人工智能技术金融应用发展报告（2025年）

人工智能技术金融应用发展报告（2025）20264摘要报告详细阐述了人工智能技术在金融行业的多个关键领域24报告特别强调了人工智能技术在提升运营效率方面的巨大利的同时有效管控风险。编委会成员：

编制委员会黄程林杨燕明朱麟夏知渊许高峰陈嘉俊李一昂高娅楠彭晋编写组成员：李代立宋伟男胡晨顾强李咏曲继先李曹建尚晓玉亓海阳舒文张楚杨景瑞金昕郭东升丁泽宇马宏宾梁凯罗方华陈理想武耀文韩喆王慧娟孙曦刘邓叶国林全成肖莉川闻剑辉孙钦龙马天放何心涛霍卓群编审：黄本涛刘宝龙参编单位中国银行股份有限公司银联商务支付股份有限公司海光信息技术股份有限公司蚂蚁科技集团股份有限公司科大讯飞股份有限公司浪潮电子信息产业股份有限公司目 录一、应用情况 1（一）发展现状 1（二）数智化转型驱动力 2（三）核心挑战 5二、体系建设 8（一）构建企业级架构体系 8（二）夯实信息基础设施 9（三）建设基础数据平台 11（四）打造大模型矩阵能力 14（五）建设人工智能体平台 18（六）构建应用安全体系 21三、应用场景与实施效果 24（一）金融领域大模型应用场景价值度评估 24（二）实现大模型场景价值的两种路径 25（三）人工智能应用典型案例 27（四）人工智能应用场景效果 30（五）人工智能应用场景未来规划 33四、组织保障与生态协同 34（一）加强组织保障 34（二）构建协同生态 37五、发展趋势与应用建议 40（一）人工智能发展趋势分析 40（二）人工智能金融应用发展建议 41一、应用情况（一）发展现状统金融系统向人工智能原生架构转型。通过引入检索增强生成（RAG）等技术，金融机构得以对接向量化金融数据库与银行知智能化方向发展。（与结构（二）数智化转型驱动力模化发展的新阶段。战略牵引国家顶层战略规划为金融业智能化转型提供了系统性政策（2022-20252025另外，监管政策的系统性引导为金融业智能化转型划定了发2017业务驱动业务端驱动力主要源于金融机构对降本增效与用户体验优金融机构正通过深度整合人工智能技术重构核心业务流程。技术突破安全体系构建上，从供应链安全、模型价值对齐到应用可控信贷审批、合规审查等高价值业务环节。相较于早期专用模型，千亿级大模型在金融语言理解与跨业务迁移方面展现出更强的边际效益。（三）核心挑战AI金融数据高敏且存在数据质量和数据共享问题模型算法存在模型黑箱和可解释性困境中的可解释性需求。算力约束与应用需求之间的矛盾日益突出场景需求碎片化，难以规模化应用排序和衡量ROI的实际价值。人工智能在金融领域的应用面临显著的人才挑战种双向知识融合需求使得企业面临人才梯队建设与外部引进的双重压力。即使是基础岗位员工也需具备运用智能工具的能力，这对金融机构的持续培训体系和资源投入提出了更高要求。二、体系建设（一）构建企业级架构体系随着人工智能技术快速发展，传统金融应用体系架构已难以满足现代金融行业对智能化与数据驱动决策的迫切需求。当前，金融业人工智能应用体系正朝着清晰的四层架构演进：模型微调、迁移与测评服务，支撑模型全生命周期管理；通过Agent智能应用的敏捷构建与弹性运行。型向风控、投研等核心业务领域拓展，实现业务价值升级。（二）夯实信息基础设施对底座层建设提出全新挑战，主要体现在以下四个关键领域：人工智能服务器性能升级TFLOPS(FP1610-20GBHBM对人工智能服务器性能需求呈现数量级提升：算力需求激增10HM2B。AI破单机性能瓶颈。构建更高算力密度的超节点已成为行业趋势，典型代表包括中科曙光scaleX640与华为384超节点等解决方案。