每經(jīng)記者：劉嘉魁 每經(jīng)編輯：魏文藝

隨著2025年A股上市銀行年報(bào)季收官，一組數(shù)字勾勒出金融業(yè)智能化轉(zhuǎn)型的全新圖景——工商銀行全年金融科技投入達(dá)285.88億元，招商銀行宣稱其AI（人工智能）應(yīng)用在一年內(nèi)替代了超過1556萬人工小時(shí)，平安銀行的大模型應(yīng)用場景在一年內(nèi)翻倍增長至近400個(gè)??

《每日經(jīng)濟(jì)新聞》記者（以下簡稱“每經(jīng)記者”）注意到，2025年，工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行、交通銀行、郵儲(chǔ)銀行等六大國有銀行在金融科技上的投入合計(jì)超過1300億元，較2024年的1254.59億元進(jìn)一步增長。巨額投入背后，一個(gè)更深刻的轉(zhuǎn)變正在發(fā)生：人工智能已從年報(bào)中展望未來的技術(shù)章節(jié)，轉(zhuǎn)變?yōu)楹饬裤y行核心競爭力的關(guān)鍵標(biāo)尺。

與此同時(shí)，在大洋彼岸，摩根大通正描繪著另一幅AI圖景——首席執(zhí)行官杰米·戴蒙（Jamie Dimon）將人工智能定位為“堪比印刷機(jī)與蒸汽機(jī)的變革性技術(shù)”，并宣布每年投入超過20億美元，致力于打造“全AI協(xié)同企業(yè)”。這家華爾街金融巨頭不滿足于單點(diǎn)應(yīng)用，而是試圖將AI深度融入組織的每一根毛細(xì)血管。

一邊是國內(nèi)銀行業(yè)體系化、規(guī)?；腁I投入與場景落地，另一邊是國際金融巨頭以生態(tài)系統(tǒng)思維推進(jìn)的全方位智能化重構(gòu)。這場橫跨太平洋的金融智能化浪潮，正悄然改變著從信貸審批、風(fēng)險(xiǎn)定價(jià)到投資決策的每一個(gè)核心環(huán)節(jié)。

然而，這場火熱的AI投入與愿景背后，數(shù)據(jù)治理的深水區(qū)、模型“幻覺”的現(xiàn)實(shí)風(fēng)險(xiǎn)以及算法“黑箱”帶來的合規(guī)挑戰(zhàn)，也考驗(yàn)著這場變革的深度與可持續(xù)性。金融業(yè)的AI征程，在展示出巨大潛力的同時(shí)，也步入了一個(gè)需要更多智慧與審慎的關(guān)鍵階段。

圖片來源：每經(jīng)媒資庫

戰(zhàn)略升級(jí)：從“數(shù)字”到“數(shù)智”的戰(zhàn)略競速

每經(jīng)記者梳理2025年上市銀行的業(yè)績報(bào)告發(fā)現(xiàn)，“人工智能”已從技術(shù)展望章節(jié)，躍升為衡量未來核心競爭力的關(guān)鍵績效指標(biāo)。這場競賽的焦點(diǎn)，正從“是否應(yīng)用AI”轉(zhuǎn)向“應(yīng)用多深、體系多強(qiáng)”，呈現(xiàn)出體系化、規(guī)模化落地的鮮明特征。

國有大行憑借其雄厚的資源，正在構(gòu)筑AI轉(zhuǎn)型的“重型基礎(chǔ)設(shè)施”。工商銀行在年報(bào)中明確，已將實(shí)施了四年的“數(shù)字工行”（D-ICBC）戰(zhàn)略全面升級(jí)為“數(shù)智工行”（AI-ICBC），其核心“工銀智涌”大模型已在超過30個(gè)業(yè)務(wù)領(lǐng)域落地500余個(gè)應(yīng)用場景。建設(shè)銀行披露，人工智能技術(shù)已規(guī)?；x能集團(tuán)內(nèi)398個(gè)場景。中國銀行則構(gòu)建了BOCAI大模型能力平臺(tái)，累計(jì)部署智能化助手超過400個(gè)。

