深度报告-2025-12-20-麦肯锡-2025全球银行业年度报告_精准为王_银行业竞争新法则_58页_25mb

> **来源：[研报客](https://pc.yanbaoke.cn)** 2025全球银行业年度报告 # 精准为王：银行业竞争新法则 银行须为下一轮增长曲线做好准备。《2025全球银行业年度报告》指出，精准聚焦的战略是推动银行持续增长的关键。 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 (1) $\overrightarrow{AB} = \overrightarrow{a},\overrightarrow{AC} = \overrightarrow{b},\overrightarrow{AD} = \overrightarrow{c}$ 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 1. 实验原理及实验方法 ${12}/{14}$ 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 2019年1月24日，公司发布《关于使用部分闲置募集资金进行现金管理的公告》（公告编号：2019-036）。 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 1. 实验原理 # 目录 中文版序言 2 概要 4 # 第一章 巅峰之后，拐点之前 6 # 第二章 智能体时代：机遇与颠覆并存 26 # 第三章 交互新规：适应现代银行客户 40 联系方式 52 # 中文版序言 # 精准经营，驱动银行业高质量发展新未来 2024年，全球银行业实现利润约1.2万亿美元，刷新了历史纪录。但在同时，全球银行业CEO和银行业投资者更为关心的问题不是庆祝这个历史性的时刻，而是银行这个传统行业在当前全球宏观局势、客户需求和技术变革不断演进的背景下，如何应对挑战，建立起能够穿越未来经济周期的商业模式和竞争力。“精准经营”是领先银行正在践行、也高度受到市场认可的制胜之道，也是2025年麦肯锡全球银行业报告的标志性主题。 谈到“精准经营”，对于当前的中国银行业可能更为重要。过去五年，中国银行业正面临需求增长放缓，息差水平走低和风险成本提升三大压力的挑战。好银行和一般银行的差距正在进一步拉大，截至2025年11月，中国A股上市银行中最出色的银行的市净率是平均水平的1.64倍，是最低水平的3.22倍，且这种分化在国有银行、股份制银行、城商行和农商行都日益显著。若要在当前的经营环境下成为高质量发展的好银行，通过客户定位的精准化、经营模式的精准化、风控模式的精准化、技术应用的精准化、资源投入的精准化提升银行的经营质量，构建核心竞争力非常关键。 结合麦肯锡在全球和中国服务领先银行的经验，我们对中国银行业的CEO有以下六点“精准经营”建议： # - 精准客群经营：从传统宽泛的客群经营，向精准客群需求驱动的经营模式转型 以公司银行为例，除了传统的客户分层（战略、规上、中小、小微企业）和客户性质分类（国企、民企、科创等）以外，真正落实行业专业化经营，将行业专业化融入公司业务的获客模式、产品服务体系、授信政策和审批团队、甚至专业服务团队。 以零售银行为例，除了传统的客户分层（私行、财富、大众财富、长尾），高度关注特异性较高的重点高价值客群的经营模式差异化，比如女性客群、95后年轻客群、企业主客群等。让客群导向的服务模式不止停留在产品命名和营销内容上，而是融入客户经营的体系化模式当中。此外，我们也注意到全球银行正在依托人工智能技术突破针对零售客户的“一人一策”经营模式。 # - 精准产品服务：从求全求繁的产品服务体系，向更为匹配客户高敏感需求的精准产品创新和包装转型 繁复求全一直是中国银行业产品服务体系的经营之道。这种经营理念一方面不一定能满足当前客户的需求，另一方面也极大增加了银行的经营复杂度和运营成本。我们注意到围绕客户高敏感需求的产品服务、标签式的差异化产品特色，具有高客户流量和高客户转介的拳头产品和服务反而更容易帮助银行打开市场，兑现获客和赢得客户心智。 # - 精准技术投入：从跟随大流广泛分散投入技术，向以创造核心业务价值为目标的精准技术投入转型 生成式AI和智能体为代表的新一轮人工智能革命对于银行业具有重大价值。但FOMO（错失恐惧症）驱动的跟风投入和撒胡椒面式的分散投入带来的价值将非常有限。我们观察到全球AI应用领先的银行更关注能给一整个业务领域带来降本增效的高价值场景，而非来自组织自下而上的点状需求；更关注能给业务带来核心竞争力的高价值场景，比如依托AI的新一代客户交互模式，比如利用AI加强在风险管理和反欺诈上的核心能力。同时，全球和中国的领先银行也都纷纷注意到组织和流程的变革管理与人工智能技术应用需要双管齐下同步进行，才能真正捕捉技术应用的业务价值。 # - 精准风险管理：从一刀切、事后导向的风险管理向精准化、前瞻性的风险管理体系转型 风险管理就是竞争力，低息差和风险成本累积的经营环境对银行风险管理体系的要求日益提高。我们观察到领先银行正在通过行业研究驱动的公司业务风控政策和审批体系模式建设，数据分析和人工智能驱动的零售/小微信贷反欺诈体系建设、存量贷款预警和清收体系建设构建起更为精准化、前瞻性的风险管理体系。 # - 精准人才管理：从传统人才战略管理向关键岗位驱动的精准人才管理体系转型 麦肯锡注意到，中国银行业正普遍面临关键管理人才断层和前线优质客户经理来源断流的问题。传统的人才管理模式已经无法满足未来竞争对人才数量和密度的需要。通过制定与战略解码高度匹配的关键岗位驱动的人才战略，并匹配相配套的关键岗位选用育留酬机制，能够帮助银行在人才争夺战中占得先机，夯实关键能力。 # - 精准资源配置和成本管理：从线性、分散的资源投入和成本管理向战略驱动、精准的资源配置和成本管理转型 麦肯锡注意到，虽然竞争环境、行业机遇和行业格局今非昔比，但是大多数中国银行业的资源配置和成本压降措施仍然在遵循原先线性和分散的老路，从而带来战略重点与资源配置错配的问题，制约了银行的发展。在十五五，哪些银行能在一定程度上打破路径依赖，围绕全行精细化的经营重点（如客群、产品、分行）更为有力地优化资源配置，将有更大可能成功转型。 综上所述，“精准经营”能力是全球银行业CEO和银行业投资者关注的核心竞争力。而“精准经营”对于当前的中国银行业可能更为重要，是帮助银行穿越经济周期的关键利器。 # 周宁人 麦肯锡全球资深董事合伙人 # 马奔 麦肯锡全球董事合伙人 # 概要 2024年，全球银行业实现利润约1.2万亿美元，刷新了所有行业的历史纪录。但资本市场并不买账：银行板块估值仍较其他行业平均水平折价近 $70\%$ 其因何在？市场普遍质疑此轮高速增长的可持续性，认为更多是顺周期带来的短期高点。宏观因素更加复杂：利率回落、技术与客户行为加速转变，以及金融科技、私募信贷和财富管理机构持续蚕食高回报业务。这些力量的交织，或使许多地区的银行股本回报率(ROE)跌破股东最低回报要求。 要在这一新时代脱颖而出，银行亟需新的应对之道，传统的宏观聚焦与规模护城河已不是有效屏障。“精准化”将成为区分先行者与滞后者的关键要素，并将重塑行业的绩效曲线。 本报告提出了一套适用于不同体量银行的“精准化工具箱”，可从四大维度重构银行战略： - 技术聚焦：面对包括智能体和生成式AI在内的新技术，需聚焦能真正改善流程、客户交互或商业模式的环节，而非盲目跟随。 - 新消费人群：从宽泛的传统客群划分，转向“一人一策”，基于数据，提供极致个性化的产品和服务，在忠诚度衰减的时代赢取信任。 - 资本效率：摒弃粗放式资本配置，转向细致入微的资产负债表管理，从单个产品、单个客户到单笔风险加权资产，精准撬动沉淀资本，投入高回报业务。 - 精准并购：不再为规模而并购，围绕特定微市场或关键能力开展精准收购，实现优势补位。 精准，而非规模，才是新的平衡杠杆。在AI时代，即便体量较小的银行，通过在各战略环节嵌入精准化能力，仍可获取超额回报。 本报告将系统剖析精准化工具箱的四大要素，并深入解读AI与新一代消费者对行业的影响。 AI（尤其是智能体）为银行业带来巨大机遇，先行者有望建立长久优势。但目前仍处早期阶段，银行必须以镭射般的精度识别能带来切实收益的场景，而非出于“恐失良机”的从众心态盲目烧钱。 随着AI全面落地，部分环节的成本可削减高达70%。但由于技术投入同步上升，最终净降本幅度约为15%至20%。节约固然可喜，但难以固化。正如历次技术浪潮，竞争会吞噬超额利润，大部分收益最终会让渡给客户。 长期来看，AI可能重塑银行盈利模式：当智能体成为个人财务常规助手（例如自动挪转存款以获得更高利率），客户惰性将被颠覆，行业经济学随之重写。在存款和信用卡贷款等业务上，影响尤为明显。 第三方智能体的威胁亦不容小觑。若银行未能及时调整商业模式，未来十年全球银行利润池恐缩减1700亿美元，降幅约 $9\%$ ；平均有形股本回报率（ROTE）将下降1至2个百分点，使许多银行跌破股东要求的最低回报。 但银行所受影响并不均等。AI先行者可凭借领先优势重塑商业模式和捕获价值，将有形股本回报率提升最多4个百分点。反之，行动迟缓者可能面临长期利润侵蚀。 赢得消费者同样至关重要。AI改写了客户与银行的交互方式，提升了对全渠道无缝衔接和极致个性化体验的期待，尤其是对于年轻客群。 当下消费者数字依赖更强、忠诚度更低，选择金融服务商时更为慎重。在美国，新开活期账户的客户中，仅4%会不加比较直接选择原有银行，远低于2018年的25%。