当前人工智能应用范式已由单一大模型应用向着多专家模高带宽网络架构重构MOE10-25Gbps200Gbps多样化存储系统演进业内部知识管理和RAG同时，为更好地服务终端用户，大模型应用需要更大的KVCacheAIHBMKVCacheHBMKVCache存储空间。一体化集群运维体系AIAI一是全栈监控二是端到端检查三是智能诊断AIAI（三）建设基础数据平台键问题，为上层模型和应用提供高质量数据供给。数据治理30以上。60数据隐私保护AES-256RBAC异构数据管理ETLAIOCR数据资产化运营务价值与团队绩效直接挂钩，激发数据要素价值释放。数据安全保障SSL/TLS数据安全风险处置能力。（四）打造大模型矩阵能力1.模型算法分类传统模型CNN+LSTM+CTCGMM+HMM、LSTM等算法，应用于语音助手、命令识别等场景。文本转语音（TTS）：LSTM、WaveNetShapeGPUShapeSize）和输入分辨率，FP16/FP32LSTM多层双向动态LSTM优化。大模型方面大模型（或称为基础模型）的核心特征是海量参数、预训练+微调范式以及强大的泛化与涌现能力。参数量通常在十亿到万基于Transformer大语言模型（LLM）及多模态大模型正朝着参数规模更大、400token一ReasoningAgentAgentAgent三是效率与性能的算力支撑，并需解决专家负载均衡、通信延迟等工程挑战。2.模型应用路径传统模型路径PD/LGD可解释与合规迭代：对外部供应商模型引入MRM同等标准（可解释与人类监督闭环，满足监管留痕要求。引入方式：闭源API/（如知识问答、助理类），在边界外包的同时加强提示词与结果不确定性管理。开源/自建模型：私有化接入，用于多条线业务升级。行业自研专用模型：对高专业任务构建领域模型（如BloombergGPT50B）NLP（LoRA/LoRA+等）可在冻结底座参数下以极少参数实现接近全参的效果，显著降低显存与成本。二次预训练（Continual/DAPT/TAPT）：对公私域金融语料SFT工程化落地：RAG从低风险研究辅助类应用逐步向高风险业务延伸闭环，先使用闭源/开源大模型进行研究与助理类低经评测达标后再进入信用选型与推进建议建立场景分层机制，按照低风险“效率提升”→中风险“专家辅助”→高风险“人机协同决策”路径逐步提升自动化等级，并设置强制人工复核点。LoRADAPTMRMVeritasJPM（五）建设人工智能体平台AIAI1图1金融行业人工智能体系架构算力管理平台算力管理平台通过整合分散物理资源实现训练与推理资源AI等服务。其架构基于分层解耦理念科学划分为三层：供给基础。APIAPI高阶服务层集成支持训推共池的Kubernetes容器服务，通过Pod弹性调度策略实现资源秒级分配。高性能存储服务采用NVMeSSD+分布式文件系统架构，充分满足大规模数据读写需求，支撑高效模型训练与推理。数据工程平台大核心组件。90°/180°评估引擎采用“规则校验+模型评分”双轨制模式，一方面供量化依据。低质量与敏感数据，三级进行数据标准化。CSV/JSONAI模型工程平台过抽象底层GPUCPUPyTorch、TensorFlow、MindSpore现性。智能体（Agent）平台AgentAgent规划引擎负责利用大型语言模型和其他人工智能技术来设Agent工具引擎负责标准化工具/APIAgentAPI制等，扩展智能体的实际应用边界。升其执行任务的性能、准确性及泛化能力。（六）构建应用安全体系基础设施安全MaaS（和实时模型与算法安全治理涵盖通用模型算法安全和生成式人工智能模型算法安全两个维度。通用模型算法安全主要通过多种技术手段增强模型的鲁棒性和泛化能力。