金融AI行业GenAI系列之53暨Fintech系列深度之18：大模型两年范式剧变核心业务起涟漪

证券研究报

告金融AI：大模型两年范式剧变，核心业务起涟漪GenAI系列之53暨Fintech系列深度之18证券分析师：洪依真

A0230519060003

罗钻辉

A0230523090004

刘洋

A0230513050006研究支持：罗宇琦

A0230124070004联系人：罗宇琦

luoyq@2025.3.27证券研究报告3核心观点AI金融行业大模型核心技术相比2023年时已产生了较大变化。目前大量金融机构基础模型选择开源、或更多的是与头部大模型厂合作：1）2023年初金融机构开始自研预训练；2）2024年后强化学习、RLHF等后训练范式兴起；3）2025年后ds等算法平权后金融机构不再完全聚焦于基础模型。金融能力趋势：从意图识别到意图执行。1）目前Chatbot形式为主的单意图识别工具准确率已接近90%；2）结合Agent能力的意图执行开始大量出现；3）智能决策整体未成熟，银行和保险目前案例极少，而资管领域单点案例更多，AI的应用深度可能与ROI相关性更高，而非业务的标准化程度。银行、保险AI整体应用集中于营销等系统，2025年后需求增加，应用开始向核心系统深化银行：已上线需求集中于客服作业、营销分析、报告撰写（风控和授信调查）、代码助手等，各行之间场景差距较小；24H2后，部分大行开始接入信贷和前端业务，但是目前渗透率较低。保险：由于保险重营销的特性，目前大部分应用集中于客服机器人、营销助手等；部分保险开始尝试简单理赔场景，如欺诈检测、理赔评估等。但更进一步的AI承保产品极少，AI产品设计与定价目前空缺。Deepseek出现后，A股金融IT上市公司AI转向加速，且部分反馈下游需求增加。1）2025年后，头部银行IT企业全面接入ds，且开始对信贷等核心系统改造；2）由于银行私有化部署要求，宇信等提供一体机解决方案，且天阳等联合高校建设金融算力中心；3）长亮等反馈主要集中在信贷相关业务、数据管理相关业务以及财务相关的业务需求在2025年后明显增加。◼相关标的：第四范式、宇信科技、神州信息、长亮科技、京北方、天阳科技风险提示：大模型技术迭代可能不及预期，金融数据风险，同质化竞争风险，监管风险。主要内容基础模型：相比2023年已全面更新应用情况：国内外金融AI应用概览银行AI：全面渗透但未进入核心环节保险AI：聚焦营销，核保理赔起步期相关标的4证券研究报告51.1

模型底座趋势：金融企业自研或预训练需求减弱基座模型与第三方头部大模型合作对齐训练领域增强训练Lossscalling

law前置推演 metricscalling

law领域自约束CPT通用合成数据工程企业高精领域数据强化训练SFT RLHFHumanfeedbackAIFeesbackDeepseek、Llama开源模型Open

AI、谷歌通义千问、阶跃星辰、火山引擎仍有部分金融机构自研2023年至今，金融LLM底座发生较大变化1）2023年初，以bloombergGPT为代表的预训练，当时观点普遍认为：Bloomberg采用自主构建数据集和语料库的方法，优点是文本生成能力更强，尽管会带来成本大幅上升；2）2024年后，随着Open

AI

o1出现，强化学习、指令微调、RLHF等后训练范式兴起；3）2025年后，随着deepseek等开源工具出现，算法平权后金融机构不再完全聚焦于基础模型。基础模型选择开源、或更多的是与头部大模型合作海外机构如摩根大通、摩根斯坦利、贝莱德、城堡证券、穆迪等海外机构与OpenAI、谷歌等合作；国内机构比如招商证券、中金财富跟通义千问，国泰君安与阶跃星辰、北京银行、华泰证券跟火山引擎进行合作等等。图：金融行业大模型技术方案概览-训练和基座预训练 后训练资料来源：申万宏源研究证券研究报告61.1

模型底座趋势：金融企业需求转向Agent和数据工程基座模型Deepseek、Llama Open

AI、谷歌 通义千问、阶跃星辰、火山引擎开源模型 与第三方头部大模型合作仍有部分金融机构自研数据工程数据去噪内容安全数据去重隐私消除数据标准化多维度打分质量分回归内容分类器2024年后，RAG为代表的数据工程、Agent为代表的应用工程等成为金融机构建设重点构建高效、可扩展

AI

系统的标准化架构正迅速发展；RAG

以51%的采用率占据主导地位；2024

年最大的突破之一是智能体架构，采用率从

0%迅速增至

12%；与之相比，微调的采用率仅为

9%。图：金融行业大模型技术方案概览-基座和应用应用架构资料来源：Menlo

Ventures（门罗风投）、申万宏源研究数据工程AgentRAG企业知识库图：美国企业级市场中的AI架构设计方案

2023

vs.

