（责任编辑：张晓波 ） 今日截至10点09，科创人工智能ETF华夏（589010）上涨1.45%，盘面呈现"V"形走势，盘初跳空高 开，最大涨幅曾一度接近2%，随后冲高回落，当前再度拉升，向上动力充沛。持仓股方面，成分股全 线飘红，30只成分股中有26只上涨，合合信息领涨6.40%，海天瑞声、石头科技、亚信安全、福昕软件 涨幅超4%。流动性方面，盘中成交金额超5400万元，换手18.4%，较上个交易日同期显著放量，资金或 可顺势增配。 【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容 的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱： news_center@staff.hexun.com 消息方面，据2025云栖大会上消息，工商银行已具备同业规模最大AI算力云，并接入通义千问等 多个大模型。据工商银行总行金融科技部副总经理透露，基于领先的AI算力和大模型，工商银行打 造"工银智涌"大模型技术体系，形成了以智能体为核心的"1+X"大模型应用范式。目前，在20多个业务 领域、400多个场景实现端到端赋能，打造了上千 ...

工商银行宣布新增超100个应用场景，建设银行、中国银行、中信银行纷纷宣布截至6月末落地AI（人 工智能）应用的场景已上百个…… 仅仅半年，AI应用在银行业遍地开花。 根据上市银行2025年半年报，42家A股上市银行中，约九成银行披露了其AI技术应用及落地成效。 8月26日，国务院印发《关于深入实施"人工智能+"行动的意见》提出，要在软件、信息、金融、商务、 法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。到2027年，新一代智能终 端、智能体等应用普及率超70%；到2030年，该指标要超90%。 金融行业数字化程度较高，在本轮"人工智能+"浪潮中，以商业银行为代表的金融机构走在了浪尖潮 头。 腾讯金融研究院发布的《2025金融业大模型应用报告》显示，2025年上半年，基于全网公开披露信息统 计的大模型相关中标项目共79个，覆盖银行、证券、保险、信托与资管。其中，银行业中标项目44个， 占比过半。 近日，在一场媒体交流会上，腾讯云副总裁胡利明用"百花齐放"形容金融机构在AI技术应用方面的探 索。"DeepSeek开源之后，基础模型能力走进了千家万户，大、中、小型金融机构都在基础模型上以较 低 ...

人工智能与金融业深度融合 - 工商银行在网点应用具身智能机器人"工小京"提供导引服务并讲解自研千亿级金融大模型"工银智涌" 该模型已赋能20余个主要业务领域和300余个场景 [1] - 中信银行推出"养老计算器"通过输入年龄和月收入等基本信息提供个性化投资建议 AR眼镜帮助老年客户操作复杂金融产品 [1] - 北京银行智能交互数字机器人根据观众提问偏好推荐个性化金融服务方案 银联通过大模型与支付服务结合实现AI咨询一键下单支付 [1] 跨境支付创新解决方案 - 中国银行等公司联合推出"幂方卡"实现支付、通信、交通功能三合一 方便外籍来华人员使用 [2] - 随行付支付有限公司联合万事达卡推出聚合二维码 支持非接触支付或手机扫码支付 [2] - 腾讯探索微信支付"外卡内绑"和"外包内用"等服务 解决境外来华人士支付痛点 [2] 金融支持科技创新发展 - 浦发银行打造"股、债、贷、保、租、孵、撮、联"综合服务模式 为科技企业提供全生命周期支持 [3] - 中国人寿发展首台套重大技术装备保险和首批次新材料保险 旗下资产公司设立50亿元"中国人寿-北京科创股权投资计划" [3] - 中国银行推进人工智能1万亿元专项支持计划 形成"算力贷"和"产投贷"等信贷矩阵 授信客户覆盖度大幅提升 [3] 数智化驱动金融精准服务 - 通过追溯企业生产碳足迹为绿色信贷提供精准依据 对产业链中小企业进行大数据分析提供快速精准支持 [4] - 数智驱动让科技、绿色、普惠、养老、数字金融更加精准高效 助力金融服务实体经济与民生改善 [4] 金融五篇大文章贷款数据 - 中国人民银行数据显示截至6月末金融五篇大文章相关领域贷款增量占比约七成 各领域贷款同比增速均高于全部贷款增速 [5]