而能率先进入消费者“初始考虑集”的银行，胜出概率更高。 AI与移动端是这场变革的两大驱动力。多数消费者已在使用生成式AI，并期待银行提供同类体验；移动端也已成为最主要的服务渠道。那些能将AI洞察与移动优先的个性化体验相结合，并在数字便捷性中融入人工触点的银行，将定义新一代的客户交互范式。 要在未来胜出，银行必须赢得消费者心智，将移动端作为核心入口，并在竞争对手前抢先一步，将AI深度嵌入端到端的客户旅程。 对于长期依赖传统路径和规模逻辑的银行而言，转向精准化并非易事；但果断行动的先行者有望获得超额回报。在AI赋能的精准化时代，领导力不再源于体量，而来自聚焦与取舍。 # 巅峰之后, # 拐点之前 若只看近年裁员新闻或对经济放缓的担忧，人们或许会误以为银行业表现乏善可陈；事实恰恰相反，银行业正在悄然刷新一项又一项纪录。 2024年，全球银行业中介资金规模增至426万亿美元，接近全球名义GDP的四倍，创历史新高。剔除风险成本后，银行总营收达到5.5万亿美元，同样创纪录；若聚焦“贷款、存款、资产管理”这一核心业务，营收规模也达到4.1万亿美元，刷新历史。受益于创纪录的资金余额 1 与利率上升，这一数据相对于名义GDP的比值亦升至历史最高水平。资本充足率 2 也攀升至 $13.0\%$ 。 2024年，全球银行业实现净利润1.2万亿美元 3 ，优于任何其他行业；股东回报率达到 $10.3\%$ 为20年新高，但仍仅略高于股东的最低回报要求。 从数据来看，本该让人信心倍增，然而自2003年以来，资本市场对银行业的价值创造能力始终持保留态度，认为其不及其他行业。背后原因在于：尽管业绩斐然，银行仍未构建能够穿越未来下行周期的商业模式。宏观环境变化、竞争加剧，尤其是AI技术进步，正对盈利能力形成深刻侵蚀，行业基本面正在悄然重写。 银行近期的优异表现得益于多重利好：全球财富周期见顶、高利率推高利润率、风险成本保持低位。但这些顺风因素正逐渐消散。要抓住下一轮增长曲线，银行必须摒弃惯性思维，构建能够在更严苛环境中持续创造价值的精准化策略。经历近几年的巅峰后，行业可能面临均值回归：增长放缓，盈利承压。 当然，未来走势仍取决于宏观、技术及监管方向。例如，美国若放松监管，短期内或给予行业提振；然而长期压力已清晰可辨。 推动均值回归的力量，不仅来自利率和人口结构变化等宏观因素，也源于AI带来的结构性冲击、金融科技及非银机构竞争升级，以及客户期望的持续变迁。银行必须运用精准化工具箱，借助AI与数据分析探索全新策略，构建目标明确的价值创造路径。泛泛而谈的数字化改造或效率提升等传统手段已不足够，精准化将成为下一阶段的制胜关键。 那么，精准化究竟是什么？它不同于一刀切的宽泛策略，也有别于粗粒度的定制化，例如仅将客户划分为若干大类并相应调整产品。精准化意味着“数据驱动、目标明确、高度细分、实时响应”，帮助银行将资源集中投向最能创造价值的领域。即便只比竞争对手领先半步，也足以触发“增长-再投资-更大增长”的良性循环，逐步拉开差距。 银行应在四个关键维度部署精准化工具箱： - 技术聚焦：由泛化的数字化转向镭射式的AI应用，以释放生产率并提升客户粘性。精准化要求将投资聚焦于能发挥最大成效的技术（尤其是AI），同时果断收缩或终止目标模糊的项目，并有选择地改造核心系统。尽管银行的科技投入位居各行业前列，但生产效率改善并不突出 5 。面对AI热潮，必须以精准为先，将投资导向经验证的价值创造路径。通过聚焦零接触运营、实时风险监控、智能体优先客服等已验证价值的应用场景，可避免遍地开花式的盲目投入。 - 新消费人群：从宽泛客群划分转向极致个性化与千人千面服务。传统上，银行将客户分为大众与富裕等大类，并提供近似的解决方案；精准化则依托数据与AI，实现“一人一策”，在产品、条款、服务、风险管理上度身定制，打造无缝体验，在忠诚度滑坡的时代重建信任。 - 资本效率：由粗放式再配置转向逐线逐项的精细管控。历史上，银行通过大规模资本重配、选择性调整资产负债表、采用宏观战术手段等，来优化资本效率；精准化则要求逐笔审查资本配置，逐产品、逐客户，挖掘每一分钱的潜力，将资本投向更高回报的去处。智能体可持续优化风险加权资产，模拟不同场景并识别低效项；通过与保险公司、私募信贷机构合作，或有针对性地拓展非银业务产品，亦可提高资本使用效率。 - 精准并购：由追逐规模转向补齐短板。过去，银行多以大规模并购扩张体量，效果参差不齐。 - 精准化并购要求以严谨的交易填补特定能力缺口，包括技术、专业服务或区域布局，并根据当地市场特性，量身定制整合与协同方案。 本章将进一步分析行业趋势，阐述精准化工具箱如何助力银行在新环境中持续成长。第二章将探讨AI如何赋予银行更高维度的精准化能力；第三章聚焦客户忠诚度下滑背景下，精准服务新一代消费者所蕴藏的制胜关键。 # 纪录频传 2024年，银行业继续强劲前行。即便是资深行业观察者，恐怕也会对这一年刷新纪录的频率感到惊讶。 # 银行体系超速扩张 在评估银行绩效前，不妨先审视全球银行体系的整体格局，其核心使命是将资金从供给端引向需求端，尽管体系中也涵盖非银机构，但传统银行仍承担着大部分资金中介职责。 近年来，流经银行体系的资金规模的扩张速度显著跑赢宏观经济。2019年至2024年间，全球银行体系中介资金规模6年均增长7.0%，显著高于全球GDP同期4.8%的年均增速。这一趋势由多重因素共同推动：利率维持高位；疫情时期的政策刺激与消费模式变化提升了储蓄水平；以及投资活跃导致更多资本在银行与资管体系中流动，推升了中介资金总量。同期，金融机构管理的零售资金年均增长6.0%，机构资金年均增长7.7%（图1）。其中，私募资本增速尤为突出，年均达17.2%，凸显其在全球市场的影响力正快速上升 7 。 图1 # 全球银行体系中介资金规模大幅增长 传统银行与非银机构中介资金规模 注：因四舍五入，各项之和可能不等于总计。 1包括公共养老金基金、主权财富基金及其他另类资产（如对冲基金、房地产基金）。 2包括私人债务和私募股权。 3包括银行债券及其他权益、企业存款、企业投资、捐赠基金、基金会等。 4包括保险与养老金持有资产、共同基金、零售存款，以及家庭持有的证券和衍生品。 资料来源：S&P Capital IQ；标普全球市场财智(访问时间：2025年9月)；麦肯锡Panorama-Global Banking Pools McKinsey & Company 作为中介资金的子项，全球家庭与机构财富持续增长，成为推动银行业收入扩张的关键引擎。过去5年，全球财富规模占名义GDP的比重突破 $350\%$ 。作为财富组成部分的个人金融资产8，亦呈现类似轨迹（图2）。这些趋势表明，财富正从传统实体经济资产重新配置到金融工具之上，凸显金融在全球经济中的影响力不断强化。 尽管各地表现不一，但财富与金融资产相对名义GDP的高位趋势在全球普遍存在。非洲尤其突出，相关指标已达2000年以来的最高水平。 不过，全球财富或许已来到拐点附近。未来数十年的人口结构变化可能产生深远影响：人口老龄化与出生率下滑将减少新增储蓄者与投资者 9 。与此同时，财富正加速代际转移，更多女性与年轻人开始寻求财富管理服务 10 。许多金融机构在应对这类财富传承时准备不足，尤其是针对非超高净值人群。这一缺口可能导致传统银行市场份额流失：因为更年轻、更多元化的客户倾向于选择更贴合需求、更易获取的财务方案。与此同时，中介资金结构正在演变，资金正从银行流向私人资本、私募股权乃至加密货币等另类资产，反映出市场对高风险高回报的偏好上升。例如，1981-2012年出生的人群中约半数曾投资加密货币 11 。面对这些变化，银行需精准调整战略与风险管理，才能持续满足客户需求。更为复杂的是，麦肯锡全球研究院于2025年10月发布的报告指出，全球财富增长出现与生产增长脱钩的迹象，更多依赖债务与资产价格上涨支撑。这引发了一个关键问题：当前的财富水平相对于实际经济产出是否具备可持续性 12 。 图2 # 全球金融财富占GDP比重处于历史高位 全球总财富与名义GDP对比（2000-2024年1，%） 2024年数据为估算值。 2包括企业存款、机构管理资产及私人资本。 3包括保险与养老金持有资产、零售存款及投资、以及家庭持有的证券和衍生品。 资料来源：S&P Capital IQ；标普全球市场财智(访问时间：2025年9月)；麦肯锡Panorama-Global Banking Pools McKinsey & Company # 收入增长 在创纪录的资金余额与有利的利润率周期共同作用下，2024年全球银行业营收创历史新高，增速亦显著跑赢GDP（图3）。各地区资产余额均创新高，拉丁美洲与亚洲（不含中国）的收入利润率分别达到自2009年与2015年以来的最高水平。 图3 # 高资金余额与强劲利润率推动银行营收增长 全球银行业营收、余额与利润率，% 营收1占名义GDP比重 1银行营收处于20年来的最强水平，目前占全球GDP的 $3.6\%$ 1扣除风险成本后。 2包括管理资产、存款及贷款。 3估算值。 资料来源：麦肯锡Panorama-GlobalBankingPools 2该趋势的驱动因素之一是银行余额高企，约达GDP的 $340\%$ 余额2占名义GDP比重 营收与余额的比值 3与此同时，随着利润率改善，银行每1美元余额创造的收益有所提升 # 盈利与可分配资本 2001年至2024年间，全球银行业净利润年均增长 $5\%$ ，并在2024年达到约1.2万亿美元的纪录高点。