2024图：

美国企业级AI用例及采用率证券研究报告投研报告助手资管知识检索投资研究与客户洞察投资风险识别与合规管理单意图识别多模态理解7意图识别1.2

金融能力趋势：从意图识别到意图执行图例近期焦点AI系统其他AI系统资料来源：邮储银行官方公众号、中国专业IT社区CSDN、贝莱德官网、申万宏源研究技术成熟开始出现技术未成熟垂域的专业能力、专业知识、专有业务系统、私有化资源将会成为较难复制的竞争壁垒在外挂高质量活数据、资源大模型友好的情况下，单意图识别准确率已接近90%智能问答

智能辅助用户画像

知识社区多意图识别银行“助手”方案Chatbot形式为主图：邮储银行数字员工“小邮助手”能力目标和发布时间意图执行单模态理解复杂任务拆解Agent复杂任务拆解仍有提升空间OCR基于UI交互图片、语音等模态理解逐渐标配跨APP、API交互MCP企业专用知识库垂域know-how图：信贷客户场景中摘要和小结生成Agent智能决策功能、菜单、数据、接口、报表从软件转变为服务的基础资源信贷业务全流程自动化贷前评估、贷中监测、贷后管理全域风险管理，智能风控体系、核保阶段的风险评估、自动化审核理赔全流程自动化：从单据审核、到欺诈检测、到辅助调研、方案合理性调整等银行和保险目前案例极少可能与传统金融核心业务极为复杂、精准和安全要求较高有关资管领域单点案例更多图：贝莱德SAE模型主动投资流程1.2

金融能力趋势：从提升效率到深度决策应用价值提升效率流程自动化价值创造推动用户/收入增长深度决策提升投资收益、降低风险概述⚫

通过机器学习和深度学习，进行代码生成与优化、代码分析与调试；保合规性；⚫

AI

解决方案显著减少手动和重复性任务⚫

AI

具备强大的数据分析能力，更具客户洞察力；⚫

AI

能自动化后台任务，包括数据

⚫

创造新的用户交互场景体验；管理、对

账和报告生成，同时确

⚫

AI

可以更好地理解用户，发现和创造金融消费需求AI

模型可以分析大量和多样化的数据，包括结构化和非结构化数据，提供更为全面、精准的数据分析结果及预测信息；高级

AI

技术通过其整合和分析真实市场条件、识别数据异常和提高数据可靠性的能力，改善风险管理；应用场景AI

编程；账户业务自动化；合规审核；客户服务与支持投顾助手；用户互动与营销；个性化理财产品推荐；构建新的金融服务产品交易机会洞察资产价格预测高频交易流动性风险

/

信用风险评估应用成熟度较高中等较低当前AI在金融领域的应用趋势：金融机构的需求场景以内部赋能为主，多从运营助手、辅助编码、办公支持等提效场景切入，逐步向业务赋能等高价值领域延伸；直接面向客户的服务则仍处于起步阶段，以营销和客户交互场景为主。涉及最核心的风险定价服务等场景成熟度较低。表：金融行业大模型应用价值资料来源：申万宏源研究证券研究报告8资料来源：申万宏源研究研发模式 典型代表 优势 劣势金融机构自研团队为主国有大行、头部券商等业务理解深刻贴近场景私有资源积累技术和经验局限资源限制适用范围有限金融科技公司为主恒生电子、赢时胜、讯兔科技、 大模型友好中科金等 垂直领域

know-how面临双重挤压资源有限基础大模型供应商为主百度、智谱、科大讯飞、火山引擎等技术实力强资源丰富创新能力强业务理解不足业务整合难度大业务优势技术优势国内金融机构大模型应用研发参与者目前包括金融机构自研、金融科技公司、基础大模型供应商自研、第三方服务各具优势自研：能更好保证数据安全和隐私、实现业务定制化、有利于提升长期竞争壁垒第三方服务：智能投研技术门槛较高、自研开发成本较高，第三方服务可以以较低成本快速获得获得先进技术和工具。同时第三方服务通常具备强大的数据整合能力，能够提供多源数据的分析和处理。部分金融机构选择混合模式：核心业务自研，非核心业务使用第三方服务图：三种不同形式金融大模型供应商1.3

金融AI参与者：三方各有优势证券研究报告9主要内容基础模型：相比2023年已全面更新应用情况：国内外金融AI应用概览银行AI：全面渗透但未进入核心环节保险AI：聚焦营销，核保理赔起步期相关标的102.1

金融应用趋势：分行业看银行业从最开始的观望态度逐渐过渡到将大模型技术作为未来的重点方向持续投入；从国有大行、股份制银行延伸到头部城农商行，深入到银行前、中、后台的各个环节。证券业随着头部客户试水效果初显、算力和模型基础设施成本下降，大模型应用将从头部向中小券商下沉，应用场景从内部运营向投顾、投研、投行、合规等延伸。基金业部分机构在局部领域探索大模型应用，主要集中在投资研究、风控合规、基金营销、合规审查等业务领域；由于大模型

前期投入高、见效慢，且需要长期投入，在当前大环境下中小机构基本处于观望状态。保险资管业头部机构普遍采取谨慎务实的应用策略，优先选择能够直接带来降本增效的场景进行尝试，如智能投研、信用风险管理、合规、运营以及信息披露的文本识别和智能核对。信托业少数公司开始尝试大模型应用，落地场景非常少，需求场景主要是运营、运维、知识库、文本撰写等。渗透快渗透慢

◼证券研究报告112.1

国内金融行业AI应用分行业一览：银行、保险保险公司商业银行智能理赔NLP处理索赔数据，机器学习自动化审核精准营销客户画像构建+个性化方案推荐风险管理大模型动态评估资产风险合规风控客户服务运营效率异常交易识别、反欺诈监测智能问答、个性化财富管理文档自动化处理等总结来看，客户服务、合规风控、运营效率是行业较为共性的需求其他特性的需求：银行行业有风险报送、风险定价、FICC等保险行业有智能理赔、精准营销、风险管理需求运营效率文档自动化处理等证券研究报告122.1

