上市銀行年報中的“AI競賽”：2025年六大行金融科技總投入超1300億元，場景落地與風險挑戰并存

每經記者：劉嘉魁 每經編輯：魏文藝

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

《每日經濟新聞》記者（以下簡稱“每經記者”）注意到，2025年，工商銀行、農業銀行、中國銀行、建設銀行、交通銀行、郵儲銀行等六大國有銀行在金融科技上的投入合計超過1300億元，較2024年的1254.59億元進一步增長。巨額投入背后，一個更深刻的轉變正在發生：人工智能已從年報中展望未來的技術章節，轉變為衡量銀行核心競爭力的關鍵標尺。

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

一邊是國內銀行業體系化、規模化的AI投入與場景落地，另一邊是國際金融巨頭以生態系統思維推進的全方位智能化重構。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、風險定價到投資決策的每一個核心環節。

然而，這場火熱的AI投入與愿景背后，數據治理的深水區、模型“幻覺”的現實風險以及算法“黑箱”帶來的合規挑戰，也考驗著這場變革的深度與可持續性。金融業的AI征程，在展示出巨大潛力的同時，也步入了一個需要更多智慧與審慎的關鍵階段。

圖片來源：每經媒資庫

戰略升級：從“數字”到“數智”的戰略競速

每經記者梳理2025年上市銀行的業績報告發現，“人工智能”已從技術展望章節，躍升為衡量未來核心競爭力的關鍵績效指標。這場競賽的焦點，正從“是否應用AI”轉向“應用多深、體系多強”，呈現出體系化、規模化落地的鮮明特征。

國有大行憑借其雄厚的資源，正在構筑AI轉型的“重型基礎設施”。工商銀行在年報中明確，已將實施了四年的“數字工行”（D-ICBC）戰略全面升級為“數智工行”（AI-ICBC），其核心“工銀智涌”大模型已在超過30個業務領域落地500余個應用場景。建設銀行披露，人工智能技術已規模化賦能集團內398個場景。中國銀行則構建了BOCAI大模型能力平臺，累計部署智能化助手超過400個。

股份制銀行與城商行則在場景落地的速度與廣度上展現出更強的敏捷性。招商銀行在業績發布會上披露，其AI應用場景已達856個，全年通過AI替代人工超1556萬小時，相當于形成超過8000人的全職人工效率。更關鍵的是，AI正從“成本中心”轉向“效益引擎”，該行面向客戶經理的智能助手，推動人均有效出客次數提升14%，客均交易規模提升20%。平安銀行的大模型應用場景在一年內從“超200個”猛增至“超390個”，AI生成的代碼量占比已超過30%。中信銀行構建了“大模型+小模型”協同模式，截至2025年末大模型落地場景超120個。

從“AI優先”到“AI原生”，頭部銀行正試圖將智能深度嵌入組織肌理，構筑新的競爭壁壘。

某資深銀行業研究人士向每經記者分析稱，2025年年報密集披露的AI成果，標志著中國銀行業的數字化轉型已進入以智能決策和流程重塑為核心的“深水區”。這背后是行業凈息差持續收窄背景下，向技術要效率、要增長的必然選擇。AI投入不再僅僅是科技部門的預算項目，而是直接與降本增效、風險控制、收入提升等核心經營指標掛鉤的戰略性投資。

應用深耕：風控、普惠與運營的效率革命落地

經過多年探索，AI在銀行業的應用早已超越早期的智能客服與刷臉支付，深入業務核心地帶，在提升效率與控制風險兩方面展現出顛覆性潛力。

在風險管理的“心臟”——信貸與反欺詐領域，AI正實現從“規則判斷”到“智能感知”的質變。傳統風控依賴歷史數據和靜態規則，難以應對復雜多變的新型風險。而以機器學習、圖計算為核心的智能風控系統，能夠實時處理海量異構數據。例如，郵儲銀行構建的全鏈條反欺詐模型體系，在2025年上半年累計保護潛在受害賬戶超過10萬戶。招商銀行的在線風控平臺在2025年審批對公信貸規模接近6000億元，同比增長44%，其AI輔助的貸后風險預警時間較傳統人工模式平均提前42天。

在普惠金融領域，AI通過分析替代性數據，正在破解小微企業“融資難、融資貴”的經典難題。許多銀行利用AI模型整合企業的稅務、發票、供應鏈乃至水電數據，為缺乏傳統抵押物的小微企業進行信用“畫像”，實現快速授信。

智能運營與客戶服務是AI降本增效最直觀的體現。招商銀行面向超萬名金葵花客戶經理的智能助手，已成為日常工作的智能搭檔。平安銀行借助生成式AI（AIGC）輔助創作營銷內容，僅此一項在2025年就節省了約6000萬元的費用。在運營后臺，AI“數字員工”正在接管大量重復性工作。中信銀行通過AI推動對公開戶、信息變更等業務集約化處理，使業務集約化效能提升2倍以上。

