2024年被稱為“大模型應用元年”，對銀行業也不例外。

“千模大戰”告一段落，頭部基礎模型廠商市場格局初定，應用端垂類模型“百花齊放”。作為數據最為密集、數字化基礎最為成熟的行業，金融業成為率先探索大模型等AI技術應用的“排頭兵”。

隨著上市銀行2024年年度報告的逐步披露，包括6家國有大行與8家股份制銀行在內的14家全國性銀行去年的AI戰略與應用布局已全部對外公開。

21世紀經濟報道記者梳理14家銀行的AI戰略發現，“AI+”已成為銀行近兩年發布AI戰略的核心。縱觀各家機構的“AI+”戰略，主要包括三個方面，一是提供基礎智能化能力的模型底座，二是強調安全保護與風險管理的配套機制，三是結合不同業務場景的創新應用。

與過去單點業務的技術應用創新不同，如今的“AI+”已覆蓋銀行C端用戶、B端客戶以及對內員工等全業務流程。

與此同時，記者發現，在技術之外，越來越多的銀行注意到人與AI的關系，不僅強調AI與金融場景的融合，更切實關心員工如何真正使用AI技術，相關創新應用的調用率如何，技術真正帶來了多少業務價值。

場景應用“多點開花”

盡管多家銀行在前兩年提出自研大模型底座，但從最新披露信息來看，應用的優先級被提到了前面?！白匝写竽Ｐ汀钡谋硎鲆艳D變為“應用大模型技術”或建設“自主可控的大模型技術底座”。

“本集團依據企業級應用需求，擇優選擇千億級開源通用大模型，并利用長期積累的高質量文本數據對通用大模型進行預訓練、微調和強化學習，建成面向所有業務領域應用和統一技術底座的金融大模型，以及模型即服務（MaaS）的應用平臺?！苯ㄔO銀行在年報中如是說。

建設銀行首席信息官金磐石在業績發布會上透露，截至2024年底，該行先后適配了16個版本的通用大模型，進而形成了16個版本的金融大模型?！斑@種策略保證了隨著金融大模型能力的快速迭代，我們業務場景的應用效果能夠達到‘水漲船高’的效果?！?/p>

目前來看，銀行AI戰略的基礎大模型底座至少包括兩個部分，一是以生成式大模型為基礎的“快思考”大模型，另一個部分是以DeepSeek-R1為代表的“慢思考”推理模型，另外還有代碼大模型、多模態大模型、智能體等等，分別針對不同場景的差異化需求實現落地應用。

例如中信銀行明確表示，該行升級融合了決策時AI“中信大腦”與生成式AI“倉頡大模型”，由此建成了“自主平臺+場景深耕+生態共建”的三位一體AI賦能體系。光大銀行也制定了《模型建設發展規劃》，布局“決策式模型+生成式模型”綜合應用的智能解決方案。

在14家銀行披露的AI應用場景中，已實現落地應用的成熟場景主要是智能編碼研發、智能營銷、智能客服、智能風控、合規內審、消費者權益保護，以及日常經營管理流程等等。

值得關注的是，在零售信貸、財富管理等與C端用戶交互較多的場景之外，2024年有多家銀行在金融市場、交易銀行、公司金融等對公業務層面結合大模型與小模型能力，實現綜合化的智能應用。

如招商銀行在交易銀行業務中深化人工智能技術應用，線上“招小財”AI助手能夠準確識別客戶意圖，協助客戶完成復雜公司金融產品操作，響應準確率達到95%，形成立體式的客戶需求即時響應服務體系。招行還將大模型技術應用到資本管理領域，打造“智本GPT”，讓產品定價管理系統進一步完善線上化全流程管理，推動數智化轉型。

興業銀行也在金融市場業務場景中推出“興小二”債券交易機器人，依托智能化交易平臺，引入機器學習、大模型等先進技術進行系統和策略升級，通過各類算法和因子挖掘提升交易效率。

