大模型挺进金融深水区
（原标题：大模型挺进金融深水区）
图片来源于网络，如有侵权，请联系删除
8月26日，国务院常务会议审议通过《关于深入实施“人工智能+”行动的意见》，明确提出要深入推进“人工智能+”行动，大力推动人工智能规模化商业化应用。该意见强调充分利用中国产业体系完备、市场规模大、应用场景丰富的优势，加速人工智能在经济社会各领域的深度融合。政策的正式落地，为包括金融在内的重点行业提供了明确的行动指引和战略支持。
图片来源于网络，如有侵权，请联系删除
“2025年，已是技术浪潮与产业变革交汇的关键之年。AI（人工智能）正以超越过往任何技术的速度与深度，从数字世界的底层逻辑，重塑着全球经济的宏观格局。”毕马威变革咨询数字化转型业务牵头人柳晓光在《2025金融业大模型应用报告》（以下简称“《大模型报告》”）序言中指出，金融，作为现代经济的核心，其本质是信息的处理与风险的定价。这恰好与大模型强大的认知、推理及生成能力，形成了前所未有的共振。
《大模型报告》是腾讯金融研究院、腾讯研究院与毕马威企业咨询于8月27日联合发布的，报告指出，2025年已成为金融行业深度整合AI、借助大模型进行创新的关键拐点。全球近半数金融机构已启动大模型应用建设，行业正从零星的试验阶段迈入规模化部署期。中国金融业的大模型建设呈现出顶层设计、梯次推进的清晰格局：银行业是大模型落地应用最广泛的领域，证券、保险行业的头部机构则作为先行者，探索出多样化的应用模式。
核心业务加速智能化
2024年至今，一场由大模型驱动的生产力革命正在金融业上演：一家领先大行将过去需要数小时甚至数天完成的复杂信贷审批报告分析压缩至3分钟，准确率提升超15%；一家头部券商借助AI智能体实现7X24小时监控全球超过5000家上市公司的动态，研究覆盖面和响应速度达到了全新量级；一家海外顶尖投行部署了数百个AI程序员，后续或增至数千个，将工程师的生产力提升至三到四倍。
《大模型报告》认为，AI技术正驱动金融服务走向前所未有的普惠化、智能化与个性化，将专家级专业服务带给更广泛的长尾客户群体。同时，AI与人类专业能力的深度融合，正在重新定义金融的运营与管理模式，加速推动复合型、创新型金融人才的需求形成。在此进程中，高质量私域数据的挖掘与应用将成为金融机构的核心竞争力，而AI技术和治理体系的不断成熟，也将推动监管科技效率与效能的提升。
全球金融业加速拥抱AI，大模型在金融行业的渗透率正加速提升。麦肯锡2024年的调研数据显示，金融行业从业者反馈在工作中常规使用大模型、在生活中常规使用大模型和在工作和生活中均常规使用大模型的数量占比已达到48%。英伟达对近400家金融机构的调研显示，43%的机构已开始应用大模型。国际金融协会报告显示，88%受访者在生产中使用人工智能，并在2025年将持续增加AI应用投资。这种全球性的热潮在不同市场环境下，形成了各具特色的发展路径和战略重点。
从全球视角对比来看，海外金融机构更侧重技术整合与业务创新的协同，而国内金融机构目前更聚焦于知识库、文档处理等效率提升场景。《大模型报告》基于全网公开披露信息统计（不含金融科技及消费金融样本），从2024第一季度至2025年第二季度期间，共计产生191个大模型相关中标项目，其中2024年112个，2025年上半年79个，覆盖银行、证券、保险、信托与资管。中标项目数量与金额均呈现头部集中特征，这一趋势显示，金融业大模型应用已基本形成银行业主导、证券保险跟进、信托资管探索的梯次发展格局。值得关注的是，进入2025年行业应用建设节奏明显提速，各类规模机构已全面启动大模型应用规划，大模型技术正在成为推动金融业数智化转型的核心引擎。