股份制銀行與城商行則在場景落地的速度與廣度上展現(xiàn)出更強(qiáng)的敏捷性。招商銀行在業(yè)績發(fā)布會(huì)上披露，其AI應(yīng)用場景已達(dá)856個(gè)，全年通過AI替代人工超1556萬小時(shí)，相當(dāng)于形成超過8000人的全職人工效率。更關(guān)鍵的是，AI正從“成本中心”轉(zhuǎn)向“效益引擎”，該行面向客戶經(jīng)理的智能助手，推動(dòng)人均有效出客次數(shù)提升14%，客均交易規(guī)模提升20%。平安銀行的大模型應(yīng)用場景在一年內(nèi)從“超200個(gè)”猛增至“超390個(gè)”，AI生成的代碼量占比已超過30%。中信銀行構(gòu)建了“大模型+小模型”協(xié)同模式，截至2025年末大模型落地場景超120個(gè)。

從“AI優(yōu)先”到“AI原生”，頭部銀行正試圖將智能深度嵌入組織肌理，構(gòu)筑新的競爭壁壘。

某資深銀行業(yè)研究人士向每經(jīng)記者分析稱，2025年年報(bào)密集披露的AI成果，標(biāo)志著中國銀行業(yè)的數(shù)字化轉(zhuǎn)型已進(jìn)入以智能決策和流程重塑為核心的“深水區(qū)”。這背后是行業(yè)凈息差持續(xù)收窄背景下，向技術(shù)要效率、要增長的必然選擇。AI投入不再僅僅是科技部門的預(yù)算項(xiàng)目，而是直接與降本增效、風(fēng)險(xiǎn)控制、收入提升等核心經(jīng)營指標(biāo)掛鉤的戰(zhàn)略性投資。

應(yīng)用深耕：風(fēng)控、普惠與運(yùn)營的效率革命落地

經(jīng)過多年探索，AI在銀行業(yè)的應(yīng)用早已超越早期的智能客服與刷臉支付，深入業(yè)務(wù)核心地帶，在提升效率與控制風(fēng)險(xiǎn)兩方面展現(xiàn)出顛覆性潛力。

在風(fēng)險(xiǎn)管理的“心臟”——信貸與反欺詐領(lǐng)域，AI正實(shí)現(xiàn)從“規(guī)則判斷”到“智能感知”的質(zhì)變。傳統(tǒng)風(fēng)控依賴歷史數(shù)據(jù)和靜態(tài)規(guī)則，難以應(yīng)對(duì)復(fù)雜多變的新型風(fēng)險(xiǎn)。而以機(jī)器學(xué)習(xí)、圖計(jì)算為核心的智能風(fēng)控系統(tǒng)，能夠?qū)崟r(shí)處理海量異構(gòu)數(shù)據(jù)。例如，郵儲(chǔ)銀行構(gòu)建的全鏈條反欺詐模型體系，在2025年上半年累計(jì)保護(hù)潛在受害賬戶超過10萬戶。招商銀行的在線風(fēng)控平臺(tái)在2025年審批對(duì)公信貸規(guī)模接近6000億元，同比增長44%，其AI輔助的貸后風(fēng)險(xiǎn)預(yù)警時(shí)間較傳統(tǒng)人工模式平均提前42天。

在普惠金融領(lǐng)域，AI通過分析替代性數(shù)據(jù)，正在破解小微企業(yè)“融資難、融資貴”的經(jīng)典難題。許多銀行利用AI模型整合企業(yè)的稅務(wù)、發(fā)票、供應(yīng)鏈乃至水電數(shù)據(jù)，為缺乏傳統(tǒng)抵押物的小微企業(yè)進(jìn)行信用“畫像”，實(shí)現(xiàn)快速授信。

智能運(yùn)營與客戶服務(wù)是AI降本增效最直觀的體現(xiàn)。招商銀行面向超萬名金葵花客戶經(jīng)理的智能助手，已成為日常工作的智能搭檔。平安銀行借助生成式AI（AIGC）輔助創(chuàng)作營銷內(nèi)容，僅此一項(xiàng)在2025年就節(jié)省了約6000萬元的費(fèi)用。在運(yùn)營后臺(tái)，AI“數(shù)字員工”正在接管大量重復(fù)性工作。中信銀行通過AI推動(dòng)對(duì)公開戶、信息變更等業(yè)務(wù)集約化處理，使業(yè)務(wù)集約化效能提升2倍以上。

