8月26日，國務院常務會議審議通過《關于深入實施“人工智能+”行動的意見》，明確提出要深入推進“人工智能+”行動，大力推動人工智能規(guī)?；虡I(yè)化應用。該意見強調充分利用中國產(chǎn)業(yè)體系完備、市場規(guī)模大、應用場景豐富的優(yōu)勢，加速人工智能在經(jīng)濟社會各領域的深度融合。政策的正式落地，為包括金融在內(nèi)的重點行業(yè)提供了明確的行動指引和戰(zhàn)略支持。

“2025年，已是技術浪潮與產(chǎn)業(yè)變革交匯的關鍵之年。AI（人工智能）正以超越過往任何技術的速度與深度，從數(shù)字世界的底層邏輯，重塑著全球經(jīng)濟的宏觀格局?！碑咇R威變革咨詢數(shù)字化轉型業(yè)務牽頭人柳曉光在《2025金融業(yè)大模型應用報告》（以下簡稱“《大模型報告》”）序言中指出，金融，作為現(xiàn)代經(jīng)濟的核心，其本質是信息的處理與風險的定價。這恰好與大模型強大的認知、推理及生成能力，形成了前所未有的共振。

《大模型報告》是騰訊金融研究院、騰訊研究院與畢馬威企業(yè)咨詢于8月27日聯(lián)合發(fā)布的，報告指出，2025年已成為金融行業(yè)深度整合AI、借助大模型進行創(chuàng)新的關鍵拐點。全球近半數(shù)金融機構已啟動大模型應用建設，行業(yè)正從零星的試驗階段邁入規(guī)?；渴鹌凇Ｖ袊鹑跇I(yè)的大模型建設呈現(xiàn)出頂層設計、梯次推進的清晰格局：銀行業(yè)是大模型落地應用最廣泛的領域，證券、保險行業(yè)的頭部機構則作為先行者，探索出多樣化的應用模式。

核心業(yè)務加速智能化

2024年至今，一場由大模型驅動的生產(chǎn)力革命正在金融業(yè)上演：一家領先大行將過去需要數(shù)小時甚至數(shù)天完成的復雜信貸審批報告分析壓縮至3分鐘，準確率提升超15%；一家頭部券商借助AI智能體實現(xiàn)7X24小時監(jiān)控全球超過5000家上市公司的動態(tài)，研究覆蓋面和響應速度達到了全新量級；一家海外頂尖投行部署了數(shù)百個AI程序員，后續(xù)或增至數(shù)千個，將工程師的生產(chǎn)力提升至三到四倍。

《大模型報告》認為，AI技術正驅動金融服務走向前所未有的普惠化、智能化與個性化，將專家級專業(yè)服務帶給更廣泛的長尾客戶群體。同時，AI與人類專業(yè)能力的深度融合，正在重新定義金融的運營與管理模式，加速推動復合型、創(chuàng)新型金融人才的需求形成。在此進程中，高質量私域數(shù)據(jù)的挖掘與應用將成為金融機構的核心競爭力，而AI技術和治理體系的不斷成熟，也將推動監(jiān)管科技效率與效能的提升。

全球金融業(yè)加速擁抱AI，大模型在金融行業(yè)的滲透率正加速提升。麥肯錫2024年的調研數(shù)據(jù)顯示，金融行業(yè)從業(yè)者反饋在工作中常規(guī)使用大模型、在生活中常規(guī)使用大模型和在工作和生活中均常規(guī)使用大模型的數(shù)量占比已達到48%。英偉達對近400家金融機構的調研顯示，43%的機構已開始應用大模型。國際金融協(xié)會報告顯示，88%受訪者在生產(chǎn)中使用人工智能，并在2025年將持續(xù)增加AI應用投資。這種全球性的熱潮在不同市場環(huán)境下，形成了各具特色的發(fā)展路徑和戰(zhàn)略重點。

從全球視角對比來看，海外金融機構更側重技術整合與業(yè)務創(chuàng)新的協(xié)同，而國內(nèi)金融機構目前更聚焦于知識庫、文檔處理等效率提升場景?！洞竽Ｐ蛨蟾妗坊谌W(wǎng)公開披露信息統(tǒng)計（不含金融科技及消費金融樣本），從2024第一季度至2025年第二季度期間，共計產(chǎn)生191個大模型相關中標項目，其中2024年112個，2025年上半年79個，覆蓋銀行、證券、保險、信托與資管。中標項目數(shù)量與金額均呈現(xiàn)頭部集中特征，這一趨勢顯示，金融業(yè)大模型應用已基本形成銀行業(yè)主導、證券保險跟進、信托資管探索的梯次發(fā)展格局。值得關注的是，進入2025年行業(yè)應用建設節(jié)奏明顯提速，各類規(guī)模機構已全面啟動大模型應用規(guī)劃，大模型技術正在成為推動金融業(yè)數(shù)智化轉型的核心引擎。