更值得关注的是，行业的年均可分配资本增长近两倍 13 ，从2001-2020年的约2900亿美元上升至2021-2024年的约8400亿美元。过去四年，银行业累计创造了约3.36万亿美元的可分配资本，规模可观（图4） 14 。 图4 2019-2024年银行业创造约3.36万亿美元可分配资本 1净利润减去一级资本最低要求的变动额。数据已根据银行会计年度惯例进行调整，以反映资本计算时间。 2估算值。 资料来源：S&P Capital IQ；标普全球市场财智；麦肯锡Panorama；麦肯锡Value Intelligence McKinsey & Company 银行在2021-2024年间创造的可分配资本（亦称股权自由现金流）远超其他行业的总和（图5）。其中相当部分回馈给了股东，同时也使银行积累了前所未有的储备，为未来投资与并购提供充足弹药。 2003-2020年(18年) 2021-2024年(4年) 图5 2021-2024年银行业在资本盈余方面领跑所有行业 各行业现金流总额(万亿美元) 1房地产行业因收入不足以抵销沉重的借贷成本与持续再投资支出，呈现负现金流。 2为进行不同行业间比较，此处采用未调整数据。 资料来源：S&P Capital IQ; 麦肯锡Value Intelligence McKinsey & Company # 持续上扬，还是均值回归？ 过去三年银行业表现强劲，但问题在于，它们是否把握住了这波行情，将意外之财沉淀为面向未来的商业模式？从资本市场的反馈来看，真正迈出实质性变革步伐的银行并不多。 传统的宽泛策略已难奏效。行业每年在技术上投入约6000亿美元15，但生产率并未持续改善16。粗放的客户分层多数只换来同质化的产品；追求规模的盲目并购、好大喜功的惯性思维，也未能带来预期效果。多数银行未能推动有意义的资本再配置，也未对分销体系和客户关系模型进行深层调整，更缺乏能在金融变局中开辟增长曲线的突破性创新。 当然，也存在更乐观的路径：如果AI带来生产率跃升，监管进一步松动，或出现其他利好，行业或能延续强劲增长。 但更可能的情形是，利润与收入将进入平台期，这一判断也呼应了资本市场的定价。 # 市场视角：创纪录的估值鸿沟 尽管业绩屡创新高，银行业与其他行业的估值差距依然显著(图6)。截至2025年6月，我们估算全球银行业的市净率(P/B)约为1.0，显著低于其他行业均值。即便今年部分地区（尤其是欧洲）行业板块表现亮眼，这道鸿沟依旧存在。各行业平均市净率为3.0，这意味着银行业较平均水平折价约 $67\%$ ，且这一差距逐年拉大。尽管存在区域差异，例如2024年拉丁美洲差距缩窄至不足 $30\%$ 。但整体来看，市净率回升并未实质性弥合估值缺口。 图6 # 银行业估值水平持续落后于其他行业 银行业市与其他行业的净率与市盈率对比 1平均值，剔除异常值与市净率为负的企业。基于约1.5万家上市公司数据。 2基于2025年上半年已披露财报的企业数据。 资料来源：S&P Capital IQ；标普全球市场财智(访问时间：2025年9月)；麦肯锡Panorama-Global Banking Pools 2025年各行业市净率² 2024年 市盈率 科技、媒体与电信 5.5 33.9 商业服务 4.9 37.9 制药与医疗产品 3.9 56.2 消费品 3.8 24.8 工业 3.8 33.8 非存款金融机构 3.4 23.5 医疗 3.2 32.3 旅游、物流与基础设施 2.4 16.5 能源 1.7 15.3 保险 1.7 13.3 材料 1.6 22.9 综合企业 1.6 13.7 房地产 1.2 33.7 银行业 1.0 8.4 McKinsey & Company 同样，2024年银行业的市盈率（P/E）为8.4，较其他行业也有约 $70\%$ 的折价。即便业绩处于高位，估值低迷背后折射的，是市场对未来创新能力与适应力的深切疑虑（详见边栏“分析师对银行业短期前景的研判”）。 # 分析师对银行业短期前景的研判 今年，我们首次邀请银行分析师参与观点征询。他们普遍认为，2025年存在两种可能走势，关键取决于美国市场：要么延续强劲态势，要么如我们预测的“最可能情景”那样回归均值。未来数月将是走向分化的关键窗口期。长期来看，在利率回落、关税和税制变化以及竞争加剧等宏观因素影响下，利润空间收窄几乎不可避免。 一位分析师指出，银行估值长期偏低，与行业竞争高度激烈有关：金融科技、特色银行、科技巨头纷纷入局争夺市场份额。AI、数字平台等技术的快速渗透正在重塑行业，这对传统银行提出了更高的创新与投资要求（详见第二章）。 另一位分析师提到，值得庆幸的是，投资者对“效率比率”的执念有所弱化，这给了银行更多资源聚焦收入增长，为未来布局提供了腾挪空间。同时，银行期待监管趋于稳定，过去几年，它们将大量科技预算用作了合规支出。 规模固然重要，但若缺乏战略聚焦，规模也未必能转化为持久回报。第三位分析师强调：银行应优先打造独特能力与产品，以差异化带动有效扩张。这对投资能力不及大型银行的中型银行尤为关键。 为何出现这种脱节？投资者普遍认为，银行创纪录的业绩主要受临时性因素支撑，包括利率相对偏高、财富周期处于高点、营收利润率异常走强、风险成本处于历史低位等，而非源自可持续的价值创造。同时，金融科技、支付公司、私募信贷、财富管理机构等非银主体正快速切入利润最丰厚的业务领域，侵蚀本属于银行的利润池。若无这些搅动者，2024年银行利润本可能更高。 以英国为例，2024年，新兴数字银行、数字信贷机构和零售支付类金融科技企业合计贡献了约 $7\% \sim 8\%$ 的银行业总营收，这一占比在五年内增长了两倍。金融科技公司在信用卡支付与无抵押贷款领域尤其强势，分别占据约 $17\%$ 和 $14\%$ 的收入份额。 市场是否已将现实充分反映在估值中？一种可能性是，“利率长期高企”的情形尚未被完全计入。但如果银行不对核心商业模式进行重大调整，其盈利能力仍将受到侵蚀，因为面对预期的利润率收缩，银行很难通过降本迅速弥补损失（图7）。2021至2024年，银行业股本回报率从 $9.0\%$ 上升至 $10.3\%$ ，其中约2.5个百分点来自异常强劲的利润率。展望未来，随着利率回归常态、竞争加剧、透明度提升，预计到2030年利润率将收窄2~3个百分点，风险成本亦可能回升。即便持续推进效率改进，大概也只能回补0.5~1.0个百分点，不足以对冲下行压力。因此，即便保持约 $1\%$ 的历史成本资产比降幅，到2030年，预计行业股本回报率仍将滑落至约 $7.3\% \sim 9.2\%$ 。 图7 # 利润率下降等多重因素将削弱银行盈利能力 (%) 各指标对2021-2024年股本回报率的影响 $(\%)$ 各指标对2024-2030年股本回报率的预期影响 注：2030年预测基于权益资产比与2024年持平、资本结构保持稳定的假设。股本回报率的预测下降主要归因于利润率走低和风险上升，但被成本资产比的改善部分抵消。 McKinsey & Company 在收入下行周期，提升生产率是当务之急，人工智能或许能带来转机。为了维持当前的有形股本回报率，银行需要以约两倍于收入降幅的速度削减成本（图8）。原因在于：当营收基数缩小时，每损失一美元收入，都需要同等规模的成本节省来填补；而这一美元在更小的基数上所占的权重更大。按此计算，未来6年的成本削减速度需达到过去5年水平的4倍。然而，在2019-2024年间，只有约 $19\%$ 的银行实现了如此大幅的成本缩减。若只维持当前的成本资产比下降节奏，与将其提升三倍之间，成本收入比将出现高达8个百分点的差距。 图8 # 仅靠降本难以维持银行业盈利水平 营收利润率预期收窄下的成本资产比削减情景 维持当前有形股本回报率所需的营收与成本资产比² (%) 要维持当前有形股本回报率水平，银行削减成本的速度需达到营收下滑速度的约2倍。 成本资产比 $(\%)$ 这意味着未来6年的降本速度需达到过去5年的4倍； 2019-2024年仅约19%的银行实现这一成本降幅 1净利息收入加上手续费及佣金收入，除以存量资产余额。2指全球银行平均水平。 McKinsey & Company # 重塑行业格局的力量 银行正面临多重变革：宏观环境不断演进，以人工智能与稳定币为代表的技术高速更迭，客户行为悄然重塑，以及竞争格局持续加剧。这些力量可能压缩行业利润，但也蕴藏着创新突破、打造差异化优势、开辟新增长路径的契机。 宏观环境。银行面临利率下行、地缘政治动荡、风险成本难以预测三重挑战。2024年末利率进入平台期，削弱了利润率上行的动力，经营压力上升。 与此同时，受地缘冲突、政策调整、贸易摩擦等因素驱动，2024年至2025年上半年市场波动加大，带动企业与投行业务的市场收入上行，尤其是销售与交易表现亮眼。 全球贸易环境深受关税争端影响 17 。关税攀升会推高企业与消费者成本，压制贷款需求并影响信贷质量。在银行业，美国上调关税与政治紧张已促使更多欧洲企业将业务从华尔街回流本土银行，侵蚀了美国银行在海外的主导地位 18 。 技术革新（以AI为核心）。AI智能体或将颠覆银行业的运作逻辑（详见第二章）。除帮助金融机构提升效率外，AI创新的下一波浪潮已露端倪：万事达(Mastercard)、PayPal、Visa等支付企业相继宣布推出“智能体电商”，即按客户指令自主选购并完成支付的AI智能体 19 。2025年10月，Visa推出“可信智能体协议”(Trusted Agent Protocol)：使线上商户能够安全识别并处理经验证的购物智能体发起的订单，不再一概视为机器人予以拦截 20 。 