“AI在這些領(lǐng)域的成功，關(guān)鍵在于其解決了傳統(tǒng)金融模式中人力難以處理的海量數(shù)據(jù)、規(guī)則難以覆蓋的復(fù)雜模式，以及高并發(fā)下的實(shí)時(shí)響應(yīng)需求。”前述銀行業(yè)研究人士分析稱，這些成熟應(yīng)用構(gòu)成了銀行AI能力的“基本盤”，其價(jià)值直接體現(xiàn)在成本節(jié)約、風(fēng)險(xiǎn)降低和體驗(yàn)提升方面。

他認(rèn)為，當(dāng)前的應(yīng)用更多是“優(yōu)化現(xiàn)有流程”，下一階段的競爭將聚焦于如何利用AI“創(chuàng)造新流程”乃至“創(chuàng)造新業(yè)務(wù)”，即從“內(nèi)部提效”走向“外部創(chuàng)收”。

海外現(xiàn)狀：從流程優(yōu)化到價(jià)值創(chuàng)造的突破

當(dāng)國內(nèi)銀行業(yè)聚焦于利用AI優(yōu)化內(nèi)部流程與客戶服務(wù)時(shí)，以摩根大通為代表的國際金融巨頭，正將AI的觸角伸向更具顛覆性的領(lǐng)域：投資決策本身。

如在風(fēng)險(xiǎn)投資（VC）與私募股權(quán)（PE）領(lǐng)域，AI正在重塑項(xiàng)目發(fā)掘與盡職調(diào)查的底層邏輯。傳統(tǒng)依賴人脈網(wǎng)絡(luò)與行業(yè)研究（如Wind、彭博等平臺(tái)）的模式正在被改變。以紅杉資本為例，其早已開發(fā)內(nèi)部AI工具，用于自動(dòng)化掃描全球初創(chuàng)公司數(shù)據(jù)、學(xué)術(shù)論文、專利及新聞，每日固定時(shí)間為投資團(tuán)隊(duì)推送潛在標(biāo)的的初步分析簡報(bào)，提升了項(xiàng)目篩查的廣度與效率。

在面向客戶的財(cái)富管理與投資銀行領(lǐng)域，AI正從后臺(tái)輔助走向前臺(tái)服務(wù)。摩根大通早在2023年就為其名為“IndexGPT”的產(chǎn)品申請(qǐng)商標(biāo)，這是一款利用生成式AI技術(shù)，根據(jù)客戶輸入的主題或關(guān)注領(lǐng)域，自動(dòng)分析和選擇證券標(biāo)的的投資顧問工具。該模型是在通用大模型基礎(chǔ)上，利用摩根大通獨(dú)有的宏觀經(jīng)濟(jì)、公司研究等海量私有數(shù)據(jù)訓(xùn)練而成，旨在為客戶提供個(gè)性化的投資組合建議。

此外，在貸款業(yè)務(wù)中，利用AI對(duì)客戶進(jìn)行更精細(xì)化的風(fēng)險(xiǎn)分級(jí)與定價(jià)，在海外已是較為成熟的做法。

前述銀行業(yè)研究人士解讀稱，海外金融機(jī)構(gòu)的AI實(shí)踐揭示了兩大關(guān)鍵趨勢：一是AI應(yīng)用正從“內(nèi)部流程優(yōu)化”邁向“外部價(jià)值創(chuàng)造”，直接介入投資建議、產(chǎn)品設(shè)計(jì)等價(jià)值創(chuàng)造的核心環(huán)節(jié)；二是頭部機(jī)構(gòu)正利用其獨(dú)有的、高質(zhì)量的數(shù)據(jù)壁壘（如交易數(shù)據(jù)、深度研究）訓(xùn)練垂直領(lǐng)域大模型，構(gòu)筑新的、難以復(fù)制的競爭護(hù)城河。相比之下，國內(nèi)金融機(jī)構(gòu)在利用AI直接驅(qū)動(dòng)投資決策、提供深度智能投顧服務(wù)方面仍有發(fā)展空間，這或許是未來需要攻克的高地。

前行暗礁：數(shù)據(jù)治理、AI幻覺與人才短缺的考驗(yàn)

在反欺詐、智能客服等成熟應(yīng)用之外，金融業(yè)正將AI謹(jǐn)慎地推向更前沿、更核心的領(lǐng)域，試圖解鎖新的價(jià)值，讓AI在更復(fù)雜的金融活動(dòng)中扮演“分析師”甚至“初級(jí)決策者”的角色。