国内金融行业AI应用分行业一览：证券、基金证券机构基金公司投资投行财富管理合规风控智能投研量化研究因子挖掘、策略优化尽调报告生成、招股书辅助撰写个性化投顾、客户需求分析舆情监测、交易异常识别投资智能投研量化研究因子挖掘、策略优化合规风控合规审查、交易异常识别客户服务智能投顾、个性化报告生成当前基金行业大模型应用仍以

效率工具

为主，直接参与投资决策的场景占比较少运营效率运营效率文档自动化处理、会议纪要整理文档自动化处理、会议纪要整理由于篇幅原因，本文主要展开国内银行、保险目前布局AI情况后续国内证券、基金、投研AI应用情况将在AI系列深度中展开证券研究报告132.2

高盛：私有化部署，推出代码生成工具与AI助手Goldman

Sachs（高盛）在利用人工智能

（AI）

提高运营效率方面处于领先地位。2024年7月底，高盛向数千名开发人员推出其第一个用于代码生成的生成式AI工具。私有化部署集成多个AI模型：利用OpenAI

的

GPT-3.5

和

GPT-4

模型、谷歌的

Gemini

模型以及

MetaPlatforms

的

Llama

等开源模型侧重代码生成，显著提高开发人员效率目前重点在安全性和合规性2025年1月，高盛向其员工推出

GS

AIAssistant已向大约

10,000

名员工推出了该计划最初，它将协助总结电子邮件、校对和翻译代码长期，计划可以在最少的人工监督下承担更复杂的多步骤任务。这种演变被比作雇用一名新员工，他将逐渐吸收高盛的文化和做法。依赖于来自各种

AI

模型的数据混合，包括来自

OpenAI、Google

和

Meta的数据证券研究报告142.2

JP

Morgan：已推出投顾、投研产品2024年5月4日，摩根大通宣布推出基于GPT-4的AI投顾工具IndexGPT可自动创建“主题投资篮子”策略，主题投资篮子是一种投资组合，将具有相似或相关投资主题的多家公司股票捆绑在一起的投资策略，包含股票、债券、商品等。投资的领域包括可再生能源、AI、电池存储、电动汽车、制药、生物技术、医疗器械、电商、云计算、金融科技等上百个类别。主题投资篮子的优点是多样化，可以降低投资的风险避免把资金全部压在一个地方，当出现金融危机或者股市震荡时赔的血本无归，同时又能增加资金的流动性，实现快进快出追风口赚热钱的策略。2024年7月，推出类ChatGPT产品LLM

SuiteLLM

Suite可以进行写作、生成创意和总结文件。应用上，可以把LLM

Suite想象成研究分析师，它可以就某个主题提供信息、解决方案和建议。允许其资产和财富管理部门的员工使用截止2024年7月，约有50000名员工(约占员工总数的15%)可以使用LLM

Suite公司内部合规要求严格：其员工不允许出于工作目的使用任何消费级人工智能聊天机器人产品——--如Anthropic的Claude、OpenAI的ChatGPT或谷歌的Gemini。该公司要求员工严格遵守相关规定，确保客户数据不会离开公司的安全服务器。证券研究报告152.2

花旗：对内使用，辅助、简化员工工作+搜索引擎2023年已将AIGC应用于编程允许250名开发人员尝试使用这种人工智能技术。银行计划到2024年将该计划扩展到其大部分开发团队。尝试使用AI来更新其系统，其目标是从过时的编码语言（如Cobol）过渡到更现代的编码语言（如Java）。利用AI可以简化翻译过程，并且成本效益更高。2024年3月，花旗银行的首席分析技术与创新负责人Promiti

Dutta采访中，花旗银行将AIGC应用于三个方向：代理辅助：大型语言模型(LLMs)可以为呼叫中心代理提供关于客户的摘要信息，或在对话期间更轻松地记录摘要以便为代理查找信息。这并非面向客户。自动执行手动任务：例如总结与风险和控制相关的广泛合规文件，帮助员工查找所需文件。内部搜索引擎：花旗银行内部创建了一个内部搜索引擎，将数据集中到一个地方，以便分析师和其他员工更轻松地获得数据驱动的见解。目前还不考虑在外部使用LLMs，但并未将其完全排除在未来之外在使用生成式人工智能与客户进行外部交互（例如通过支持聊天机器人）方面，花旗银行认为仍存在太高的风险。过去一年中，关于LLMs产生幻觉的报道引起了广泛关注。花旗银行强调，他们需要逐步推进，并始终确保人类参与，以便了解技术的局限性，然后根据技术的成熟程度逐步扩展应用范围。花旗银行与微软合作，正在考虑使用Azure云服务中的OpenAI的GPT模型，以重新评估在云和本地资源之间的平衡。证券研究报告16主要内容基础模型：相比2023年已全面更新应用情况：国内外金融AI应用概览银行AI：全面渗透但未进入核心环节保险AI：聚焦营销，核保理赔起步期相关标的173.1

银行AI：大模型应用渗透于大中小行，场景差距小银行名 大模型布局情况农业银行2023年3月，ChatABC初步具备自由闲聊、行内知识问答、内容摘要等多类型任务的服务能力大模型在金融领域的知识理解能力、内容生成能力以及安全问答能力。工商银行2023年3月，全栈自主可控的千亿级AI大模型技术体系（昇腾AI的金融行业通用模型）聚焦远程银行、对公信贷、运营管理、金融市场、人力资源、智慧办公、内控合规、智能研发等八大业务领域。邮储银行2023年2月，“邮储大脑”接入百度“文心一言”，类