值得關注的是，郵儲銀行在年報中特別單獨展示了兩個市場交易業務場景下的機器人，展現了大模型與小模型結合在同一業務板塊、不同場景、不同用戶端的應用潛力。

一個是貨幣市場交易機器人“郵小助”，主要是在貨幣市場詢價場景下與外部機構交易員進行人機交互對話，目前覆蓋數百家金融機構，接受詢價總量超過1.5萬億元，總成交金額超過2000億元，交易平均耗時較人工節約94%，捕獲超額收益率6個基點?！班]小助”的底層模型主要是小模型，可以在簡單任務下實現更快的推理速度，參數少，復雜度、硬件資源要求和訓練成本低，穩定性較高，當貨幣市場詢價時用小模型抽取出用戶意圖及查詢的實體數據，輔以大模型識別兜底，最終提高識別準確率。

另一個機器人是交易員助理機器人，主要為該行交易員提供服務，底層模型具備大模型意圖理解、語義分析能力，集成多個系統查詢功能，實現交易對手及交易標的債權基礎信息、行內授信、歷史持倉、評級估值等內外部信息的批量查詢、對比和展示，一站式解決交易員交易前的查詢準備需求，并可以根據用戶的點贊、采納等反饋自動學習，持續自動完善應答準確度。在交易員查詢數據時，由大模型識別用戶查詢意圖，生成數據查詢代碼，再由小模型完成數據加工并展現給用戶，目前交易員助理機器人可以將交易前準備工作耗時大幅壓縮75%，極大地提高了交易員的交易效率。

從“AI+金融”到“人+AI”

在“AI+”戰略的推動下，各家銀行披露的人工智能、大模型等新技術應用場景數量繁多，甚至“成百上千”。

如工行企業級千億金融大模型技術體系“工銀智涌”已賦能20余個主要業務領域、200余個場景，累計調用量超10億次。建設銀行金融大模型體系已賦能行內193個應用場景。招商銀行全行大模型應用場景超120個。中信銀行決策式AI“中信大腦”的落地場景已超過1600個，生成式AI“倉頡大模型”孵化了超過80項創新應用。興業銀行大模型助手應用場景數量超過70個。民生銀行全行落地了超過30個生成式AI的典型場景應用。

擺在銀行面前的下一個問題是，如何確保在這些應用場景中，AI能夠真正賦能于員工，讓每個人都得以分享科技帶來的便利。

越來越多的銀行開始關注“人+AI”。

建設銀行在財報中提到，在客戶經營層面推出ChatBot交互版“幫得”客戶經理全功能AI智能助理，以智能化為關鍵驅動，打造“人+AI”的新模式。基于ChatBot交互框架，以人工智能“大模型+小模型”架構路徑對客戶服務進行“全流程”再造升級，經營策略實現從總部數字大腦生產后直達一線，支持員工通過自然語言一鍵喚起知識、產品、活動等客戶服務工具，AI輔助完成一站式產品配置和高效營銷服務。此外，還推出一系列智能輔助工具，并打造AI小諸葛智能體。2024年，“幫得”智能助理總交互次數3463萬次，為全行3萬名對私客戶經理服務。

招商銀行也在財報中表示，加快打造“AI+金融”“人+數智化”新模式，促進人與科技相互賦能。在經營管理方面強化智能化工具應用，例如在零售條線打造零售智能助手產品矩陣，批發條線針對客戶經理打造CRM智能助手，在人力資源數字化服務領域，基于大模型技術開發“數字美眉”機器人，實現對員工的智能服務，截至報告期末，“數字美眉”用戶數達到2.53萬人。

在為員工提供智能化工具的同時，一場全行級別的AI基礎設施改造正在進行，前者是讓員工“有得用”，后者能讓員工“用得好”。

中國銀行副行長蔡釗在業績發布會上表示，圍繞智能化建設發展，該行將“建機制、搭平臺、匯數據、調模型、落場景、練隊伍”，一方面，強化配套機制建設，推動建立人工智能應用治理架構，推進AI平臺完善和模型調優，暢通大模型數據使用流程；另一方面，推進應用落地見效，按照“先內后外”的策略，以需求為牽引，以成效為驅動，優先聚焦知識輔助、內容生成等高價值場景，實現提質增效降本。

招行則是夯實“云+AI+中臺”科技底座，充分釋放上云紅利，穩步推進自主可控的大模型全體系建設，聚焦打造行業領先的技術中臺，不斷提升組件規模與質量，提高IT資源復用水平，截至報告期末，累計發布組件5942個。數據中臺持續沉淀企業級的數據能力和數據資產，截至報告期末，大數據服務覆蓋全行63%的員工，數據已成為員工經營分析的核心依據。