理论上，这类智能体未来或能自动将存款配置到收益最高的账户，客户只需对最后一步操作进行授权即可；它们也可通过合并债务、提供零费余额转移或用闲置现金偿还贷款等方式，优化客户负债结构，减少高成本借款。此类模式一旦普及，银行的盈利模式将被根本性改写。 稳定币。金融科技演进的另一个重要面向是稳定币，即与美元等稳定资产挂钩的数字货币。稳定币正通过全天候、近乎即时、透明的全球转账，重塑资本市场交易的资金流动与结算机制。尤其在跨境支付领域，更快的结算与更低的交易成本有望消除传统银行模式中的诸多低效环节。 # 稳定币正通过全天候、近乎即时、透明的全球转账，重塑资本市场交易的资金流动与结算机制。 对银行而言，这一趋势意义深远：支付业务可能被颠覆，而支付约占银行业收入池的 $40\%^{21}$ ，且据估算占银行客户活动的 $90\%^{22}$ 。目前稳定币交易量尚不足全球日均资金流的 $1\%$ ，但其高速增长意味着十年内有望超越传统支付 23 。随着采用率上升，银行若不主动整合相关技术，将面临被边缘化的风险。 金融基础设施(含核心系统)。银行能否落实精准化战略，将愈发取决于其金融基础设施的完善程度。它既可能成为增长引擎，也可能构成结构性掣肘。精准化战略落地与AI整合，既依赖内部核心银行系统，也倚重外部支付通道、数字资产结算层与数据中心的协同。传统核心系统的复杂性往往成为创新的障碍。应对方案之一是“核心轻量化”：构建灵活开放的模块化生态系统，加速新功能与服务的迭代。传统核心不仅成本高、灵活性差，也难以整合AI或提供实时服务；云原生与模块化核心系统正在兴起，但普及程度仍不均衡。与此同时，稳定币平台、科技巨头支付网络等非银行基础设施提供商正积极创新，加速嵌入AI与智能体电商功能。 其他创新与趋势。新兴力量正在重新定义银行业边界，迫使传统机构加速转型以保持竞争力。巴西的Pix系统等实时支付网络正加速推进数字转账，替代现金流通[24]；在印度等新兴市场，移动支付与移动优先银行模式正大幅提升普惠金融覆盖。嵌入式金融正将银行服务融入非银行客户旅程，使金融产品突破银行原有边界，嵌入各类平台与应用[25]；AI也在加速金融咨询服务的数字化与普惠化进程。 消费者。客户行为的改变进一步提升行业复杂性(详见第三章)。尤其是年轻群体，更偏好数字化、忠诚度较低，更期待无缝且高度个性化的体验。“大众”与“富裕”等传统分层正失去意义，客户碎片化为无数微型群体。银行要保持竞争力，必须提供极致个性化的产品与服务，并打造贯通式的客户体验。 竞争加剧。金融科技公司与科技巨头正在重塑游戏规则，聚焦价值密集、利润丰厚的业务池（如支付与消费贷），通过改进信贷风控引擎、运用非传统客户数据等方式构建差异化优势，并借助简洁易用的数字化方案推动财富管理普惠化。尽管整体市占率不高，但它们对银行利润的侵蚀已然显现；Nubank、Revolut、Stripe等企业已在高价值业务领域取得突破，收入增速普遍领先传统银行。 非银机构的盈利能力往往也高于传统银行。例如，支付公司代表了金融服务中利润潜力最高的商业模式，尽管该领域内部业绩差异亦最为显著(图9)。受此影响，银行应当做的并非全面重塑商业模式，而是更精准地配置资本，在拥有比较优势的领域集中投入。 图9 # 金融行业不同商业模式的盈利能力差异显著 $\bullet$ 底部 $10 \%$ $\odot$ 中间 $80 \%$ 顶部 $10 \%$ 2024年全球金融服务企业平均股本回报率 $(\%)$ 资料来源：S&P Capital IQ；标普全球市场财智(访问时间：2025年9月)；麦肯锡Value Intelligenc McKinsey & Company 除上述这些重塑行业的关键力量外，区域差异与监管环境的影响同样不容忽视（详见边栏“地域与监管对银行业的影响”）。 # 地域与监管对行业的影响 银行业的收入构成不仅受GDP等宏观变量驱动，也深受客户行为、监管政策等本土因素影响。尽管这些因素未必能左右行业格局，却能够勾勒出影响银行表现的更细腻、更全面的变量图景。 从扣除风险成本后的银行收入占名义GDP比重来看（图1），地方因素同样影响深刻。以巴西和加拿大为例，二者该比率均处于高位，但逻辑迥异。加拿大作为全球规模领先的银行市场之一，金融深度高（存款、贷款与管理资产占名义GDP比重突出），整体利润率可观，风险水平较低。而在巴西，高利润率与偏重消费金融的业务结构，是推动该比率高企的核心原因。 图1 # 银行业收入规模受本地因素影响显著 银行业营收与名义GDP的比值，% 部分国家银行收入构成 $(\%)$ 注：本图所示疆界及名称不代表麦肯锡公司的官方立场。因四舍五入，百分比之和可能存在细微误差。扣除风险成本后，以下市场数据采用区域平均值：伯利兹、贝宁、文莱、布基纳法索、喀麦隆、中非共和国、乍得、古巴、塞浦路斯、刚果民主共和国、东帝汶、赤道几内亚、厄立特里亚、福克兰群岛、斐济、法属圭亚那、冈比亚、格陵兰、几内亚、几内亚比绍、伊朗、科索沃、利比亚、马里、毛里塔尼亚、缅甸、尼日尔、朝鲜、巴布亚新几内亚、刚果共和国、俄罗斯、圣多美和普林西比、塞内加尔、塞拉利昂、神马索、南苏丹、苏丹、苏里南、斯瓦尔巴群岛、瓦努阿图、也门和津巴布韦。*资料来源：S&P Capital IQ；标普全球市场财智（访问时间：2025年9月）；麦肯锡Panorama-Global Banking Pools McKinsey & Company # 监管、风险与合规 监管环境同样深刻影响着银行的经营轨迹。自2010年以来，银行承受的合规成本持续攀升，反欺诈要求不断加强，监管审查更趋严苛；与此同时，数字欧元计划等新动向又平添了制度复杂性。近期，围绕放松监管的讨论在全球范围内升温，监管风向正悄然变化。 监管框架一旦趋稳或适度放松，银行将有余力重新审视更广泛的相关方管理策略，在回应社会对透明度、道德行为与社会责任更高期待的同时，聚焦自身在经济体系中的核心定位。金融机构也可抓住窗口期，优化风险管理战略与方法，在保持合规的基础上提前布局未来监管重点，包括科技风险管控与强化反洗钱体系。尤其在美国，未来数年有望成为风险与控制自评等关键合规活动的现代化、自动化转型窗口期。 # 破局：以精准战略驱动盈利增长 银行业的价值创造正日益向头部机构集中。尽管近年行业整体财务表现亮眼，但根据2024年数据测算，全球仅15%的上市银行实现了真正意义的价值创造，较2023年仅小幅提升1个百分点。能够脱颖而出的机构，靠的往往不是堆预算，而是善用精准化策略，包括精细入微的资本投放手法。 何谓“价值创造型银行”？我们认为需同时满足两个条件：市净率大于1，反映投资者相信其能实现高于股东最低要求的回报；市盈率大于13，意味着其增长性或盈利能力优于同行[26]。在全球所有行业的上市公司中，约54%能达到这一门槛。 银行如何跻身价值创造梯队？正如《2024全球银行业年度报告》所指出 27 ，地理位置是关键变量。约三分之一的价值创造型银行分布于“高吸引力市场”，如澳大利亚、加拿大、印度。这些市场信贷需求旺盛、人口结构有利、经济增长稳健，自然助推利润率走高。但即便身处此类市场，唯有依靠差异化竞争力才能真正站稳脚跟。与此同时，战略性结构调整与执行能力同样重要，尤其在资本效率、并购整合、AI赋能及赢得新型消费者信任这四大领域的精准发力，往往能带来决定性的一跃。 本章将深入探讨资本效率与并购两大主题；下一章聚焦AI，第三章关注新消费人群。 # 精准配置，让每一分资本创造价值 过去，银行的资本策略往往更倾向于大开大合：在业务线之间进行大规模重配，或雄心勃勃地拓展至非银行业务。这类做法，无论是全面削减信贷额度，还是大幅调整资产负债表结构，都可能伤及客户关系，错失优质回报。 当前金融环境下，精准化已成为高效资本管理的底层逻辑。《巴塞尔协议IV》监管框架 28 落地后，资本管理的重要性显著提升。然而，该框架在不同地区的执行力度差异较大，形成了不对称竞争环境，银行需要做到精准合规、灵活应对。银行需要细致入微地评估资本配置：从单一产品、单一客户，甚至单一账户逐项优化，让资本流向风险调整后回报最佳的领域，并从表现乏力的板块快速撤离。 # 精准的资本配置能力让银行能够按业务条线逐笔调配资金，实现股本回报率最大化。跨界布局则有助于构建针对性强的轻资本收入流。 这一新方法将资本效率拆解为两大互补杠杆。其一，精准的资本配置能力让银行能够按业务条线逐笔调配资金，实现股本回报率最大化。领先银行正以精细化视角审视风险加权资产：在风险调整后回报不及预期的领域释放冗余资本，再将其配置到效益更高的业务板块。例如，摩根士丹利通过拓展财富管理业务，摆脱了对机构证券业务的高度依赖，包括收购E*Trade与EatonVance等，构建起了多元且更具稳定性的收入结构29。 其次，跨界布局有助于构建针对性强的轻资本收入流，并深化客户关系。对银行而言，找到无需占用大量资本的收入来源至关重要。跨界服务恰好契合这一需求：既能打造轻量化收入结构、增强客户黏性，又能帮助银行建立差异化竞争优势。 资本优化：银行应摒弃一刀切的通用做法，转向逐项精细化配置。借助AI自动化信贷流程、提升数据准确性，这一过程将能显著提速增效。 以下工具可助力企业实现精准化资本管理： - 先进资本配置模型。随着内部评级模型的广泛应用，银行能更精准地衡量风险与资本需求，设定更贴合实际风险的要求，并将释放的资本投入更具价值的用途。 - 轻资本发起模式。银行日益青睐于“低资本、高收益”的交易与产品，这一转变既能扩大业务空间，又不会牺牲稳定性。