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模化商業化應用。該意見強調充分利用中國產業體系完備、市場規模大、應用場景豐富的優勢，加速人工智能在經濟社會各領域的深度融合。政策的正式落地，為包括金融在內的重點行業提供了明確的行動指引和戰略支持。

“2025年，已是技術浪潮與產業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，從數字世界的底層邏輯，重塑著全球經濟的宏觀格局。”畢馬威變革咨詢數字化轉型業務牽頭人柳曉光在《2025金融業大模型應用報告》（以下簡稱“《大模型報告》”）序言中指出，金融，作為現代經濟的核心，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咨詢于8月27日聯合發布的，報告指出，2025年已成為金融行業深度整合AI、借助大模型進行創新的關鍵拐點。全球近半數金融機構已啟動大模型應用建設，行業正從零星的試驗階段邁入規模化部署期。中國金融業的大模型建設呈現出頂層設計、梯次推進的清晰格局：銀行業是大模型落地應用最廣泛的領域，證券、保險行業的頭部機構則作為先行者，探索出多樣化的應用模式。

核心業務加速智能化

2024年至今，一場由大模型驅動的生產力革命正在金融業上演：一家領先大行將過去需要數小時甚至數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7X24小時監控全球超過5000家上市公司的動態，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百個AI程序員，后續或增至數千個，將工程師的生產力提升至三到四倍。

《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，將專家級專業服務帶給更廣泛的長尾客戶群體。同時，AI與人類專業能力的深度融合，正在重新定義金融的運營與管理模式，加速推動復合型、創新型金融人才的需求形成。在此進程中，高質量私域數據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，也將推動監管科技效率與效能的提升。

全球金融業加速擁抱AI，大模型在金融行業的滲透率正加速提升。麥肯錫2024年的調研數據顯示，金融行業從業者反饋在工作中常規使用大模型、在生活中常規使用大模型和在工作和生活中均常規使用大模型的數量占比已達到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。國際金融協會報告顯示，88%受訪者在生產中使用人工智能，并在2025年將持續增加AI應用投資。這種全球性的熱潮在不同市場環境下，形成了各具特色的發展路徑和戰略重點。

從全球視角對比來看，海外金融機構更側重技術整合與業務創新的協同，而國內金融機構目前更聚焦于知識庫、文檔處理等效率提升場景。《大模型報告》基于全網公開披露信息統計（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。中標項目數量與金額均呈現頭部集中特征，這一趨勢顯示，金融業大模型應用已基本形成銀行業主導、證券保險跟進、信托資管探索的梯次發展格局。值得關注的是，進入2025年行業應用建設節奏明顯提速，各類規模機構已全面啟動大模型應用規劃，大模型技術正在成為推動金融業數智化轉型的核心引擎。

銀行業是大模型落地應用的典型金融領域，其應用范圍已經從國有大行、股份制銀行迅速擴展到頭部區域性銀行。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建設。

股份制銀行則展現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。區域性銀行雖然起步較晚，但基于戰略與價值驅動的探索熱情同樣高漲。目前，約80%的區域性銀行已涉足大模型領域，部分已基于行業成熟的產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、保險行業在大模型建設上也呈現出頭部機構先行且模式多樣化的特點。資管、信托行業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管政策的完善，預計證券、保險、資管、信托等行業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同并最終融合。

戰略路徑分化

“當前，大模型戰略并無唯一最優解。”《大模型報告》認為，金融機構的資源稟賦、市場地位和戰略雄心，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略選擇的精耕細作階段。不同的機構正依據其獨特的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，其戰略路徑深刻反映出其市場地位與戰略雄心。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建設，以打造技術護城河，滿足自身復雜且多樣的業務需求，并最終將AI能力轉化為難以被復制的差異化優勢。

與之形成鮮明對比的是眾多區域性銀行及中小金融機構的策略。區域性銀行雖然起步較晚，但基于戰略與價值驅動的探索熱情同樣高漲。目前，約80%的區域性銀行已涉足大模型領域，部分已基于行業成熟的產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。

股份制銀行則展現出一種“全鏈條多重投入”的混合型戰略，其路徑選擇體現了在戰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大模型應用的真實生態。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性重塑”，而重塑的起點，正是對自身能力的清醒認知與戰略定力。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？

“一切生產力轉型的根本目的仍然在于業務增長和管理提效，因此，在金融行業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。”《大模型報告》認為，盡管引入人工智能已被金融業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態，但其落地過程面臨多維挑戰。

數據挑戰首當其沖，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據，但這些數據因歷史系統壁壘而高度碎片化，難以串聯成可供大模型實時理解與利用的統一知識資產。與此同時，金融業務對專業性要求極高，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“內部知識無法釋放，外部能力無法精準補給”的雙重困境。

戰略與價值的平衡是另一大核心挑戰。面對動輒數億的算力投入與不確定的回報周期，許多機構陷入“戰略模糊”與“價值迷失”。部分機構將大模型視為零散的效率工具，缺乏與企業長期數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、風險損失規避等間接、長期的效益，難以用傳統的短期財務指標（ROI）精確衡量。若無法清晰論證商業價值，項目極易在初期試點后因無法獲得持續資源而夭折。

《大模型報告》認為，目前業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。金融機構內部往往也缺乏一個能夠整合財務指標、業務指標、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偏差，無法全面反映其綜合貢獻。

在應用層面，嚴苛的監管環境對模型的可控性與安全性提出了極致要求。“模型幻覺”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直接的財務損失、監管處罰乃至聲譽風險。“即使是極低概率的錯誤，在金融杠桿的放大下也可能造成嚴重損失。”

金融機構大模型應用瓶頸在于人與組織。復合型人才稀缺，懂技術的不懂業務，懂業務的不懂AI。傳統IT架構與敏捷開發模式沖突，跨部門協同因考核指標不一而內耗嚴重。應對這一挑戰，需要一場深刻的組織變革。《大模型報告》建議實施分層分類的人才培養計劃，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”的內部運營模式，并最終重塑以人機協同為核心的流程與崗位，以支撐這場“系統性重塑”對組織能力提出的全新要求。

大模型對金融業的重塑，絕非一次簡單的技術升級，而是一場關乎行業本質的范式革命。它挑戰的不僅是傳統的業務流程，更是固有的組織形態、人才結構和戰略思維。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據治理、戰略規劃、風險管控與組織協同的體系化能力。真正的競爭壁壘，源于將技術深度融入業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濟與管理風險。大模型作為這個時代強大的生產力工具，其最終價值在于能否讓金融服務變得更高效、普惠與穩健。當技術的光環逐漸褪去，那些能將AI的理性計算與人類的價值判斷完美結合，并在創新與合規之間找到動態平衡的機構，才能真正定義智能金融的未來。