大模型。

一是從AI技術平臺構建入手，逐步完成數據治理、算力建設、AI平臺、金融工具集合等基礎能力建設。在此基礎上，通過智能客服等通用場景跑通業務鏈條，進一步完善基建。

二是將已有的手機銀行App轉變為AI手機銀行，與客戶的交互模式從“人找服務”轉向“服務找人”。

三是基于業務場景構建智能體，通常是選擇當前最需要通過AI來守住“護城河”的細分行業場景入手。

四是全行級別的分階段建設。通過系統規劃，以大模型全面重構業務流程，打造智能體集群，驅動業務創新與體驗升級。

余濱表示，國有大行研發實力較強，基本上選擇自行搭建算力，構建AI基礎設施，自建智能體開發平臺。股份行以及頭部的城商行，落地模式較為多樣，涵蓋了前述四種落地路徑。規模更小的一些區域性銀行，前期傾向以較小的投入在部分場景試水，逐漸分層分類推進AI大模型落地建設。

無論何種路徑，多位受訪人士表示，目前，金融機構主要通過引入合規基礎模型、提高數據質量、強化模型測評、敏感詞過濾、人工把關等方式加強大模型應用中的安全保護。

目前，絕大部分AI應用主要用于對內服務，賦能行內員工，極少直接面客。即便是在應用較為成熟的智能客服領域，目前AI的作用也更多是作為助手輔助客服人員，關鍵環節仍由人工把關。