例如与私人投资者合作，将新增贷款置于银行资产负债表之外。 - 风险转移机制。私人投资者对信用风险敞口兴趣渐浓，打开了新的风险转移通道，可有效提升投资组合的资本效率。通过与保险公司、私募信贷基金及机构投资者协作，将部分风险迁移至表外，可在不影响客户关系的前提下增强资本效率。近期公开案例包括荷兰商业银行 (ING) 与 RiverRock European Capital Partners 的合作，以及法国兴业银行 (Société Générale) 与 Brookfield 的合作。 - 地域差异化调整。《巴塞尔协议IV》在不同司法辖区执行力度不尽相同，银行必须因地制宜调整策略。面对差异化监管，全球银行需对资本配置与结构进行“本地化微调”，以精准应对各辖区监管要求。 - 科技赋能优化。AI与数据分析正在成为信贷流程的核心引擎。借助自动化审批和精准风险评估，银行可逐行优化资本使用。AI驱动的自动化不仅可提升风险建模的复杂度与效率，还能加速新模型落地。 跨界业务。过去，银行在非银行业务探索中往往采取较为宽泛的策略，例如搭建电商平台或家庭生态方案，试图覆盖所有客户群体。这类探索对市场地位稳固的银行行之有效，例如哈萨克斯坦的卡斯皮银行（Kaspi Bank），其超级应用覆盖了本国75%人口，集成了金融、政务、支付、电商等多元服务 30 。 但在新时代，这类业务同样需要对症下药，主要体现在两个层面： - 精准识别客户需求、提供定制解决方案。银行不必执着于构建大而全的生态，而是可针对细分客群打造场景化产品。例如，为年轻且富裕的公寓业主提供房贷与智能家居或维修服务的组合套餐。 - 合理设定业务野心。卡斯皮银行凭借强势地位成功构建了综合性电商平台，但在竞争激烈的市场，深耕利基领域往往比广撒网效果更好。 # 精准并购，从规模扩张到能力补强 传统银行业的并购多以大型、耀眼的交易示人，但往往难以兑现预期的协同效应。相比之下，精准并购强调通过交易直接填补战略缺口、获取特定能力或切入目标客群，规模大小并非关键。领先银行正沿此路径前行，例如通过收购来补强AI模型资源或拓展特定客户渠道。 2025年上半年，全球金融服务并购总额较去年同期大幅上升，但交易数量仅小幅增长，反弹主要由高价值、战略性交易驱动。我们预计，银行业并购仍将加速，且更偏向围绕客群、技术、数据、地域布局等具体缺口展开，而非为扩张而扩张。 能力导向型并购。银行可通过收购获取AI工具、数据资产与目标客群等差异化优势，并借助早期系统化整合快速落地。可行路径是围绕清晰运营模式开展程序化、能力导向的交易；相反，为规模而规模，或进行分散精力的整合，往往事倍功半。 市场聚焦型并购。另一种切入方式是在风险与回报平衡、且与战略契合的重点市场落子。相比盲目追求规模，精挑细选更能凸显价值。在欧洲，银行业跨境整合预计将进一步提速，政策制定者与业界领袖普遍认为，唯有如此方能锻造真正具备全球竞争力的欧洲银行31。 精准并购的回报已有清晰范例。新加坡星展银行(DBS Bank)通过在财富管理领域的针对性收购，显著提升了竞争力；匈牙利OTP银行集团(OTP Bank Group)则把握时机、布局不同风险收益水平的市场（从稳健的欧元区市场斯洛文尼亚，到高速增长的乌兹别克斯坦等），成为欧洲增长与股本回报率齐头并进的表率。同时，加拿大皇家银行(Royal Bank of Canada)收购汇丰加拿大业务，不仅实现业内领先的成本协同，也在商业银行板块显著受益。 # AI对银行与客户的影响 人工智能正成为撬动银行生产率的最强杠杆，也为流程设计与规模化带来了前所未有的精细度。但要真正释放这股力量，银行必须主动更新运营方式，从最立竿见影的领域入手 32 。 与此同时，AI不仅在重塑银行内部的运行逻辑（详见第二章），也在改写消费者购买与使用金融产品的路径（详见第三章）。 AI对银行业的影响深浅，将主要取决于两个关键维度：其一，银行能在多大程度上引入智能体，从而大幅降低运营成本；其二，消费者愿意在何种程度上将个人财务托付给AI管理。基于这两条轴线，我们构建了9种可能出现的行业情景（图10）。在概率为 $30\%$ 的中心情景中，AI将同时深刻重塑银行运营体系与消费者行为模式。 其他情景的可能性相对较低。例如在情景C3中，消费者将完全授权AI智能体执行财务决策，银行也会大幅减少人工岗位。但这一走势倚赖两项中期内难以满足的前提：监管允许智能体代表客户自主执行交易，以及AI能够复制高管级的判断力。但正如前文所述，即便监管最终将确认权牢牢保留在客户手中，智能体无法完全自主，行业格局仍可能出现剧烈震荡，这一点已经清晰体现在了中心情景中。 # AI对银行业的影响深浅，将主要取决于两个关键维度：其一，银行能在多大程度上引入智能体；其二，消费者愿意在何种程度上将个人财务托付给AI管理。 图10 # AI有望重塑银行职能与消费者行为 不同情景的预计发生概率 $(\%)$ 资料来源：麦肯锡分析；专家访谈 McKinsey & Company 银行业创纪录的业绩背后，压力正在悄然积聚：利润空间回归常态，竞争对手不断蚕食，客户体验逻辑快速重写。未来数年将成为行业的分水岭，领先者将通过重构商业模式、加码技术投入、将AI深度嵌入业务核心而强势破局；行动迟缓者则可能在转型浪潮中渐失竞争力。下一章将深入探讨中心情景下的行业演化路径，并解析AI如何重构银行运作：先行者将收获可观红利，落后者则可能长期陷入盈利能力下滑的泥沼。 # 智能体时代: # 机遇与颠覆 # 并存 智能体标志着真正意义上的范式跃迁，并有望成为区分领先者与落后者的关键分水线。对领军银行而言，智能体是重塑工作流程与商业模式的平台；行动迟缓的机构可能在竞争中被迅速边缘化。 从基于规则的简单自动化，到机器学习，再到生成式AI驱动的聊天机器人与智能助手，如今智能体代表着AI发展的新台阶。依托专用大型语言模型（LLM），智能体能够实现高度自主，并在必要时主动征询人类意见，模仿行为逻辑，处理非结构化数据，协同执行端到端流程，逐步形成本地化的独立判断，并与各类工具进行交互。 大型企业正持续加码AI投入。亚马逊预计2025年资本支出将突破千亿美元，并侧重于AI能力建设 33 ；摩根大通(JPMorgan Chase)的年度技术预算（包括AI）将高达180亿美元 34 ，目前该公司正通过智能体执行复杂的多步骤任务，为新时代奠定基础 35 。 然而，资本热潮和技术布局并不必然转化为颠覆性成果。银行管理层必须审慎判断：智能体究竟是推动突破性创新的引擎，还是一个虽具价值但适用范围有限的工具？为此，我们开展了针对性研究，涵盖行业趋势、客户经验，并与全球专家深度交流，包括银行高管、数字先锋企业高管、风险投资人、学者及前监管人士。其中既有倾力拥抱AI的信徒，亦有审慎观望的怀疑者，更多人站在中间地带。基于分析，我们得出以下判断： - 技术前景坚实：我们相信AI的底层技术终将兑现承诺，带来高度贴合银行业诉求的新能力。 - 智能体有望从根本上重塑银行业，且未必令行业整体受益。它将带来前所未有的效率提升与新增客户价值，但若银行未果断调整，传统利润池恐遭侵蚀。 - 即便AI能显著提升生产率，为行业节省7000至8000亿美元成本（占总成本的 $15\%$ 至 $20\%$ ），这部分收益也可能在竞争中被迫让渡给客户。 - 与此同时，客户对智能体的使用将大幅冲击价值池。若银行固守既有商业模式，在我们的最可能情景中，全球利润池将整体收缩1700亿美元（降幅 $9\%$ ），有形股本回报率平均下滑1至2个百分点 36 ，足以令行业平均回报跌破股东最低回报要求。 - 影响并不均衡。先行者凭借更早收获生产率红利，并持续投入创新模式，可望获得高达4个百分点的回报优势，并大幅拓充市场份额；反之，行动迟缓者将背负缺乏竞争力的成本结构，逐渐丧失市场地位。 - 颠覆何时到来尚不确定。但我们预计未来3~5年内，将出现突破性的智能体商业模式，成为行业变革的拐点。 - 利用AI创造价值并非易事，但成功机构已提供范式：需围绕战略、人才、技术、数据与风险管理等维度，推动全域重构。 - 金融机构必须大幅提速。无论战略选择如何，管理团队都需深入审视AI可能对商业模式带来的冲击。 # AI为何成为银行业的颠覆性力量？ 生成式AI工具的演进，叠加规划、记忆、流程编排及系统集成能力的跃升，共同催生了新一代智能体系统。这类系统无需持续的人类指令，即可自主执行多步骤流程。 与传统AI主要聚焦结构化、规则化、重复性任务不同，智能体能够分析非结构化数据、识别潜在模式，从而完成复杂文档整合、实现大规模个性化，并对沟通场景与行为语义作出更深层理解。它能通过更快、更低成本的工程方式重塑软件系统开发与维护，加速产品迭代、降低部署成本，并提供更贴合业务场景的解决方案。智能体还可拓宽数字旅程的“顺畅路径（happy path）”，摆脱以往对规则化流程的依赖，减少人工介入。 技术发展的过程不会一路高歌。2025年，由于新模型仅带来渐进式提升，质疑声音再度浮现 37 ：至少短期内，AI是否已从跃迁式发展步入收益递减阶段？ 尽管如此，AI仍是银行业真正的颠覆力量。仅在今年，追踪金融服务AI应用的Evident平台就记录了全球50家大型银行公开的超过160项AI应用案例 38 。其中不乏深层变革的早期迹象：一家美国银行利用智能体重构信贷风险备忘流程，生产率提升20%至60%，审批周期缩短30%；印度一家领先的数字化银行将催收电话监控覆盖率从2%至4%跃升至100%；欧洲某头部银行借助生成式AI驱动的个性化营销，将点击率提升逾两倍；美国某独立投行依托生成式AI知识管理平台，提升了初级与资深银行工作者在交易与并购执行各环节的效率。 