銀行業(yè)是大模型落地應用的典型金融領域，其應用范圍已經(jīng)從國有大行、股份制銀行迅速擴展到頭部區(qū)域性銀行。目前，國有大行和股份制銀行已全面啟動大模型應用建設，并在前、中、后臺均有正式投產(chǎn)的應用案例。國有大行憑借雄厚的資金與技術積累，更注重技術的全棧掌控，通過構建自主可控的技術體系，滿足自身多樣化的業(yè)務需求，進而提升核心競爭力。在此過程中，國有大行積極與國內(nèi)頂尖機構開展深度合作，共同推進計算資源、計算調度與模型能力的全棧信創(chuàng)建設。

股份制銀行則展現(xiàn)出更為靈活多樣的建設模式，它們在探索的寬度與廣度上均取得了顯著進展。區(qū)域性銀行雖然起步較晚，但基于戰(zhàn)略與價值驅動的探索熱情同樣高漲。目前，約80%的區(qū)域性銀行已涉足大模型領域，部分已基于行業(yè)成熟的產(chǎn)品市場匹配度進行速贏落地，部分仍處于實驗室階段或全行范圍內(nèi)的智能體原型競比階段，少部分開展了全行級的領域實踐。

證券、保險行業(yè)在大模型建設上也呈現(xiàn)出頭部機構先行且模式多樣化的特點。資管、信托行業(yè)在大模型建設上多聚焦于特定場景下的工具側能力引入，尚未形成體系化的能力布局。由于大模型推理能力的突破，以投研、投顧為代表的金融場景正快速被券商、資管、基金、信托所接受。

隨著金融科技的迭代與監(jiān)管政策的完善，預計證券、保險、資管、信托等行業(yè)將逐步深化大模型建設的投入和布局力度。

《大模型報告》強調，對于金融機構而言，既要避免陷入只買應用、不做基建的技術空心化風險，也要防止重金投基建、應用跟不上的資源閑置困境，確保兩條軌道上的投資能夠協(xié)同并最終融合。

戰(zhàn)略路徑分化

“當前，大模型戰(zhàn)略并無唯一最優(yōu)解?！薄洞竽Ｐ蛨蟾妗氛J為，金融機構的資源稟賦、市場地位和戰(zhàn)略雄心，共同決定了其適合的采購與建設路徑。這一論斷，揭示了金融業(yè)在大模型應用上已告別盲目跟風，進入一個基于自身條件進行理性戰(zhàn)略選擇的精耕細作階段。不同的機構正依據(jù)其獨特的DNA，繪制著截然不同的智能化路線圖。

對于國有大型銀行與頭部券商而言，其戰(zhàn)略路徑深刻反映出其市場地位與戰(zhàn)略雄心。它們的選擇遠非簡單的技術采購，而是構建自主可控的核心競爭力。這類機構更傾向于選擇“端到端自建”或“基于基礎大模型開發(fā)專有模型”的重度投入模式。其目標是通過與頂尖科技機構深度合作，共同推進從計算資源、算力調度到模型能力的全棧信創(chuàng)建設，以打造技術護城河，滿足自身復雜且多樣的業(yè)務需求，并最終將AI能力轉化為難以被復制的差異化優(yōu)勢。

與之形成鮮明對比的是眾多區(qū)域性銀行及中小金融機構的策略。區(qū)域性銀行雖然起步較晚，但基于戰(zhàn)略與價值驅動的探索熱情同樣高漲。目前，約80%的區(qū)域性銀行已涉足大模型領域，部分已基于行業(yè)成熟的產(chǎn)品市場匹配度進行速贏落地，部分仍處于實驗室階段或全行范圍內(nèi)的智能體原型競比階段，少部分亦開展了全行級的領域實踐。

股份制銀行則展現(xiàn)出一種“全鏈條多重投入”的混合型戰(zhàn)略，其路徑選擇體現(xiàn)了在戰(zhàn)略與資源效率間的平衡。它們一方面會投入基礎設施建設以確保關鍵能力的自主性，另一方面又在應用層保持高度開放與靈活，積極采購外部成熟解決方案，并在前、中、后臺多個領域同步推進試點。這種策略，使其既能保持技術前瞻性，又不失落地敏捷性，反映了其作為市場重要參與者承上啟下的獨特定位。

這種多元化的路徑分野，共同勾勒出當前金融業(yè)大模型應用的真實生態(tài)。沒有一種模式可被稱為絕對正確，判斷標準唯有是否與機構自身相匹配。柳曉光認為，這場變革是“對金融服務范式、運營模式乃至核心競爭力的系統(tǒng)性重塑”，而重塑的起點，正是對自身能力的清醒認知與戰(zhàn)略定力。成功的機構不再是技術的盲目追隨者，而是成為自身智能化藍圖的設計師，選擇那條最能將自身資源轉化為長期價值的路徑。