在鲁棒性方面，可以采用对抗训练、数据增强、正则化、集成学习等技术提升模型抗干扰能力。在泛化性方面，通过扩大数据集规模、增加数据样本多样性、优化模型结构等方法，确保模型在未知数据上的稳定表现。AI数据治理与安全通用基础数包括数据分类分级、大模型数据专项安全针对大人工智能应用安全人工智能技术在金融领域的广泛应用极大地改变了金融服应用开发者和使用者需要AIAI监管合规层面，AI生态协同层面AI三、应用场景与实施效果（一）金融领域大模型应用场景价值度评估当前最适合全行业普及推广的场景主要有62个，金融行业高价值场景，涵盖金融服务各核心环节，如图2所示。图2金融行业高价值场景（二）实现大模型场景价值的两种路径据模型评估与威胁研究（METR）等研究机构披露的信息，以DeepSeek为代表的通用认知大模型在复杂问题的解决能力上遵循摩尔定律，比如每隔7个月大模型能解决问题的复杂度翻一3图3大模型在复杂问题解决能力遵循摩尔定律在原有的应用或业务流程中嵌入大模型实现单个或数个子节点4图4问答助手场景成效任务自动化模式：Agent5图5Agent带来交互方式的根本性变革（三）人工智能应用典型案例AI6。图6国有大行AI应用典型案例国有大行基于大模型的场景实践已初见成效交通银行人工智能应用实践交通银行高度重视人工智能技术发展和应用，在“十四五”（2025—20271+1+N”三维一体的人工AIGPUAIAI1”AIAIAIAI400AI2500工商银行人工智能应用实践工商银行体系化推动大模型企业级技术能力建设，按照“三1+X7。图7工商银行“工银智涌”生态体系区域性银行更关注场景的价值呈现与全国性大型银行相比，区域性银行的科技资源相对有限，8图8区域性银行人工智能金融应用（四）人工智能应用场景效果客服领域：大模型提升交互效率和客户满意度TOPNTOPN9图9智能客服服务效果提升效果示意图实施效果及优势：一是大模型能力意图识别效果相较传统NLP模型提升30以免合规风险。四是低算力成本，支持大小模型结合，单卡302010。图10智能客服在复杂意识提升效果示意图客服领域：大模型打造千人千面精准营销，提质增效客服领域是金融服务价值落地的关键触点，大模型的加入正APP11、12图11大模型在客服领域运营成效及方法策略图12大模型在客服领域运营成效大幅提高风控领域：大模型精准高效识别信贷风险时长从5分钟压缩至2分钟材料审核准确率提升10训练数13图13人工智能在信贷领域成效示意图（五）人工智能应用场景未来规划利用人工智能技术人工智能应用场景未来总体目标是以人工智能为新质生产四、组织保障与生态协同（一）加强组织保障建立高效协同机制场景与技术的协同，合理运用人工智能技术YourAlgorithm）机制，结合业务场景、风险特征、算法特点，的同时，可有效降低成本。业务与科技的协同，实现应用创新的敏捷迭代组织与技术的协同，构建人机相适的新型组织模式AI培养复合型人才复合型人才作为连接人工智能技术与金融业务应用的关键遵循监管合规与风险管理（二）构建协同生态人工智能技术的发展正以前所未有的态势重塑传统金融生人工智能技术在金融行业的生态合作呈现出多元且深入的产学研协同积极推动产学研用的深度协同，形成了以技术创新为驱动、一是组织开展产学研对接活动二是实施校企合作科技创新资金，三是支持校企联合开展核心技术攻关高校和科研机构具有强大的科研实力和人才资源，能够为金开放平台合作金融科技企业通过搭建开放平台，吸引第三方开发者加入，共同构建生态系统。这种模式能够激发创新活力，扩大市场影响构可以开放API标准共建地推进。跨界合作与协同创新五、发展趋势