银行业是大模型落地应用的典型金融领域，其应用范围已经从国有大行、股份制银行迅速扩展到头部区域性银行。目前，国有大行和股份制银行已全面启动大模型应用建设，并在前、中、后台均有正式投产的应用案例。国有大行凭借雄厚的资金与技术积累，更注重技术的全栈掌控，通过构建自主可控的技术体系，满足自身多样化的业务需求，进而提升核心竞争力。在此过程中，国有大行积极与国内顶尖机构开展深度合作，共同推进计算资源、计算调度与模型能力的全栈信创建设。
股份制银行则展现出更为灵活多样的建设模式，它们在探索的宽度与广度上均取得了显著进展。区域性银行虽然起步较晚，但基于战略与价值驱动的探索热情同样高涨。目前，约80%的区域性银行已涉足大模型领域，部分已基于行业成熟的产品市场匹配度进行速赢落地，部分仍处于实验室阶段或全行范围内的智能体原型竞比阶段，少部分开展了全行级的领域实践。
证券、保险行业在大模型建设上也呈现出头部机构先行且模式多样化的特点。资管、信托行业在大模型建设上多聚焦于特定场景下的工具侧能力引入，尚未形成体系化的能力布局。由于大模型推理能力的突破，以投研、投顾为代表的金融场景正快速被券商、资管、基金、信托所接受。
随着金融科技的迭代与监管政策的完善，预计证券、保险、资管、信托等行业将逐步深化大模型建设的投入和布局力度。
《大模型报告》强调，对于金融机构而言，既要避免陷入只买应用、不做基建的技术空心化风险，也要防止重金投基建、应用跟不上的资源闲置困境，确保两条轨道上的投资能够协同并最终融合。
战略路径分化
“当前，大模型战略并无唯一最优解。”《大模型报告》认为，金融机构的资源禀赋、市场地位和战略雄心，共同决定了其适合的采购与建设路径。这一论断，揭示了金融业在大模型应用上已告别盲目跟风，进入一个基于自身条件进行理性战略选择的精耕细作阶段。不同的机构正依据其独特的DNA，绘制着截然不同的智能化路线图。
对于国有大型银行与头部券商而言，其战略路径深刻反映出其市场地位与战略雄心。它们的选择远非简单的技术采购，而是构建自主可控的核心竞争力。这类机构更倾向于选择“端到端自建”或“基于基础大模型开发专有模型”的重度投入模式。其目标是通过与顶尖科技机构深度合作，共同推进从计算资源、算力调度到模型能力的全栈信创建设，以打造技术护城河，满足自身复杂且多样的业务需求，并最终将AI能力转化为难以被复制的差异化优势。
与之形成鲜明对比的是众多区域性银行及中小金融机构的策略。区域性银行虽然起步较晚，但基于战略与价值驱动的探索热情同样高涨。目前，约80%的区域性银行已涉足大模型领域，部分已基于行业成熟的产品市场匹配度进行速赢落地，部分仍处于实验室阶段或全行范围内的智能体原型竞比阶段，少部分亦开展了全行级的领域实践。
股份制银行则展现出一种“全链条多重投入”的混合型战略，其路径选择体现了在战略与资源效率间的平衡。它们一方面会投入基础设施建设以确保关键能力的自主性，另一方面又在应用层保持高度开放与灵活，积极采购外部成熟解决方案，并在前、中、后台多个领域同步推进试点。这种策略，使其既能保持技术前瞻性，又不失落地敏捷性，反映了其作为市场重要参与者承上启下的独特定位。