奖项荣誉 - 工商银行第九次荣获《财资》杂志"中国最佳私人银行"大奖 该奖项旨在表彰亚太地区财富管理和私人银行领域的杰出金融机构[1][9] 经营理念与服务团队 - 公司秉承"诚信相守 稳健相传"经营理念 聚焦国家所需 金融所能 客户所盼 工行所长[4] - 全面整合集团资源 组建近万人的专业服务团队 持续引领国内私人银行业务发展[4] 财富管理服务 - 构建买方需求导向的服务模式 持续迭代"君子智投"智慧配置工具 已生成超120万份专业配置报告[5] - 完善全集团配置 全市场遴选的产品体系 建立开放式产品生态 匹配客户多元化需求[5] 家业服务体系 - 推出"工银传诚家"服务体系 形成家财 家企 家人 家风四大服务维度[6] - 提供五大专业服务包括君子承家 君子固家 君子悦家 君子安家 君子善家 覆盖财富管理 企业股权治理 家族治理等领域[6] - 构建多元协作生态 已签约信托 保险 法税 养老等合作伙伴超100家[6] - 运用"工银智涌"企业级金融大模型 提供个性化家业服务方案[6] 企业家服务 - 打造"企业家伙伴银行"生态 举办近4000场"兴企万里行"区域企业参访活动[7] - 为超6万名企业家搭建交流平台 建设超3600家"企业家加油站"[7] - 组织企业家到知名学府研学 提供学习新知识 观摩新技术的平台[7] 公益慈善服务 - 推进"君子伙伴 与爱同行"公益项目 为四川省定点帮扶学校提供热水器 暖心被等物资[8] - 惠及近五万名学生 助力科教兴国 乡村振兴 教育公平等重点领域[8] - 探索"金融+慈善"服务新范式 引导财富向善[8]

银行业AI布局概况 - 农业银行于8月25日发布企业微信AI质检能力建设项目招标公告 成为银行业AI积极布局的缩影[1] - 最近7天内共有6家银行发布涉及AI算力建设及大模型研发的招标信息[1] - 国有六大行2024年金融科技投入总额达1254.59亿元 同比增长2.15%[6] 银行AI部署策略差异 - 国有大行偏向基础性应用 如基建搭建和上层通用服务 工行推出"工银智涌"推动大小模型协同[5] - 股份制银行注重规模化建设 招商银行部署超120个大模型应用 中信银行"中信大脑"落地超1600个场景[5] - 城商行与农商行侧重场景创新 上海银行推出AI手机银行 重庆农商行"AI小渝"应用于多元场景[5] - 区域经济、行内文化和历史数字化投入规模导致同规模城商行AI战略存在显著差异[5] AI应用领域现状 - 31%的银行客服中心与远程银行已完成大模型部署[6] - 通用领域应用成熟 包括传统客服、知识检索和代码编写等方面[7] - 业务深水区渗透率偏低 营销、风控及客户经理销售等关键领域应用较少[7] - 银行零售业务涵盖10多个主要场景 细分情形累计达上百种 需要AI智能体逐一突破[8] 技术发展挑战与趋势 - 面临三大核心挑战：技术成熟度制约、专业要求挑战和成本因素考量[8] - 金融科技公司从通用大模型向专业/专用模型演进 大模型推理能力成为核心场景应用关键[8] - 金融垂类大模型目前处于技术驱动为主导阶段 未来将转向市场需求主导[10] - 业务侧提出更高要求：响应速度、零失误和严格合规等刚性指标倒逼技术迭代[10] 行业协同发展态势 - 技术推动认知与业务定义精度形成双向作用 推高AI在金融领域的天花板[11] - AI从辅助性工具逐渐转变为业务创新的核心驱动力[6] - 金融机构关注AI提升客户体验、优化业务流程、降低运营成本及增强风控能力的共性目标[6]