与此同时，金融服务领域与生成式AI相关的知识产权申请量激增，占全部AI类专利的比例从2018年的 $35\%$ 上升至 $60\%$ [39]。 在不远的将来，我们或将见证新型人机协作模式：一名员工管理约20至30个自主运行的AI智能体，执行复杂的端到端工作流。早期实践已展现巨大潜力，智能体可实现零接触运营，减少 $30\%$ 至 $50\%$ 的人工工作量。随着组织内的智能体库规模扩大，这一影响将持续放大。 为跟上节奏，多数高管计划加大投入。麦肯锡近期调研显示， $37\%$ 的受访者计划在未来一年将生成式AI相关投资提高 $20\%$ 以上。 # AI对银行业的潜在影响 本节将深入探讨AI如何重塑银行业，包括对单位工作成本的影响，以及可能引发的消费者行为变化。 # 银行的采用路径与成本影响 未来的“智能体银行”或将具备以下能力： - 智能体优先的客户服务。无论客户通过App、网页还是电话接入，统一的AI智能体服务层都将作出响应，并在必要时无缝转接至专业团队。在财富管理中，AI可根据具体用户画像，评估投资组合，或基于市场波动主动推送建议。 - 零接触运营。一组AI智能体将在有限人工介入下独立执行流程。在零售银行，它们可完成开户、文档生成与核验；在企业与投行业务中，能够自动处理贷款发起审核、交易确认及资金清算对账。 - 自主化金融犯罪侦测。智能体将实时监控交易，识别异常模式并触发预警，可独立处置部分风险案件，并在复杂场景中升级至人类专家处理。在批发银行领域，基于智能体的客户身份验证/反洗钱系统已能加速开户流程，提高制裁筛查准确度。 - 新一代企业职能。在财务规划与分析（如数据采集、预算编制、情景模拟）、人力资源（如简历筛选、面试排期）等职能环节，AI智能体将大幅减少人类员工投入在重复性事务上的时间。 - AI赋能的风险管理。智能体可自主执行持续控制测试，可端到端管理信贷风险全流程，实时识别潜在风险并按需升级处理。在新兴市场，基于多元数据的AI模型正拓宽信贷服务边界，同时提升风险甄别精度；在发达市场，AI已应用于反欺诈监控、投资组合优化及个性化催收策略制定。 - 智能体产品与技术工厂。通过实现软件开发（如编程、测试、API管理）的自动化，智能体与人类的高效协作将显著缩短新产品上市周期。相应地，传统金字塔型人才结构将向钻石型演进，更强调专业技能、架构设计与系统搭建能力。 # 麦肯锡近期调查显示， $37\%$ 的受访者计划在未来一年将生成式AI相关投资提升 $20\%$ 以上。 # 对多数银行而言，AI带来的成本节约未必能转化为长期利润增长，因为竞争压力将迫使银行将大部分节约让渡给客户。 未来，智能体将贯穿整条工作链路：一个智能体执行任务并输出结果；第二个智能体复核产出、识别漏洞并给出优化建议；第三个智能体将结果提交人类进行终审。“人机协同”仍然不可或缺，负责最终决策、质量把关、异常处置以及风险与监管合规等工作。 在本报告第一章提及的核心场景B2中，AI将重塑银行运营与IT体系，推动净单位工作成本下降约 $15\%$ （图11）。若发生C3情景，即AI颠覆银行业全生态，单位工作成本降幅可达 $40\%$ 。不过，并非所有银行都能均享这份效率红利。在某些区域，随着客户期望水涨船高，为满足体验升级所需的投入，反而可能导致服务成本不降反升。 而且，这些效率红利未必能持续转化为行业利润。随着竞争日趋激烈，银行最终会将节约的成本让渡给客户。无论如何，智能体技术都会改写行业规则：先行者率先捕获超额回报，行动迟缓者则在竞争中逐渐边缘化。 图11 # 人工智能有望降低银行的单位工作成本 情景B2（发生概率 $30\%$ 景B2（发生概率 $30\%$ 情景C3（发生概率 $50\%$ ）（发生概率 $< 5\%$ 不同情景下AI对零售银行单位工作成本的潜在影响 （当前成本 $= 100$ ） 包括业务与产品战略、财务、人力资源、内部审计、法务、市场营销、采购及房地产。 2包括ATM、网点、客服中心、企业中心、代理行和直销人员。 3包括信贷催收、运营、风险与合规。 资料来源：麦肯锡Finalta；麦肯锡分析 McKinsey & Company # 客户应用AI如何冲击银行利润 相比银行自身的AI转型，客户使用AI的方式对银行价值池的冲击，将有过之而无不及（详见第三章）。其影响程度取决于消费者接纳AI的广度与深度，尤其是他们是否愿意使用来自银行体系之外的第三方智能体，进行财务咨询或直接管理个人资产。 长期以来，银行多项业务的盈利模式都严重依赖“客户惰性”：即使市场上有更具竞争力的产品，客户仍会出于习惯停留在原有银行与产品之中。存款与信用卡贷款便是典型代表：2024年，这两大业务合计贡献了全球银行业约 $10\%$ 的利润，并持续提供高于股东最低要求的稳定回报。 然而，这条惰性的护城河正被新兴数字银行与金融科技不断侵蚀。它们让客户更容易比价和迁移账户。若消费者进一步采用智能体优化个人财务，这一趋势或将急剧提速。智能体不仅能主动提出建议（如“早上好，检测到您可以使用闲置资金偿还信用卡债务，预计节省2000美元”），甚至可代为执行操作（“是否授权我立即处理？”）。更进一步设想，未来某家AI平台可能成为零售支付的首选入口，所有信用卡消费都由智能体在后台实时优化。 如果智能体以此方式普及开来，将对银行客户关系产生四大影响： - 产品同质化。智能体将自动筛选市场最优利率与最低费率，不再考虑机构与品牌差异，利率与费用竞争将愈演愈烈。 - 业务解绑。智能体可针对每一项产品进行单独优化，传统银行依靠交叉销售覆盖高获客成本的商业模式将难以为继。 - 去中介化。随着客户愈发依赖智能体管理财富，与银行的直连关系将被弱化。极端情况下，客户可能仅通过第三方智能体完成所有理财操作，甚至不清楚自己的资产实际存放在哪家机构。 - 服务普惠化。当智能体具备“足够好”的咨询与投顾能力，以往仅向高净值客户开放的服务将走向大众市场，随之而来的将是溢价空间的持续收窄。 这场变革对银行利润池的冲击程度，将取决于四个相互关联的变量：客户智能体的成熟度、智能体是否具备代表客户直接操作资产的权限、消费者采纳速度，以及银行自身的应对策略。 # 只需5%至10%的活期存款迁移至市场最优利率产品，就足以令银行业存款利润蒸发20%以上。 在中心情景下，监管机构与银行将形成双重防线，限制智能体对用户账户的直接操作权限。智能体虽能提供优化建议，但每一笔交易的最终执行仍需客户“一键确认”。然而，开放银行标准的确立与数字欧元等数字货币的推进，很可能为智能体进一步提升“写入权限”打开大门。 接下来我们将探讨，即便消费者对智能体的采用程度相对温和，而智能体的功能仍较为基础（仅顺着现有技术曲线演进），依然足以在银行价值池中掀起巨浪。 # 存款流向高利率产品 当前全球70万亿美元的消费者存款中，约23万亿美元沉淀在接近零利率的活期账户中，其余也多存于利率偏低的储蓄账户40。截至2025年9月，美国带息活期账户与储蓄账户平均利率分别仅为 $0.07\%$ 与 $0.40\%$ ，与头部数字银行动辄 $4\%$ 以上的高息产品形成强烈反差41。 只要 $5\%$ 至 $10\%$ 的活期存款在智能体引导下迁移至市场最优利率产品，就足以令银行业存款利润蒸发 $20\%$ 以上。更关键的是，随着智能体让资金流动变得前所未有的顺畅，银行间为争夺存款而展开的利率竞争将日趋激烈，持续推高吸储成本。 # 优化信用卡使用 同样，信用卡贷款这一银行业最赚钱的业务之一也面临被智能体颠覆的风险。该业务的盈利模式高度依赖客户惰性。持卡人未偿还余额所产生的循环利息、滞纳金、预借现金手续费等，构成了收入主体。 尽管拥有更多低成本融资选择，消费者（尤其在美国与加拿大）仍普遍维持高额信用卡债务。数据显示，美国约 $75\%$ 的循环信贷余额和 $65\%$ 的借款人属于优质客群42，这些客户实际上完全有能力通过无抵押贷款或资产抵押贷款等方式获得利率更优的替代方案，但他们仍在为循环余额支付高额利息。 智能体将从两个维度打破这一惯性：一方面将多笔债务自动整合为低息贷款，另一方面智能调度闲置资金，优先偿还高息欠款。在我们设定的中心场景B2中（发生概率 $30\%$ ），若有 $5\% \sim 10\%$ 的客户（持有 $10\% \sim 15\%$ 余额）开始使用智能体管理信用卡，而银行未采取任何应对措施，全行业的信用卡贷款利润可能下滑约 $30\%$ （图12）。 # 若银行不采取应对措施，AI或将导致价值池萎缩 AI对银行利润池的潜在影响(分地区与业务类别,%) 欧洲 北美 亚太（不含中国） 其他地区（含中国） 全球平均 图12 基于发生概率为 $30\%$ 的核心情景（B2）测算的税后利润池。分析未包含资本市场与投行业务收入。 2包含大型非金融企业业务。 3包含境内零售支付与跨境消费业务。 不包含财富与资产管理机构的存贷款业务。 资料来源：麦肯锡Panorama-GlobalBankingPools；标普全球 当然， $5\% \sim 10\%$ 的渗透率仍非易事。回顾历史，智能投顾、个人财务管理工具等金融创新都经历了漫长的接受过程。即便在数字化普及数十年的今天，客户惰性依然顽固。但我们相信，随着智能体体验趋于无缝、易用且功能强大，终将迎来规模化应用的拐点。 事实上，诸多早期技术已在金融服务领域无处不在。数字银行已成为标配，移动端成为业务主渠道(详见第三章)。