ChatGPT技术应用试点。结合行业知识进行微调和交互式训练，用于智能客服、数字员工、虚拟营业厅等场景。近期，邮储银行将DeepSeek大模型应用于企业级多模态智能问答助手

“小邮助手”，新增逻辑推理功能，增强精准服务效能；通过包括深度分析在内的功能，精准识别用户需求，提供个性化和场景化的服务方案；借助高效推理性能，加快响应速度和任务处理效率。2023年报，实施“方舟计划”。大模型基础能力、基础应用、业务场景建设均有成就。业务场景建设方面，截至2023年末，实现智能客服工单生成、自动化生产营销创意内容和文案、快速生成投研报告中的摘要和点评、录入语音自动生成拜访记录、输入提示词与关键参数自动生成图片、自动生成上市公司类客户调查报告等25项建设银行

场景应用。2024Q3，其深化金融大模型建设，落地87项业务场景应用，初步建成面向全集团的企业级金融大模型应用体系。资料来源：资产业务与科技，公司公告，新浪网，金融早参，腾讯新闻，中国证券报，金融科技研究，申万宏源研究表：国内大行布局AI情况概览证券研究报告183.1

银行AI：大模型应用渗透于大中小行，场景差距小股份制银行 大模型布局情况2024Q3，完善大模型平台和基础能力底座，拓展知识库问答、文档内容生成、代码开发辅助、数字人视频制作等大模型场景应用，进一步提升工作效率和用户体验。截至9月末，该行已落地超百个大模型应用场景。在零售业务方面，平安银行强化AIGC应用，打通企微、电话、平安口袋银行App内AI客户服务等渠道；平安银行

在研发方面，其通过AI工具赋能、低代码模式推广，提升需求交付效率，9月末，该行通过AI代码辅助平台生成的代码占比为28.7%。2025年2月21日投资者提问中回复接入包括但不限于DeepSeek大模型等。近日，浦发银行在业内实现全栈国产化算力平台+DeepSeek大模型的金融应用，为高质量发展注入“芯”动力。据了浦发银行

解，基于昇腾Atlas

800T

A2算力集群，浦发银行快速完成DeepSeek-R1

671B大模型的部署，融合“五横六纵”企业级知识库，嵌入数字员工助手应用，赋能智能问答、指标问答、财务分析、报告写作等多个应用场景。对内更好赋能员工，对外更好服务客户，全面提升数字金融服务能力。民生银行

2024Q3，由算力、数据、模型和框架组成的大模型应用体系建设取得重大进展，其聚焦大模型在重点场景的应用开发和推广，在客服作业、营销分析、风控报告撰写、知识助手等场景实现效能提升。招商银行

2023年8月，构建通用大模型平台,重点服务于智能投顾、客服、研发等领域、智能财富助理"小招",提供财务分析、选品策略、市场观点、收益分析等服务,和个性化、定制化顾问服务光大银行

2024Q3，其开展关键业务领域大模型技术应用研究，完成面向公司金融场景授信调查报告智能生成功能的研发。中信银行

2024Q3，积极布局AI大模型技术，中信仓颉大模型在远程经营、数字人财富顾问、代码生成、客服中心及办公助手等场景应用效果初现。资料来源：资产业务与科技，公司公告，新浪网，金融早参，腾讯新闻，中国证券报，金融科技研究，申万宏源研究表：国内股份制银行布局AI情况概览证券研究报告193.1

银行AI：大模型应用渗透于大中小行，场景差距小其他银行 大模型布局情况江苏银行2023年4月，自主研发的拥有最大1760亿参数的大语言模型平台,“智慧小苏”顺利投产,实现客服场景首次应用。分析行内信息系统运行情况,自动化分析得出相关建议。近期，江苏银行依托“智慧小苏”大语言模型服务平台，成功本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用于智能合同质检、自动化估值对账场景中。2024Q3，推出零售领域首个AI

Agent应用——智能策略复盘助手。基于大模型技术，结合意图识别、协同引擎和数据分析等技术，帮助业务人员更快、更准确地分析客户数据，评估营销策略效果并给出改进建议，将经营策略执北京银行 行分析工作从1天缩短至分钟级，极大节省人力成本。近日，北京银行与华为合作，率先实现了DeepSeek系列模型的全栈国产化金融应用。通过引入DeepSeek-R1和DeepSeek-V3模型，北京银行在多个关键业务场景中试点应用，大幅提升了服务质量和效率。重庆银行智能客服：利用DeepSeek大模型对智能客服知识库进行深度解析，实现了更加精准的语义理解、逻辑推理和多轮对话能力。苏商银行苏商银行在2024年引入DeepSeek系列技术，结合原有大模型能力，在模型轻量化与高效推理方面取得显著突破，推动了数字金融服务的智能化升级。智能信贷：通过DeepSeek-VL2多模态模型，成功解决了非标材料处理难题，信贷审核全流程效率提升20%。智能研发：集成DeepSeek-R1推理模型，构建智能编程协作平台，代码采纳率提升28%，核心系统迭代周期缩短30%。智能风控：通过模型蒸馏技术，推理效率指数级提升，单次决策响应时间压缩至毫秒级，欺诈风险标签准确率提升35%。重庆农村商业银行重庆农商行借助腾讯云大模型知识引擎的能力，已在企业微信上线基于DeepSeek模型的智能助手应用“AI小渝”。智能风控：利用DeepSeek的模型能力，结合实时联网搜索以及RAG能力，动态识别欺诈行为，提升风险预警精准度。场景金融：搭建分钟级响应的智能客服系统，结合知识库实现个性化财富管理建议。表：国内其他银行布局AI情况概览证券研究报告数据决策：通过大模型挖掘行内金融数据价值，优化信贷评估与市场策略。资料来源：资产业务与科技，公司公告，新浪网，金融早参，腾讯新闻，中国证券报，金融科技研究，申万宏源研究203.2