攻堅時刻何時到來？

“一切生產(chǎn)力轉型的根本目的仍然在于業(yè)務增長和管理提效，因此，在金融行業(yè)積極擁抱大模型浪潮時，更需要保持冷靜，切勿拿著錘子找釘子，盲目追趕技術熱點?！薄洞竽Ｐ蛨蟾妗氛J為，盡管引入人工智能已被金融業(yè)廣泛認可為提升運營效率和客戶體驗的關鍵驅動力，大模型技術正重塑金融業(yè)態(tài)，但其落地過程面臨多維挑戰(zhàn)。

數(shù)據(jù)挑戰(zhàn)首當其沖，是激活AI潛能的最大瓶頸。金融機構雖坐擁海量高價值私域數(shù)據(jù)，但這些數(shù)據(jù)因歷史系統(tǒng)壁壘而高度碎片化，難以串聯(lián)成可供大模型實時理解與利用的統(tǒng)一知識資產(chǎn)。與此同時，金融業(yè)務對專業(yè)性要求極高，公開市場上缺乏能滿足風控、投研等場景嚴苛要求的高質量訓練語料。這導致機構陷入“內(nèi)部知識無法釋放，外部能力無法精準補給”的雙重困境。

戰(zhàn)略與價值的平衡是另一大核心挑戰(zhàn)。面對動輒數(shù)億的算力投入與不確定的回報周期，許多機構陷入“戰(zhàn)略模糊”與“價值迷失”。部分機構將大模型視為零散的效率工具，缺乏與企業(yè)長期數(shù)字化愿景深度融合的頂層設計，導致項目孤立、重復建設，無法形成體系化能力。同時，大模型項目的價值評估極為復雜，其帶來的往往是客戶體驗提升、風險損失規(guī)避等間接、長期的效益，難以用傳統(tǒng)的短期財務指標（ROI）精確衡量。若無法清晰論證商業(yè)價值，項目極易在初期試點后因無法獲得持續(xù)資源而夭折。

《大模型報告》認為，目前業(yè)界尚未形成一套公認的、適用于大模型項目的價值評估標準。金融機構內(nèi)部往往也缺乏一個能夠整合財務指標、業(yè)務指標、客戶指標和技術指標的多維度評估框架。評估維度的單一化，使得對大模型項目價值的判斷出現(xiàn)偏差，無法全面反映其綜合貢獻。

在應用層面，嚴苛的監(jiān)管環(huán)境對模型的可控性與安全性提出了極致要求?！澳Ｐ突糜X”問題在金融領域被急劇放大，一個細微的事實性錯誤或邏輯偏差，在信貸審批、投資建議等核心場景中都可能引發(fā)直接的財務損失、監(jiān)管處罰乃至聲譽風險?！凹词故菢O低概率的錯誤，在金融杠桿的放大下也可能造成嚴重損失?！?/p>

金融機構大模型應用瓶頸在于人與組織。復合型人才稀缺，懂技術的不懂業(yè)務，懂業(yè)務的不懂AI。傳統(tǒng)IT架構與敏捷開發(fā)模式?jīng)_突，跨部門協(xié)同因考核指標不一而內(nèi)耗嚴重。應對這一挑戰(zhàn)，需要一場深刻的組織變革?！洞竽Ｐ蛨蟾妗方ㄗh實施分層分類的人才培養(yǎng)計劃，建立由高層領導、具備資源與決策權威的虛擬項目組，推行“平臺即服務”的內(nèi)部運營模式，并最終重塑以人機協(xié)同為核心的流程與崗位，以支撐這場“系統(tǒng)性重塑”對組織能力提出的全新要求。

大模型對金融業(yè)的重塑，絕非一次簡單的技術升級，而是一場關乎行業(yè)本質的范式革命。它挑戰(zhàn)的不僅是傳統(tǒng)的業(yè)務流程，更是固有的組織形態(tài)、人才結構和戰(zhàn)略思維。政策的明確指引與技術的飛速迭代，已為這場變革提供了清晰的必要性和強大的可能性。

決定金融機構能否在這場智能化競賽中勝出的，將不再是單點技術的領先，而是其能否成功構建一個涵蓋數(shù)據(jù)治理、戰(zhàn)略規(guī)劃、風險管控與組織協(xié)同的體系化能力。真正的競爭壁壘，源于將技術深度融入業(yè)務核心并轉化為獨特客戶價值的能力。

金融的終局依然是服務實體經(jīng)濟與管理風險。大模型作為這個時代強大的生產(chǎn)力工具，其最終價值在于能否讓金融服務變得更高效、普惠與穩(wěn)健。當技術的光環(huán)逐漸褪去，那些能將AI的理性計算與人類的價值判斷完美結合，并在創(chuàng)新與合規(guī)之間找到動態(tài)平衡的機構，才能真正定義智能金融的未來。