这一转型既源于银行的主动推进，更由消费端的需求驱动：电商等行业打造的无缝体验重塑了用户对金融服务便捷度的期待。同时，苹果支付等数字钱包正快速普及。2024年， $48\%$ 的美国消费者表示在过去90天内使用过数字钱包，较上年的 $36\%$ 显著提升43。 近期一项将普通信用卡余额转为低费率分期贷款的创新尝试，为智能体潜藏的颠覆力量提供了现实参照。2017至2021年，美国运通（American Express）44、摩根大通等多家领先发卡机构相继推出信用卡分期付款方案，用户通过银行App即可将账单余额转为期限灵活的低息贷款，操作门槛大幅降低。市场反响立竿见影，仅2022年，美国消费者便设立了约1000万笔分期计划，同比增长约 $60\%$ ，涉及未偿余额90亿美元46。这一增长主要源于更低的利率：分期产品平均利率约为 $5.8\%$ ，而循环信用利率普遍高达 $20\%$ 以上，即便是信用评级最优的客户也难以幸免。 诚然，分期付款贷款仍属小众市场。相比之下，2025年10月美国信用卡贷款余额总计约1万亿美元47。但这一创新充分证明：只要有效降低用户门槛，便能激发巨大的需求潜力。这或许预示着智能体未来在银行业的广阔空间。 为应对这一潜在冲击，部分先锋银行已着手调整商业模式：有的强化生态圈布局，以抵御去中介化；有的主动探索面向客户的AI智能体，帮助用户实现财务优化，完成自我革新，而非坐等颠覆。 # 我们相信, 随着智能体体验趋于无缝、易用且功能强大, 终将迎来规模化应用的拐点。 # 对银行战略的启示 面对智能体革命，不同选择的银行将迎来截然不同的命运。我们预计，无论规模大小，那些能率先在其核心市场实现 $15\% -20\%$ 净生产率提升的银行，都将显著提升盈利能力，并建立持久的市场份额优势；行动迟缓者则可能面临增长停滞与业绩下滑。在最可能的情景中，先行者与滞后者的有形股本回报率差距将显著拉大。先行者将提前数年收获生产率提升带来的现金流红利，为新一轮投资储备充足弹药（图13）。以一家资产规模千亿美元的银行为例，4个百分点的有形股本回报率优势，意味着每年可产生约2.5亿美元的额外利润。当然，随着其他机构逐步追赶，日益激烈的价格竞争将逐渐侵蚀初期收益。行动迟缓的银行将在全新的市场环境中背负成本结构劣势，面临市场份额流失，甚至成为并购目标。相比之下，先行者将更有能力守住核心阵地，并有余力探索银行之外的收入来源，从而在去中介化与产品同质化的浪潮中保持竞争优势。 图13 # AI先行者有望获得持久优势 AI对不同类型银行有形股本回报率的潜在影响示意图 $(\%)$ 实际增幅取决于当地市场结构。 总体来看，AI的价值究竟将体现在何处？在我们的中心情景中，部分成本的毛降幅或可高达 $70\%$ 。但这些节省将被持续攀升的技术投入、更为复杂的欺诈攻防支出，以及不断走高的网络安全成本所抵消。综合衡量后，成本基数的净降幅预计将被稀释至 $15\%$ 至 $20\%$ 。 此外，如前文所述，这类效率红利难以长期维持。少数先行银行将在短期内明显受益：提升有形股本回报率、扩大市场份额，并通过调整商业模式抵御去中介化风险；其他银行则可能遭遇市场份额与收入的双重压力。创新科技企业及其他颠覆者也将顺势受益，主要通过推动生产率提升、助力去中介化落地实现。 # 时机研判：AI重塑银行业的临界点 对多数战略议题而言，“何时发生”与“会发生什么”同等重要。尤其是那些呈指数级而非线性发展的趋势，预测时间尤为困难。尽管如此，我们的核心判断是：多数银行将难以从“试点项目”迈向“全面转型”；少数先行者将成功兑现价值，其余则可能成为昂贵的失败案例。不过，未来3至5年内，真正的AI原生商业模式有望浮出水面，在市场上获得广泛认可，对尚未做好准备的传统银行形成直接威胁，并进一步催化行业整体采用。放眼未来5至10年，我们预计AI将推动行业结构发生实质性变革。 我们认为，这一进程将由六大关键因素驱动，前两项尤为关键： 监管支持。监管机构将密切关注银行使用AI可能带来的消费者风险，这可能放缓银行侧的采用速度，也意味着首批规模化创新或来自监管相对宽松的非银行主体。不过，全球已有监管机构明确表态支持AI，包括英国金融行为监管局与新加坡金融管理局等48。 - 现有银行的应用能力。在高度监管的银行体系内，要实现行业级变革，必须有部分大型机构实现AI的规模化落地。即便对领先银行而言，这也需要时间。不过，摩根大通等头部机构已开始加速布局。 一颠覆者的市场落地速度。以攻击姿态切入市场的企业或将通过向现有机构施压发挥关键作用，早期迹象已颇为明显。例如，亚马逊推出功能，允许客户通过其AI智能体从第三方平台购买亚马逊缺货商品49；Visa与万事达也已启动试点，允许智能体代替用户发起支付，且无需提供信用卡号即可完成交易50。 - 技术成熟度。有观点认为，AI的推理能力或许永远无法满足最具颠覆性的应用场景，“幻觉”问题也难以彻底消弭。然而，随着基础设施升级、训练效率突破，AI正以惊人速度进化。以GPT-5为例，虽然2025年8月发布时反响平平，但其错误陈述率已降至 $9.6\%$ ，低于2024年5月推出的GPT-4o的 $12.9\%^{51}$ 。此外，“人机协同”机制已被证明能有效降低出错风险。即便未来仅是渐进提升，技术成熟度也不太可能成为主要制约。 # 银行 (以及全球经济) 要实现AI规模化部署, 还将仰仗于充足的第三方数据中心、算力以及能源。 - 基础设施发展水平。银行及全球经济能否规模化部署AI，将仰仗于充足的第三方数据中心、算力以及能源。麦肯锡分析显示，2023年至2030年，全球数据中心需求或将增长逾两倍，推动美国能源需求增加400太瓦时，约占全美总用电量的7%。全球AI基础设施支出亦同步增长，据国际数据公司(IDC)统计，2024年上半年几乎翻倍至约470亿美元，预计到2028年将突破每年2000亿美元。而能源是更棘手的问题。主要数据中心枢纽的新电力接入时间持续拉长，部分美国以外地区甚至因电力基础设施不足而限制数据中心建设。算力需求已对电网构成实质性压力，即便核能等替代能源加大投入，短期内部分地区仍可能出现供应缺口。当然，若技术持续演进、超低功耗AI芯片加速落地，能源瓶颈或将随之缓解。 - 客户信任。消费者采纳AI的速度显著快于企业，表明只要有切实好处，他们往往乐于尝试。但金融场景的敏感性远高于其他行业。消费者对托付财富的信任门槛也更高。鉴于已有面向客户的AI应用（如呼叫中心）引发抵触，银行在引入AI改善体验时，更需步步审慎、稳固信任。 AI重塑银行业的速度可能远超互联网与移动革命（详见边栏“AI重塑银行业的速度或快于数字化转型”）。 # AI重塑银行业的速度或快于数字化转型 在此前的数字银行革命中，转型是缓步推进的。上世纪90年代，网上银行逐渐普及；到了2010年前后，智能手机的广泛使用才让移动银行走进大众生活。许多最成功的颠覆者（如Chime、N26、Nubank和Sofi）均诞生于2011至2015年智能手机普及之后，又过了5到10年才形成规模。当行业整体迈向数字优先时，大型银行凭借最完备的数字能力稳住了主导地位，并与少数表现突出的新兴玩家形成并存格局。 相比之下，智能体将带来何种影响呢？ 一 速度。AI驱动的变革周期或将从20年压缩至5到10年。现阶段，消费者对AI的接受速度更快；风险投资布局更迅捷；行业领军者更愿意大手笔下注。但需注意，技术采用往往存在代际差异，年长且相对富裕的客户群，可能需要更长的心理适应期，才会放心让智能体管理财务。 规模。数字革命往往使大型银行受益，而AI时代，优势将更多取决于能否快速、精准地部署新工具。最成功的未必是体量最大者，也可能是一批敏捷的中型机构和新兴力量。 - 回报。数字革命虽有先行与落后之分，但变革节奏足够温和，使大部分滞后者得以快速补齐必备的数字能力，长期竞争力未被拉开太大差距。因此，在多数地区，两类机构的有形股本回报率虽存在差异，但相对有限。AI的冲击则可能更迅猛、更深远，回报率的分化也将更明显。 新势力。如同数字优先的金融科技浪潮，未来两到三年内可能涌现新一代“AI金融科技公司”，并逐渐成为金融决策中值得信赖的中介。但目前仍未明朗的是：这些公司最终会与现有银行共存，还是会取而代之。 # 解锁价值的关键 迄今为止，生成式AI在银行业的表现可谓喜忧参半。一个耐人寻味的矛盾是：近八成银行称已经采用生成式AI，但同样比例的机构坦言，这项技术尚未对盈利带来实质性提振52。 要真正释放AI的价值，银行需要将深刻的商业洞察与扎实的技术能力融会贯通，而这恰恰是多数机构的短板。长期来看，行业分化或将进一步加剧，部分滞后者甚至会在收购整合中淡出舞台。同时，这场变革也是突破长期桎梏的窗口：升级核心主机系统、重塑渠道布局、重建人才结构，有望帮助银行跨越技术债务、甩掉沉重包袱。新时代的竞争，将是围绕速度、精准与执行纪律的较量，先行者有机会拉开代差，定义未来。 # 常见问题 分析表明，多数银行的AI实践成效不彰，往往是踩中了以下雷区： - 缺乏战略路线图。不少机构在尚未厘清AI愿景时便匆忙上马用例，往往只是简单复刻行业案例。然而，如果这些场景并非企业价值创造的核心，投资回报自然微弱。 - 陷入“千花齐放”困境。许多旨在优化特定职能或业务领域流程的“垂直型”用例，由各部门自下而上提出，导致大量零散的小项目涌现，难以形成端到端的结构性变革。资源与注意力被稀释，项目停留在“永远试点”的尴尬阶段，始终无法放大效果。 - 重部署，轻价值。不少机构青睐面向全员的“水平型”用例（如智能助手、聊天机器人）及供应商方案。例如，近七成《财富》500强企业使用微软365 Copilot。