银行业AI转型趋势 - 2024年被称为大模型应用元年 银行业从数字银行转向AI银行 [1][4] - 银行AI战略基础包括生成式大模型（快思考）和推理模型（慢思考） 并涵盖代码大模型、多模态大模型和智能体 [3] - 国有六大行2024年金融科技投入达1254.59亿元 较2023年1228.22亿元增长2.15% [11] 银行具体应用案例 - 中信银行融合决策AI"中信大脑"与生成式AI"仓颉大模型" 建成三位一体AI赋能体系 [5] - 光大银行布局决策式模型+生成式模型综合应用的智能解决方案 [5] - 招商银行"招小财"AI助手响应准确率达95% 资本管理领域应用"智本GPT" [8] - 邮储银行大模型实现数据标准项智能推荐 推荐正确率超80% 单条审核时间由分钟降至秒级 [14] - 邮储银行在数据安全分类分级场景中 分类准确率和分级准确率约85%和95% [14] - 兴业银行推出"兴小二"债券交易机器人 通过算法和因子挖掘提升交易效率 [8] 国有银行AI智能体进展 - 农业银行开发"模速贷评分卡"智能体 30秒一键生成上市公司信贷报告 [6] - 工商银行建设智能体工厂 打造数据洞察智能体和财富助手智能体 [6] - 建设银行推出AI小诸葛智能体 辅助客户经理营销服务 [6] - 邮储银行网络运维智能体告警排查自动化率超87.5% 效率提升90% [6] 技术应用规模与人才建设 - 工商银行"工银智涌"大模型赋能20余个业务领域200余个场景 累计调用量超10亿次 [11] - 建设银行金融大模型赋能193个应用场景 [11] - 招商银行全行大模型应用场景超120个 [11] - 工商银行金融科技人员3.6万人占全行员工8.6% [12] - 交通银行金融科技人员9041人较上年末增长15.70% 占员工总数9.44% [12] - 中国银行科技条线员工14940人占4.78% [12] - 建设银行金融科技类人员16365人占4.34% [12] 发展挑战与未来方向 - 金融大模型准确率仅95% AI仍存在幻觉问题 [22] - 多数银行聚焦非核心业务场景如数据分析、智能问答 仅少数在信贷风控等核心业务落地金融Agent [19] - 需要设置防护栏和可观测机制 限制AI Agent行为范围并实时监控 [22] - 2025年预计成为金融服务业AI应用迅猛发展的黄金时期 [23]

大模型技术成为银行业核心驱动力 - 大模型技术正成为银行业变革与创新的核心驱动力，推动银行拓展业务边界、提升服务效能与风险管理水平 [2] 工商银行大模型应用成果 - 工商银行发布企业级千亿参数金融大模型技术体系"工银智涌"，截至2025年二季度累计调用量突破10亿次，深度赋能公司金融、个人信贷、财富管理等20余类核心业务，覆盖200余个实际应用场景 [3] - 与2024年相比，应用场景数量同比增长67%，调用频次提升120% [3] - 向30余家中小银行开放API接口，技术辐射范围覆盖长三角、珠三角等主要经济圈 [3] - 在外汇交易领域决策响应速度提升80%，交易执行效率提高3倍，2025年上半年相关业务收益同比增长15%，操作风险发生率下降62% [3] 农业银行大模型部署与应用 - 农业银行顺利完成DeepSeek全系列大模型内部部署并稳定运行，为业务智能化升级奠定基础 [5] - 该模型在办公流程优化、营销方式革新等业务环节发挥关键作用，推动业务模式创新和服务效率提升 [5] 华夏银行大模型应用成效 - 华夏银行为全体员工配备智能问答、辅助报告生成及邮箱助手等基础服务，大幅缩短报告撰写时间，提升沟通效率 [6] - 外呼客户购买意向分析功能助力精准营销，营销转化率提升约30% [7] - 智能客服语义理解能力提升，咨询解决率从70%提升至85%，客户满意度从80%提高到90%以上 [7] 江苏银行大模型应用场景 - 江苏银行将DeepSeek应用于智能合同质检和自动化估值对账场景，合同质检准确率提升，有效防范合同风险 [7] - 自动化估值对账场景实现全链路自动化，识别成功率超90%，每天减少9.68小时工作量 [7] 北京银行大模型研发与平台建设 - 北京银行自主研发百亿级参数"京智"大模型，构建"京智大脑"人工智能平台，整合大语言模型和自动化技术打造京骑智能体平台 [7] 重庆银行大模型应用规划 - 重庆银行利用DeepSeek大模型深度解析智能客服知识库，提升语义理解、逻辑推理和多轮对话能力 [8] - 2025年计划以人工智能中台服务体系建设为契机，打造更多营销、风控及内部管理智能体，从单一智能客服场景向多业务场景拓展 [8] 上海银行大模型协同体系与应用 - 上海银行构建"大模型+微模型"协同体系，大模型处理复杂任务与跨领域知识整合，微模型聚焦细分场景如反欺诈（识别率超80%）和人脸识别（误识率低于0.01%） [9] - 大模型深度嵌入风险评估、反欺诈和信贷审批流程，知识检索效率提升60%，准确率提升80%，智能客服接通率从86%提升至95% [9] - 累计部署超400名数字员工，覆盖营销、运营等场景，并构建全链条智能体开发平台，支持千亿级大模型训练与推理 [9] 银行业大模型应用整体影响 - 众多银行在大模型应用上的积极探索提升了业务效率与服务质量，为行业数字化转型提供宝贵经验 [10]