工商银行：基础大模型能力文档编写：摘要提炼、内容扩写、分析研判。智能搜索：网页信息采集、问题解析规划及信息搜索、答案汇总生成知识检索：知识准备、知识搜索、答案生成图：智能搜索应用范式流程图：智能中枢应用范式流程◼

智能中枢（Agent服务）通过将系统功能进行插件化，利用大模型拆解、调控，支持用户通过自然语言实现跨系统、系统内部各功能的调度控制能力。插件的具体实现仍为传统应用开发，大模型主要负责理解用户的诉求。◼

数据分析将自然语言转换成数据分析的语言或代码，如对API的调用、对数据库的访问等。图：知识检索应用范式流程证券研究报告21资料来源：《工行大模型白皮书》、申万宏源研究，智能办公中用到Agent，多个场景效率提升显著风险防控业务场景产品形式效率提升量化信贷全流程审批智能化内控合规智能员工贷前、中、后全流程知识问答形式信贷制度咨询从分钟级提升至秒级，每年至少可降本数百人年可疑报告生成自动化可疑报送模块中的人工甄别环节以案倒查要点分析环节：通过大模型对法律文书提取摘要，分析其中涉及客户的案件信息，与客户信息进行比对可疑报告撰写环节：辅助生成可疑报告中的客户信息等相关章节初稿内控数字员工“工毅控”内控合规各项工作的问答指南赋能全行境内数十家分行机构用户，自动解答率达

92.8%内控合规智能员工工单分析、生成自动化网点客户服务智能助手翻译准确率达85%以上，服务客服经理万余人多家分行网点完成检测，问答准确率超83%日均生成近万份工单处理报告，生成答复摘要条理清晰，整体文字采纳率约80%，据初步测算，每年可节省数百人年工作量利用大模型可根据员工与客户电话核实情况撰写投诉处理报告客户意见工单答复环节运营管理证券研究报告22资料来源：《工行大模型白皮书》、申万宏源研究，智能办公中用到Agent，多个场景效率提升显著研究开发业务场景产品形式效率提升量化后台研发代码生成、代码识别与检测、代码转自然语言和交互式研发试点期间推广使用近千人，辅助编码近百万行，协助开发人员自动纠正输入性错误数万次客户意见工单答复环节人工客服+智能客服形式围绕邮件、会议、材料、日常事务等方面类似Agent（如一句话即可办理建会议、定会议室、记录日程等事务）可疑报送模块中的人工甄别环节自动生成千人千面的面试题，自动化实现线上问答评判、面试报告生成投研晨报等金融市场各类报告的自动生成金融市场投资、融资、资金交易的方案计划制定、交易执行、存续管理、风险监测晨报生成时效从小时级缩短至分钟级，资讯覆盖面从十余篇扩展至全市场数百篇，报告生成采纳率达88.68%智能研发坐席助手 智能办公 赋能面试金融市场咨询客户服务 办公协作证券研究报告23资料来源：《工行大模型白皮书》、申万宏源研究证券研究报告243.3

邮储银行：布局算力-模型-应用，应用逐渐深化资料来源：邮储银行官方公众号，移动支付网，银行科技研究社，申万宏源研究应用情况设基施础模基型础2023H22023H1基础模型初步探索AIGC定制卡面研发测试 智能风控运营管理 消保客户营销邮储大脑2024H1算力云资源池：异构算力集群支持千亿级规模大模型训练2024H2统一大模型“邮智”更多生成创作智能助手知识图谱融合LLM从算力到应用全部实现自主可控2024年12月10日上线，招投标完成运维法律风险管理同业业务2025H1引入Deepseek助手增强逻辑推理功能增强精准服务效能数字员 接入IT邮回工 想和汇兑大接 集中系统入接入担保管理系统和灵犀系统接入信贷业务平台企业智能助手专用信贷模型数字员工数字员工全面接入上线接入业务前端平台（管理通）2024-042024-052024-072024-092025-02功能全部上线，并持续接入其它系统起步探索期模型和基础建设加快期应用加快期，并明确以Agent数字员工为核心证券研究报告253.3

邮储银行：应用交互以对话为主，AI应用深度仍较浅2024年12月“小邮助手”基础版随“邮智”大模型首次发布。2025年2月，邮储银行将DeepSeek-V3多模态模型和轻量级DeepSeek-R1推理模型集成到“邮智”大模型中。功能上：基础版“小邮助手”