这种多元化的路径分野，共同勾勒出当前金融业大模型应用的真实生态。没有一种模式可被称为绝对正确，判断标准唯有是否与机构自身相匹配。柳晓光认为，这场变革是“对金融服务范式、运营模式乃至核心竞争力的系统性重塑”，而重塑的起点，正是对自身能力的清醒认知与战略定力。成功的机构不再是技术的盲目追随者，而是成为自身智能化蓝图的设计师，选择那条最能将自身资源转化为长期价值的路径。
攻坚时刻何时到来？
“一切生产力转型的根本目的仍然在于业务增长和管理提效，因此，在金融行业积极拥抱大模型浪潮时，更需要保持冷静，切勿拿着锤子找钉子，盲目追赶技术热点。”《大模型报告》认为，尽管引入人工智能已被金融业广泛认可为提升运营效率和客户体验的关键驱动力，大模型技术正重塑金融业态，但其落地过程面临多维挑战。
数据挑战首当其冲，是激活AI潜能的最大瓶颈。金融机构虽坐拥海量高价值私域数据，但这些数据因历史系统壁垒而高度碎片化，难以串联成可供大模型实时理解与利用的统一知识资产。与此同时，金融业务对专业性要求极高，公开市场上缺乏能满足风控、投研等场景严苛要求的高质量训练语料。这导致机构陷入“内部知识无法释放，外部能力无法精准补给”的双重困境。
战略与价值的平衡是另一大核心挑战。面对动辄数亿的算力投入与不确定的回报周期，许多机构陷入“战略模糊”与“价值迷失”。部分机构将大模型视为零散的效率工具，缺乏与企业长期数字化愿景深度融合的顶层设计，导致项目孤立、重复建设，无法形成体系化能力。同时，大模型项目的价值评估极为复杂，其带来的往往是客户体验提升、风险损失规避等间接、长期的效益，难以用传统的短期财务指标（ROI）精确衡量。若无法清晰论证商业价值，项目极易在初期试点后因无法获得持续资源而夭折。
《大模型报告》认为，目前业界尚未形成一套公认的、适用于大模型项目的价值评估标准。金融机构内部往往也缺乏一个能够整合财务指标、业务指标、客户指标和技术指标的多维度评估框架。评估维度的单一化，使得对大模型项目价值的判断出现偏差，无法全面反映其综合贡献。
在应用层面，严苛的监管环境对模型的可控性与安全性提出了极致要求。“模型幻觉”问题在金融领域被急剧放大，一个细微的事实性错误或逻辑偏差，在信贷审批、投资建议等核心场景中都可能引发直接的财务损失、监管处罚乃至声誉风险。“即使是极低概率的错误，在金融杠杆的放大下也可能造成严重损失。”
金融机构大模型应用瓶颈在于人与组织。复合型人才稀缺，懂技术的不懂业务，懂业务的不懂AI。传统IT架构与敏捷开发模式冲突，跨部门协同因考核指标不一而内耗严重。应对这一挑战，需要一场深刻的组织变革。《大模型报告》建议实施分层分类的人才培养计划，建立由高层领导、具备资源与决策权威的虚拟项目组，推行“平台即服务”的内部运营模式，并最终重塑以人机协同为核心的流程与岗位，以支撑这场“系统性重塑”对组织能力提出的全新要求。
大模型对金融业的重塑，绝非一次简单的技术升级，而是一场关乎行业本质的范式革命。它挑战的不仅是传统的业务流程，更是固有的组织形态、人才结构和战略思维。政策的明确指引与技术的飞速迭代，已为这场变革提供了清晰的必要性和强大的可能性。
决定金融机构能否在这场智能化竞赛中胜出的，将不再是单点技术的领先，而是其能否成功构建一个涵盖数据治理、战略规划、风险管控与组织协同的体系化能力。真正的竞争壁垒，源于将技术深度融入业务核心并转化为独特客户价值的能力。
金融的终局依然是服务实体经济与管理风险。大模型作为这个时代强大的生产力工具，其最终价值在于能否让金融服务变得更高效、普惠与稳健。当技术的光环逐渐褪去，那些能将AI的理性计算与人类的价值判断完美结合，并在创新与合规之间找到动态平衡的机构，才能真正定义智能金融的未来。