人工智能与金融融合的核心观点 - 人工智能正以前所未有的广度与深度融入金融业各个环节，朝着专精、敏捷、可信的方向持续进化，成为服务实体经济高质量发展的重要力量 [1] - 人工智能对金融业的赋能不仅是效率提升，更是一场关于理念重构、范式转变、生态再造的变革 [1] - 监管有力度、市场有信心、技术有抓手，"AI+金融"的崭新时代正在加速开启 [1] 技术发展与应用 - 2023年中国科技公司密集推出逾130款国产大模型，参数规模普遍达到百亿甚至千亿级别，具备跨任务、多模态的泛化能力 [2] - 场景大模型成为AI赋能金融的关键路径，中国工商银行"工银智涌"企业级千亿级金融大模型已在200余个核心业务场景实现规模化赋能，新技术应用覆盖的场景工作量相当于超过4万人年的投入 [3] - 未来"AI+金融"将遵循"通用大模型+场景大模型"融合架构发展，前者提供认知底座，后者针对具体业务场景进行深度训练 [14] 数字化转型与效能提升 - AI深度嵌入金融机构后台流程，推动业务无人化运行，显著降低人力成本并提升时效性 [6] - AI在前台服务中实现千人千策的个性化推荐，成为普惠金融的重要推手 [6] - AI构建起事前识别、事中监控、事后审计的安全闭环，显著提升风险防控能力 [7] 政策与监管环境 - 2022年《金融科技发展规划(2022-2025年)》明确将人工智能作为数字金融发展的基础支撑 [9] - 监管沙盒机制为AI场景应用提供安全可控的测试环境，中国香港、新加坡等国际金融中心的经验表明该机制有助于实现包容审慎的监管原则 [10] - 监管科技(RegTech)通过引入AI、大数据分析和实时监控工具，更精准高效地识别异常交易、模型滥用等问题 [10] 资本市场参与 - AI金融科技企业成为创投机构追逐的热点，注册制改革背景下超过90%的新上市科创企业曾获创投基金支持 [11] - 截至2024年底，交易所市场已累计发行科创公司债券达1.2万亿元，年度发行量同比增长64%，其中大量资金流向人工智能等前沿领域 [11] 未来发展趋势 - 生成式AI可为金融业带来约3万亿元人民币的商业价值增量，大模型有望每年为全球金融体系创造2500亿~4100亿美元新增价值 [12] - 未来"AI+金融"将沿着场景主导、人机协作、生态共建三大路径发展 [12] - 金融机构将建立专属的AI操作手册和培训机制，实现人机智能协同 [15] - "AI+金融"生态将由金融机构、科技企业、高校智库、政策部门共同构建，形成技术共研、模型共训、资源共享的新范式 [15]

AI在金融行业的应用现状 - 2025年被视为AI技术普及与行业融合的关键节点，金融业正经历AI技术带来的深刻变局 [1][2] - 头部银行已大规模应用AI技术，如工行"工银智涌"赋能20余个业务领域、200余个场景，累计调用量超10亿次，建行金融大模型赋能193个应用场景，招行应用场景超120个 [1] - 国有六大行2024年金融科技投入合计达1254.59亿元，同比增长约2% [3] - 当前AI应用主要集中在反诈、反洗钱、风险防控、RPA等领域，但尚未进入银行业务"主战场" [2][4] 金融机构的差异化发展 - 头部银行与中小银行在AI应用上存在显著差距，大行已进入多点开花的应用试验阶段，而中小银行仍处于算力储备的初级阶段 [2] - 部分中小银行IT投入有限，主要集中在GPU资源采购等基础设施层面 [2] - 行业专家预计AI应用爆发拐点可能在三年内出现，大行形成突破后将带动区域银行全面跟进 [2] 金融科技服务商的业务表现 - 神州信息2024年金融软服业务在国有大行收入同比增长18.80%，签约总金额同比增长5.69% [4] - 2025年一季度金融行业签约总额9.90亿元（同比增长9.26%），其中软服签约7.97亿元（同比增长11.6%） [4] - 金融科技企业正帮助银行解决AI应用中的数据积累、安全和使用价值等问题 [4] 行业挑战与发展趋势 - AI大模型的"幻觉"现象给银行业务应用带来难度，金融领域业务纵深复杂，难以通过简单方案实现 [4] - 银行IT投入增速持续放缓，2024年近半数国有大行和股份制银行科技投入下降，行业更关注AI技术"投入产出比" [5] - 降本增效成为行业核心需求，金融科技企业将"提效"作为AI战略重要方向 [5][6] 金融科技企业的战略转型 - 行业竞争范式将从技术竞争转向业绩融合能力竞争，需结合技术与业务理解 [6] - 国内金融科技企业加速出海布局，神州信息在新加坡设立全球总部，在吉隆坡建立海外支持团队 [6] - 已与汇丰集团合作，并中标Singapore Gulf Bank、Goldman MFB等海外银行核心项目 [6] - 对比国际竞争对手，需补足本地化监管和衍生品业务等技能缺位 [7]