“AI在這些領域的成功，關鍵在于其解決了傳統金融模式中人力難以處理的海量數據、規則難以覆蓋的復雜模式，以及高并發下的實時響應需求。”前述銀行業研究人士分析稱，這些成熟應用構成了銀行AI能力的“基本盤”，其價值直接體現在成本節約、風險降低和體驗提升方面。

他認為，當前的應用更多是“優化現有流程”，下一階段的競爭將聚焦于如何利用AI“創造新流程”乃至“創造新業務”，即從“內部提效”走向“外部創收”。

海外現狀：從流程優化到價值創造的突破

當國內銀行業聚焦于利用AI優化內部流程與客戶服務時，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域：投資決策本身。

如在風險投資（VC）與私募股權（PE）領域，AI正在重塑項目發掘與盡職調查的底層邏輯。傳統依賴人脈網絡與行業研究（如Wind、彭博等平臺）的模式正在被改變。以紅杉資本為例，其早已開發內部AI工具，用于自動化掃描全球初創公司數據、學術論文、專利及新聞，每日固定時間為投資團隊推送潛在標的的初步分析簡報，提升了項目篩查的廣度與效率。

在面向客戶的財富管理與投資銀行領域，AI正從后臺輔助走向前臺服務。摩根大通早在2023年就為其名為“IndexGPT”的產品申請商標，這是一款利用生成式AI技術，根據客戶輸入的主題或關注領域，自動分析和選擇證券標的的投資顧問工具。該模型是在通用大模型基礎上，利用摩根大通獨有的宏觀經濟、公司研究等海量私有數據訓練而成，旨在為客戶提供個性化的投資組合建議。

此外，在貸款業務中，利用AI對客戶進行更精細化的風險分級與定價，在海外已是較為成熟的做法。

前述銀行業研究人士解讀稱，海外金融機構的AI實踐揭示了兩大關鍵趨勢：一是AI應用正從“內部流程優化”邁向“外部價值創造”，直接介入投資建議、產品設計等價值創造的核心環節；二是頭部機構正利用其獨有的、高質量的數據壁壘（如交易數據、深度研究）訓練垂直領域大模型，構筑新的、難以復制的競爭護城河。相比之下，國內金融機構在利用AI直接驅動投資決策、提供深度智能投顧服務方面仍有發展空間，這或許是未來需要攻克的高地。

前行暗礁：數據治理、AI幻覺與人才短缺的考驗

在反欺詐、智能客服等成熟應用之外，金融業正將AI謹慎地推向更前沿、更核心的領域，試圖解鎖新的價值，讓AI在更復雜的金融活動中扮演“分析師”甚至“初級決策者”的角色。

每經記者了解到，在智能輿情分析與市場預警方面，已有機構正在訓練AI實時抓取并分析新聞、研報、社交媒體乃至衛星圖像等海量非結構化數據，以捕捉可能影響市場或具體公司的風險“信號”。例如，東方證券的“東方大腦”人工智能平臺，日均可處理近7萬條市場輿情資訊，自動識別企業主體并分類負面輿情。

在智能貸后管理與資產保全領域，AI正被用于對存量貸款進行持續、自動化的風險監測。通過分析企業的經營數據、司法信息、輿情變化，模型可以提前預警潛在風險，變被動應對為主動管理。部分銀行已嘗試利用大模型輔助生成貸后審查報告，將撰寫時間大幅縮短。

更具顛覆性的探索發生在交易與投資的核心地帶。在量化投資領域，除了優化現有交易策略，更前沿的探索是開發能自主學習市場微觀結構、并自主執行部分交易指令的“虛擬交易員”。據報道，摩根大通已發布其AI量化交易平臺，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時的最優報價與對沖策略建議。

然而，盡管前景廣闊，但AI在金融核心領域的深度應用仍面臨制約，數據治理、大模型“幻覺”與復合型人才短缺是金融機構必須跨越的“三重門”。

首先是數據治理之困。高質量、標準化的數據是AI的“燃料”。然而，金融數據涉及高度敏感的個人隱私與商業機密，且往往散落在不同業務部門形成“數據孤島”。畢馬威專家指出，金融機構普遍面臨多源異構數據協同難、內部數據流通共享難等挑戰。

其次是大模型“幻覺”與可靠性風險。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。中國郵政儲蓄銀行研究員婁飛鵬指出，若“幻覺”出現在風險管理領域，可能導致銀行無法理解風險邏輯，從而無法采取有效應對措施。

第三是復合型人才短缺與組織變革之痛。既深諳復雜金融業務邏輯，又精通AI算法與工程的復合型人才極度稀缺。同時，傳統的、強調嚴謹與層級制的銀行組織文化，與AI所需的快速迭代、容錯試錯的敏捷開發模式之間存在深層張力。

前述銀行業研究人士總結道，未來金融業的競爭將是“技術—數據—治理—人才”綜合生態體系的較量。能夠率先構建高質量數據資產、建立可信AI治理框架，并推動組織與文化成功轉型的機構，才能在這場深刻的“數智化”革命中贏得長期優勢。

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。