具备多模态交互能力，支持信息聚合、图表展示、内容溯源等功能。DS集成后新增功能逻辑推理，提高的分析的深度与效率。应用场景：智能客服与远程银行、公司金融、风险防控领域、网点金融服务领域等。2024年9月，发布货币市场交易机器人“邮小助”。在线智能询价交谈：“邮小助”依据交易员设置进行智能询价应答，匹配交易。全流程风险管理：实时联动交易系统风控模块，人工可随时干预。图：“小邮”智能助理理解意图，生成页面链接辅助功能导航图：“邮小助”询价过程示意资料来源：邮储银行客户服务公众号，CfetsOnline发布，申万宏源研究主要内容基础模型：相比2023年已全面更新应用情况：国内外金融AI应用概览银行AI：全面渗透但未进入核心环节保险AI：聚焦营销，核保理赔起步期相关标的26智能客服机器人养老陪伴机器人“聪明宝”产险客服人伤理赔机器人车险智能定损定责理赔计算书信息抽取理赔大案要案智能识别投研报告助手资管知识检索投资研究与客户洞察投资风险识别与合规管理员工服务机器人代码助手知识搜索审计助手核保/核保助手财务风险评估风险建模AI通用办公AI智能投研AI服务AI营销AI理赔AI承保4.1

保险AI应用：营销和投研为目前焦点图例近期焦点AI系统其他AI系统会员服务助理产品小助理智能客服广东话语音复制车险全线上销售机器人产险智能外呼机器人车险智能报价助手销售AI智能训战代理人车险出库销售助手/内容创作代理人赋能代理人AskBob机器人健康险理赔审核伤残等级评估复杂案件智能判责理赔自动化审核理赔效率评估通用专用-资产端理赔范围检查：提供经核实的理赔结果，准确率达99.5%情况下节省时间>2X欺诈检测理赔效率提升医疗文档处理理赔助手代理人支持：代理人生产力提升10-15%营销赋能助手：营销材料创作时间节省50-70%损失预防客服效率提升专用-负债端AI产品设计与定价暂空简化承保：经审查的保单数量增幅2-3X迁移各代码库组件时间最低可节省30%企业微信运维机器人监管政策小助手HR小助手办公助手效率提升量化证券研究报告27资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究阳光保险办公（员工服务机器人、代码开发助手、知识搜索）、服务（智能客服机器人、养老陪伴机器人）、营销（车险全线上销售机器人、产险智能外呼机器人）、理赔（人伤理赔机器人、车险智能定损与定责）、投研（投研报告助手中国人保营销（代理人赋能）、服务（“聪明宝”产险客服）中国人寿-国寿资管投研（资管知识检索、投资研究与客户洞察、投资风险识别与合规管理）中国人寿-国寿财险办公（员工工作平台）、理赔（理赔计算书信息抽取、理赔大案要案智能识别）、营销（车险智能报价助手）泰康养老营销（销售人员AI智能训战）中国太保理赔（健康险理赔审核）、办公（审计助手）华农保险营销（代理人车险出单）、办公（企微运维机器人、编程研发助手）信美相互人寿服务（会员服务小助理、产品小助理）、办公（监管政策小助理、人力行政小助理）元保服务（智能客服）、理赔（智能理赔）香港富卫集团服务（广东话语音复制）中科万国理赔（伤残等级评估、复杂案件智能判责、理赔自动化审核）国际瑞士再保险承保（核保助手）、营销（内容创作）安盛集团办公（办公助手）、承保（财产风险评估）、理赔（理赔效率提升）安联集团服务（损失预防）、理赔（理赔评估、欺诈检测）丘博保险理赔（理赔效率提升）怡安保险办公（员工办公助手）第一生命营销（销售助手）好事达保险服务（客服效率提升）奥斯卡健康理赔（医疗文档处理、理赔助手）大模型应用趋势应用模式：由Chatbot向AI

Agent演进应用场景：由非决策类场景向决策类场景过渡大模型与小模型：互相补充，协同合作国内保险公司AI大模型应用较国际更深入、广泛，海外保险公司尚未用于投研场景国内保险公司中，阳光保险、中国人寿（及其子公司）应用场景较丰富保险公司 案例国内证券研究报告28资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究证券研究报告29赔机器人，降本成效可量化重点应用场景业务场景产品形式效率提升量化已覆盖车险报案、产险保单查询、寿险保单查询、寿险续期回访等语音/文字问答2024年上半年，累计智能服务量538万件，智能服务率58.09%，半年累计替代545人月工作量，在车险报案等场景精简服务环节16个，服务操作频次减少539.5万次为客户提供车险投保咨询、产品报价、缴费出单以及增值服务讲解等服务定损单证分类与外表伤情识别功能智能客服机器人车险全线上销售机器人人伤理赔机器人机器人交互任务完成率目前已提升到89%工具上线后使用率超过80%，单证分类准确率达95.6%，降低了小额人伤案件向住院案件转化。定损单均相较未使用工具的小额人伤案件低12.64%。语音/文字问答语音/文字问答图：智能客服机器人技术架构图资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究4.3

阳光保险：基础办公类代码助手使用智能体形式基础办公类业务场景产品形式效率提升量化企微、OA、EHR多入口上线，具有阳光人设，支持基于阳光基础知识、阳光文化进行回答语音/文字问答在处理客户需求、数据分析和报告撰写等方面工作效率提高40%寿险知识、人事咨询、企业知识搜索员工服务机器人代码开发助手“常青藤”生成代码片段、解释历史代码、生成注释、生成单元测试、查找bug、安全检测、性能优化、生成标准后台模块等内容知识搜索保险业务代码采纳率20%寿险知识问答，回答正确率70%左右工具+智能体+可跨模型问答、检索证券研究报告资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究304.3