银行大模型应用升级 - 工商银行发布企业级千亿金融大模型"工银智涌"，累计调用量超10亿次，赋能20多类业务、200余个场景，较2024年应用场景数量和调用量显著提升，并向中小银行输出技术能力 [2] - 农业银行推进"AI+"全面建设，完成DeepSeek全系列大模型部署，在智慧办公、智慧营销等领域深入应用，较2024年应用领域拓展 [2] - 江苏银行将DeepSeek应用于智能合同质检和自动化估值对账场景，利用DeepSeek-VL2模型提升合同质检准确率，实现从无到有的突破 [3] - 北京银行发布自主研发的百亿级参数"京智"大模型，构建"京智大脑"人工智能平台，并通过整合大语言模型和自动化技术构建京骑智能体平台 [3] - 重庆银行利用Deepseek大模型提升智能客服能力，计划打造更多营销、风控以及内部管理智能体，较2024年从单一场景向多业务场景拓展 [3] 上海银行AI原生大模型创新 - 上海银行灰度发布基于鸿蒙系统的新手机银行，客户可直接诉说诉求而非选择菜单功能，通过客户诉求收集丰富产品服务 [4] - AI原生手机银行采用自然语言理解和多模态交互技术，实现"对话即服务"，用户通过语音或文字指令即可完成账户查询、转账汇款等操作 [5] - 数字员工"海小慧"通过语音识别适配大字版界面，为老年客户提供"陪伴式服务"，老年客户占比近30% [7] - 构建"大模型+微模型"协同体系，大模型提供通用智能能力，微模型聚焦细分场景，如反欺诈微模型识别率超80%，人脸微模型误识率低于0.01% [8] - 大模型深度嵌入风险评估和信贷审批流程，反欺诈识别率超80%，知识检索效率提升60%，准确率提升80%，智能客服接通率从86%提升至95% [10] 技术架构与场景融合 - 上海银行大模型突破传统"功能嫁接"模式，从底层架构到交互界面全面重构，实现"服务找人" [5] - 通过NPS模型分析用户对话满意度，自动调整推荐策略，相比其他银行只能推荐单一产品 [11] - 整合蚂蚁数科等技术生态，构建全链条智能体开发平台，支持多云、多芯异构算力调度，千卡云算力集群支持千亿级大模型训练 [14] - 新一代智能柜员机融合ASR、VPR、NLP技术，可通过手势识别和情绪感知理解用户意图，实现静默服务触发 [15] - 实现跨渠道数据融合，整合线上线下交互数据构建360°用户视图，优化推荐策略 [14] 行业对比与优势 - 上海银行与招商银行的智能客服可识别"我要给XXX转账"指令并生成转账服务，而平安银行无法识别 [6] - 在理财推荐方面，上海银行大模型结合实时市场数据、用户持仓及风险偏好生成个性化产品列表，其他银行仅推荐理财排行榜产品 [5] - 上海银行数字人融入问候语等人性化服务，是其他银行暂时无法提供的 [7] - 在信贷审批场景中，上海银行整合"收入稳定性"、"负债比例"等标签生成"还款能力指数"数据 [13] - 上海银行是首家通过DCMM四级认证的城商行，实现动态行为捕捉和跨渠道数据融合 [14]