每經(jīng)記者了解到，在智能輿情分析與市場預(yù)警方面，已有機(jī)構(gòu)正在訓(xùn)練AI實(shí)時(shí)抓取并分析新聞、研報(bào)、社交媒體乃至衛(wèi)星圖像等海量非結(jié)構(gòu)化數(shù)據(jù)，以捕捉可能影響市場或具體公司的風(fēng)險(xiǎn)“信號(hào)”。例如，東方證券的“東方大腦”人工智能平臺(tái)，日均可處理近7萬條市場輿情資訊，自動(dòng)識(shí)別企業(yè)主體并分類負(fù)面輿情。

在智能貸后管理與資產(chǎn)保全領(lǐng)域，AI正被用于對(duì)存量貸款進(jìn)行持續(xù)、自動(dòng)化的風(fēng)險(xiǎn)監(jiān)測。通過分析企業(yè)的經(jīng)營數(shù)據(jù)、司法信息、輿情變化，模型可以提前預(yù)警潛在風(fēng)險(xiǎn)，變被動(dòng)應(yīng)對(duì)為主動(dòng)管理。部分銀行已嘗試?yán)么竽Ｐ洼o助生成貸后審查報(bào)告，將撰寫時(shí)間大幅縮短。

更具顛覆性的探索發(fā)生在交易與投資的核心地帶。在量化投資領(lǐng)域，除了優(yōu)化現(xiàn)有交易策略，更前沿的探索是開發(fā)能自主學(xué)習(xí)市場微觀結(jié)構(gòu)、并自主執(zhí)行部分交易指令的“虛擬交易員”。據(jù)報(bào)道，摩根大通已發(fā)布其AI量化交易平臺(tái)，支持高頻交易與多因子策略的智能融合。在代客交易（如外匯、利率衍生品交易）中，AI也被研究用于為交易員提供實(shí)時(shí)的最優(yōu)報(bào)價(jià)與對(duì)沖策略建議。

然而，盡管前景廣闊，但AI在金融核心領(lǐng)域的深度應(yīng)用仍面臨制約，數(shù)據(jù)治理、大模型“幻覺”與復(fù)合型人才短缺是金融機(jī)構(gòu)必須跨越的“三重門”。

首先是數(shù)據(jù)治理之困。高質(zhì)量、標(biāo)準(zhǔn)化的數(shù)據(jù)是AI的“燃料”。然而，金融數(shù)據(jù)涉及高度敏感的個(gè)人隱私與商業(yè)機(jī)密，且往往散落在不同業(yè)務(wù)部門形成“數(shù)據(jù)孤島”。畢馬威專家指出，金融機(jī)構(gòu)普遍面臨多源異構(gòu)數(shù)據(jù)協(xié)同難、內(nèi)部數(shù)據(jù)流通共享難等挑戰(zhàn)。

其次是大模型“幻覺”與可靠性風(fēng)險(xiǎn)。大語言模型固有的“幻覺”問題，在要求零失誤的金融決策中是致命傷。中國郵政儲(chǔ)蓄銀行研究員婁飛鵬指出，若“幻覺”出現(xiàn)在風(fēng)險(xiǎn)管理領(lǐng)域，可能導(dǎo)致銀行無法理解風(fēng)險(xiǎn)邏輯，從而無法采取有效應(yīng)對(duì)措施。

第三是復(fù)合型人才短缺與組織變革之痛。既深諳復(fù)雜金融業(yè)務(wù)邏輯，又精通AI算法與工程的復(fù)合型人才極度稀缺。同時(shí)，傳統(tǒng)的、強(qiáng)調(diào)嚴(yán)謹(jǐn)與層級(jí)制的銀行組織文化，與AI所需的快速迭代、容錯(cuò)試錯(cuò)的敏捷開發(fā)模式之間存在深層張力。

前述銀行業(yè)研究人士總結(jié)道，未來金融業(yè)的競爭將是“技術(shù)—數(shù)據(jù)—治理—人才”綜合生態(tài)體系的較量。能夠率先構(gòu)建高質(zhì)量數(shù)據(jù)資產(chǎn)、建立可信AI治理框架，并推動(dòng)組織與文化成功轉(zhuǎn)型的機(jī)構(gòu)，才能在這場深刻的“數(shù)智化”革命中贏得長期優(yōu)勢。

免責(zé)聲明：本文內(nèi)容與數(shù)據(jù)僅供參考，不構(gòu)成投資建議，使用前請(qǐng)核實(shí)。據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。