阳光保险：基于数字人、多模态能力等提供AI+增值服务养老陪伴机器人亲情陪伴：模拟子女形象和声音，提供全天候第二陪伴医疗问诊：整合医疗资源，提供全天候实时音频视频问诊智能管家：辅助康养管家进行日常照护，社区活动介绍推荐数字遗产：结合老人生前数字信息，生成形象、语音、思维习惯类似数字人形象，减缓亲人离去带来的情感冲击。车险智能定损与定责综合分析车辆损失影像，提升车辆外观件损失定损准确性智能识别整案理赔单证关键信息，构建事故智能定责能力，辅助提示事故责任免除情形与理算准确性风险投研报告助手单篇研报关键信息提取效率提高50%，准确度超过80%敏锐发掘市场热点，通过快速学习每天的数据信息，对比发掘出新出现的信息趋势协助投研人员综合分析更全面的信息，提升决策效率实时分析路演数据信息，把握投资机会图：养老陪伴机器人功能示意图证券研究报告资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究314.4

中国人寿-国寿投资落地案例大模型应用中台积极补充GPU算力资源，完成千亿级参数开源模型私有化部署大模型应用案例国寿投资GPT平台知识搜索投资研究和客户洞察风险识别和合规管理图：国寿投资大模型应用中台图：国寿投资GPT证券研究报告资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究32证券研究报告33果显著资料来源：《大模型技术深度赋能保险行业白皮书（2024）》、申万宏源研究小财大模型员工工作平台实现形式功能应用效果已决赔款计算书信息抽取车险智能报价助手大案要案智能识别预计推广至全国使用后，仅该场景下可节省劳效17人年。广东分公司智能报价工具已调用小财大模型接口累计超过3万次，平均报价成功率超过85%预计该场景仅广东分公司就能至少节省100人年的出单人力，降低人力成本约合1000万元。湖北分公司已借助小财大模型过滤案件超1.5万件，经过预处理之后，通常能筛选掉80%以上的案件已识别漏报大案累计金额超过200万元，节省超过200个工时。已覆盖国寿财险全国36家省分机构小财大模型的累计使用次数突破40万次为超过15个团队或分公司提供API接口服务小财大模型+企业微信平台提示词+大模型以json格式返回数据能够从一线展业人员发送给出单员的碎片信息中结构化提取出车险报价所需的必填信息，实现快速报价文本写作、通用知识问答、组织客户展业助理、BI报表助理、信息抽取等小财大模型能力+专家经验小财大模型+提示词+正则匹配证券研究报告4.5

部分海外案例：瑞士再保险和安联集团瑞士再保险落地案例积极引入GenAI瑞士再保险在2023年1月成立创新解决方案事业部。利用瑞士再保险超过160年积累的数据与全球经验，为客户和合作伙伴提供包含新能源车、自动驾驶、农业天气指数、巨灾风险地图、工程数字化管理及寿险健康险自动核保引擎等一系列创新解决方案。核保助手2024年4月发布集成了微软Azure

OpenAI服务承保人能够在几秒内获得基于专家知识和先进分析能力的答案，从而做出更快、更精确的决策。内容创作将Lumen5的人工智能技术和文本到视频创作功能用于社交营销增加了视频制作量，复杂视频的平均制作时间为30分钟，他们为每个主题制作两个及以上视频，一年内制作了约551个视频。安联集团落地案例积极引入GenAI2022年，安联集团在全球信息技术领域的投资总额达到57亿美元，其中相当一部分专门用于人工智能（AI）技术。与微软合作，设立了一个GenAI探索项目，以探索并研究全球范围内的GenAI用例。AI数据积累在安联集团所有实体中不断发展和提高数据质量AI场景（1）预防：天气预警工具可预测极端天气事件的地点、时间和影响。该工具拥有190万名注册用户。（2）事故通知：另一款AI工具实时检测汽车事故，或通过联网汽车或智能手机的传感器检测。该工具拥有4万名活跃用户（3）理赔评估：AI资产工具。汽车保险中的自动化预先评估、小额理赔的快速评估，以实现高效的理赔。（4）欺诈检测：数据检查欺诈行为，包括欺骗性语言、不一致或异常行为；篡改图像或视频证据；根据历史数据预测欺诈可能性；以及社交网络分析，以在索赔人、被保险人和证人中揭露欺诈者。（5）海事理赔：AI工具海王星（Neptune）有效提升了北美地区的海事理赔处理和结算工作效率。海王星基于实时信息（如各部门、团队和理赔员的工作量）自动在首次损失通知（FNOL）阶段将理赔案件分配给理赔员。34主要内容基础模型：相比2023年已全面更新应用情况：国内外金融AI应用概览银行AI：全面渗透但未进入核心环节保险AI：聚焦营销，核保理赔起步期相关标的35证券研究报告920314219-8-18-16-91051145302040608010012050403020100-10-20-302020202120222023362024H-2127营业收入归母净利润营业收入yoy(%，右轴)365.1

第四范式：提供AI平台及解决方案，金融为重要下游◼

主要产品以AI平台为核心先知AI平台：基于行业场景的多模态数据，构建行业基座大模型，收入占比60%+；SHIFT智能解决方案：为企业场景提供定制化服务；式说AIGS服务，生成式软件开发平台。◼

服务银行起家，但目前下游行业已较为分散2024年前三季度：深耕交通运输、能源电力、金融、运营商等重点行业；制造、医疗、零售等渗透率提升。67%24%先知AI平台SHIFT智能解决方案式说AIGS服务资料来源：Wind、第四范式官网、申万宏源研究图：第四范式收入和利润情况（人民币、亿元）图：第四范式24H1产品分类收入占比9%表：第四范式先知平台再银行AI中使用的重点功能业务类型

描述 具体要点业务效果精准化营销在线上、线下各业务渠道对

客群与产品的精准营销匹配营销效果：相比专家规则对长尾客户营销效果提升明显，超过112%户的打扰精准营销

提升营销成功率，减少对客

自动机器学习应用加速模型构建全业务渠道覆盖实时反欺诈AI

智能反欺诈大脑高维模型实现风控反欺诈业务效果全面提升准确率：相比于传统的专家规则，提高

3

倍客户打扰率：相比专家规则，下降

57%技术：机器学习、自然语言

支持数十毫秒级的响应，实时事中风险拦处理、图关系、知识图谱等

截场景：全面覆盖欺诈和信用

自主更新学习，及时调整、适应欺诈手段风险业务 变化钱辅助分析和报送；智能反洗

人力成本，识别可疑案件，

率，大幅度降低审核、报送环节人力成本大幅降低反洗钱合规领域的

覆盖反洗钱业务全流程，提升人工分析效

反洗钱可疑案宗分析，打分前

70%

的案宗中召回率达到了

99.6%解决反洗钱机构

“漏报” 高维模型结合自学习构建完整的线上数据和

“多报”

问题 流程闭环，自动模型迭代，反哺业务规则运营优化优化对公业务运营管理通过对数据的深入挖掘，发现企业、人物地点、产品、交易等关联关系信、风险传导预警等业务服务营销商机挖掘、企业授

建立智能营销、风险授信体系拓展公私联动业务发展电商客服服务效率证券研究报告303743 444.53.312251565-134.02.-53622919-163.6806040200-20-40-606050403020100202020232024E2021 2022营业收入（亿元）营业收入yoy(%,右轴)归母净利润（亿元）归母净利润yoy(%,右轴)375.2

宇信科技：银行信贷强项，全面接入deepseek产品以银行为核心，信贷系统为优势：信贷操作管理延展至贷后资产管理，全面覆盖包括对公、零售、供应链、消费信贷、普惠贷、小微贷、农贷在内的银行信贷管理的各个业务场景；2025年后，产品全面接入DeepSeek：1）信贷场景：涵盖贷前、贷中、贷后全流程。提升各类报告、文书的精准撰写与生成效率；2）数据场景：宇信科技构建的“星辰chatbi”产品，自然语言+行内知识，实现数据交互；3）营销渠道。一体机完成全面适配82%系统集成销售及服务创新运营业务资料来源：Wind、宇信科技官方公众号、申万宏源研究

注：2024年业绩预测为wind一致预期大模型一体机采用多重加密技术和安全防护措施；支持多种开源模型接入，与华为、腾讯、南大等硬件适配。图：宇信科技收入和利润情况（亿元）52图：宇信科技24H1产品分类收入占比4%15%软件开发及服务图：宇信科技“星辰chatbi”深度数据挖掘证券研究报告385.3

神州信息：2025年后推出智能综合信贷系统下游行业包括金融（

银行）、政企、运营商等；研发“智能综合信贷系统”非标数据转化供应链交易验证软信息量化行业风险监控客户画像精准营销49%38%金融 政企 运营商64%36%软件开发及技术服务系统集成图：神州信息收入和利润情况（亿元）图：24H1产品分类收入占比图：24H1分行业收入占比13%资料来源：Wind、神州信息官方公众号、申万宏源研究图：神州信息图像解析功能图：神州信息语义理解功能图：神州信息智能决策输出图：神州信息关系图谱构建107114120 1214.83.82.156627-212-.415040200-20-40-601401201008060402002020202120222023营业收入（亿元）营业收入yoy(%,右轴)归母净利润（亿元）归母净利润yoy(%,右轴)证券研究报告395.4

长亮科技：“N+M”大模型协同策略长亮科技核心业务系统优势。2024

年

5

月，某全国性股份制商业银行信用卡新核心系统成功上线，成为业界大型信用卡数字生态项目群回迁重塑成功的首个案例。2024年仍处在业绩恢复期，在行业信创加持与海外业务增量的推动下，合同金额呈现明显的增长态势长亮科技+华为昇腾+DeepSeek。基于华为昇腾AI计算底座部署“DeepSeek大模型+长亮科技需求分析小模型”，打造“AI数字生产力平台-银行核心系统需求分析智能体AutoBA”；可深度解析业务场景需求，智能分析受影响的业务规则，解读交易代码，并编写需求文档；行业需求增加：主要集中在信贷相关业务、数据管理相关业务以及财务相关的业务。“N+M”大模型协同策略，N

通用大模型，通义千问

Qwen2、

DeepSeekV3；M场景小模型，例如泰山星图以及泰山明镜等小模型用于细分领域的能力构建。16161919212.41.30.30.818120872-470.2-82432162-100-50050100150200051015202520202021 2022营业收入（亿元）营业收入yoy(%,右轴)2023 2024E归母净利润（亿元）归母净利润yoy(%,右轴)资料来源：Wind、申万宏源研究

注：2024年业绩预测为wind一致预期图：长亮科技收入和利润情况（亿元）64%30%6%金融核心类解决方案大数据类解决方案全面价值管理解决方案图：长亮科技24H1产品分类收入占比证券研究报告405.5

京北方：提供金融等