这些工具虽能提升日常效率，易于大规模部署，但收益分散且难以量化。 - 业务端缺位。在许多银行，技术决策长期由IT部门主导，业务领导缺乏直接掌控权，限制了AI的落地效果。 - 能力建设不足。银行在垂直场景上的投入普遍偏弱。如果不从根本上重塑工作流程、辅以实操培训，生成式AI带来的往往只是边际改善，对利润拉动有限。要真正释放潜力，不能仅仅把智能体塞进旧流程，而是要让它成为核心，重构流程本身。 # 如果不从根本上重塑工作流程、辅以实操培训，生成式AI带来的往往只是边际改善，对利润拉动有限。 # 如何起步 在充满不确定性的环境中, 管理者面临从何处入手的抉择。我们看到, 有的机构高举高打, 重金押注大项目, 有的则选择轻量化路径, 借力成熟供应商工具。无论走哪条路, 行动的节奏都至关重要: 早一步布局, 意味着掌握战略主动权, 可通过快速试错积累经验, 为未来的竞争打下基础。 必须清醒认识到：数据架构、人才体系、运营模式、网络韧性这些基础能力，绝非一朝一夕可以建成，需要经年累月的持续投入。一旦行业迈过技术拐点，起步较晚者恐将永远失去追赶的机会。对于规模有限或正面临合规压力的机构而言，采取供应商主导的模式不失为务实的选择。 先行者与滞后者的差距预计将持续扩大，唯有将精准化执行深度融入AI战略的银行，才能构筑可持续的长期优势。最后，需要明确，虽然AI将是重塑银行业格局的最强变量，但决定最终胜负的从来不只是技术本身。消费者的接纳程度、预期变化与转换意愿，同样举足轻重。下一章我们将探讨在消费者行为重塑之际，银行如何运用精准化策略，赢得新时代客户的选择与信赖。 # 交互新规: # 适应现代 # 银行客户 银行客户已在悄然改变。他们不再迷信大行招牌，更愿意多平台比价，这一变化正从根本上重塑行业格局。背后有众多驱动因素：消费者选择银行的方式在改变；AI深刻影响客户行为与银行战略；移动金融与嵌入式金融持续渗透；年轻世代（即将承接全球财富转移的主力人群）展现出截然不同的偏好与期待。 精准化策略能让银行更好地服务这些忠诚度偏低、数字化程度更高的现代消费者。他们追求极致个性化的体验，渴望移动优先、无缝衔接的一体化旅程，例如在手机端发起业务，走进线下网点完成办理时无需重复解释。 能够敏捷响应变化、精准捕捉客户需求的银行，将在未来格局中占据有利位置；反之，若步伐迟滞，新一波AI赋能的金融科技挑战者将快速抢占市场空白。 本章将拆解驱动消费者转型的核心趋势：首先剖析客户决策路径的变化，继而探讨AI对消费行为的重塑，接着分析移动端作为主阵地的持续进化与消费者行为的代际差异，最后审视数字原生玩家对传统银行业的冲击，并为银行提供应对变革、赢得新客户的策略建议。 # 精准化策略能让银行更好地服务这些忠诚度偏低、数字化程度更高的现代消费者。他们追求极致个性化的体验，渴望移动优先、无缝衔接的一体化旅程。 # 客户决策旅程变迁 当今银行客户的购买决策路径，与5到10年前已不可同日而语。品牌忠诚度大幅松动，决策初期纳入视野的几家银行往往能笑到最后。 当金融需求产生，客户的决策旅程通常从“初始考虑集”开始，即第一时间浮现在脑海的有限选择。随后进入“主动评估期”，客户会动态调整候选名单。传统“忠诚循环”的发生概率已大幅下降，即客户不考虑其他选择，直接购买现有银行产品。 麦肯锡2018年与2025年的调研数据对比，清晰展现了这些变化（图14）。 在开设活期账户场景中，最终选择初始考虑集内银行的比例从 $60\%$ 攀升至 $77\%$ ，主动评估期的影响力同步增强。与此形成鲜明对比的是，忠诚循环显著萎缩：客户不经比选直接选择原银行开户的比例，从2018年的 $25\%$ 骤降至仅 $4\%$ 。 信用卡也呈现类似趋势。而信用卡历来是银行对既有客户进行交叉销售的主力品类，忠诚度弱化意味着传统打法正在失灵。 与此同时，聚合平台、生成式AI工具、中介机构以及嵌入式金融服务等新型业态，进一步扰动消费者的决策旅程，加速忠诚度下滑。 图14 # 消费者选择银行产品时通常会跨行比较 美国消费者开户决策旅程中的决定性环节占比 $(\%)$ 忠诚循环 客户直接选择原有服务商 主动评估 消费者研究比较并动态调整备选方案 初始考虑集 消费者最初纳入考虑的银行短名单 活期账户 信用卡 资料来源：麦肯锡银行业消费者决策旅程调研(2025年5月,活期账户样本量=2954;信用卡样本量=3168)；麦肯锡银行业消费者决策旅程调研 (2018年9-10 月,样本量未披露) McKinsey & Company 面对此变局，银行亟需将战略重心前置：全力进入更多消费者的初始考虑集。我们发现，能够成功入围的银行，通常在四个方面表现突出： 打造全域品牌声量。头部银行凭借营销规模优势，在客户心智中建立天然认知壁垒。数据显示，媒体投入与品牌认知度、客户考虑度呈显著正相关(图15)。但规模并非唯一变量，精准触达同样关键。银行需将资源投向高价值渠道，并在可见度直接影响决策的区域强化线下网点布局。例如，尽管多数市场的网点数量持续缩减，美国仍有银行逆势增设网点，以提升品牌在场感与客户心智占有率。 - 激发口碑裂变效应。口碑推荐已成为活期账户开设与信用卡申请的重要触发因素。2025年消费者决策旅程调研显示， $21\%$ 的信用卡用户会采纳亲友推荐。金融科技先锋如Cash App、Revolut等，正是通过口碑传播与推荐奖励机制实现了爆发式增长。银行可运用精准化策略，构建数据驱动的推荐奖励机制，重点触达对口碑推荐最为敏感的Z世代等年轻客群，将用户转化为品牌传播的节点。 - 在关键节点传播恰当信息。为了在消费者决策旅程中脱颖而出，银行必须确保在关键节点传递最契合用户需求的价值主张。以美国活期账户开立为例，调研显示，能在网点与银行人员当面沟通被视为第二重要的决策因素，仅次于产品丰富度。 图15 媒体投入与品牌认知及考虑度呈正相关 美国部分银行的认知度、客户考虑度与媒体投入对比 媒体投入统计周期为2025年3月结束的年度；涵盖互联网展示与搜索广告、在线视频、户外广告、付费社交、平面媒体、播客、广播、流媒体服务及电视广告；不含直邮和联盟营销。资料来源：Kantar；麦肯锡银行业消费者决策旅程调研(2025年5月)；Mathematics McKinsey & Company - 通过“主力银行地位”提升偏好度。成为客户的“主力银行”（即存储大部分资金或处理大部分支付交易）后，被纳入初始考虑集的概率会提高三到四倍，交叉销售成功率亦能提升一倍53。因此，对多数银行而言，主力银行地位仍是零售银行业务盈利的基石。精准化的意义，在于识别哪些入口产品对哪类客户最具牵引力，能够促成主力关系。虽然超六成的主力关系仍始于活期账户，但它已不再是唯一入口。约四成消费者通过其他产品建立首次关系，最常见的是信用卡和储蓄账户。值得警惕的是，更多用户开始将工资账户与主力账户解绑，将薪资定期从传统银行转入体验更优的金融科技平台。 下面将探讨AI如何改变消费者行为，以及银行应如何应对。 # 超过半数消费者已使用生成式AI工具，他们也渴望银行能提供类似体验。 # 银行客户与人工智能 消费者正快速拥抱生成式AI处理金融事务，多数人也期望银行能同步提供相应工具。AI能力，正悄然成为客户选择银行或转身离去的新标准。 # 客户已拥抱AI，并对银行抱有更高期待 如今，逾半数消费者已使用生成式AI工具，许多人习惯借助ChatGPT等工具管理财务需求。他们迫切希望自己的主力银行能推出AI解决方案，且几乎全部受访者都明确表示，若当前银行未能跟上技术变革，他们最终会更换服务商。麦肯锡于2025年开展了全球银行业生成式AI使用情况调研，覆盖了7国的三万余名消费者，显示 $51\%$ 的消费者已使用生成式AI， $23\%$ 将其应用于银行或财务场景（图16）。近两年内新开银行账户的生成式AI用户中， $32\%$ 曾通过AI工具辅助选择银行。 图16 # 超半数Z世代、千禧一代及X世代已使用生成式AI # 各世代对生成式AI的认知与使用情况（受访者百分比） # 各世代使用生成式AI办理金融业务的前三大用途（ 对于问题“对生成式AI工具的认知/使用情况”，回答“听说过但不用”、“偶尔使用”或“经常使用”的受访者。 对于问题“对生成式AI工具的认知/使用情况”，回答“偶尔使用”或“经常使用”的受访者。仅针对至少偶尔使用AI工具的人群。 对于问题“使用生成式AI工具处理银行或金融相关活动的频率”，回答“非常频繁（每周一次或更多）”或“偶尔（每月一到两次）”的受访者。 资料来源：麦肯锡全球银行业年度回顾调研(2025年5月,样本量=30021) McKinsey & Company 巴西、印度等发展中经济体的银行业生成式AI使用率，明显高于荷兰、加拿大等发达市场(图17)。造成这一差异的重要原因，在于不同代际对AI采纳速度的分化。 图17 # 生成式AI的使用存在地域差异，在金融任务方面尤为明显 各国对生成式AI的认知与使用情况（受访者百分比） 认知生成式AI1 使用生成式AI2 将生成式AI用于金融事务3 巴西 94 67 35 加拿大 91 45 16 德国 86 46 18 印度 86 58 45 荷兰 89 45 14 西班牙 92 53 23 美国 90 49 23 总体 90 51 23 各国生成式AI前三大金融用途（百分比） 巴西 第一 第二 第三 42 获取投资建议 35 解答费用相关问题 35 了解金融产品 加拿大 36 了解金融产品 28 比较银行服务/提供商 25 查询/提升信用评分 德国 33 了解金融产品 32 比较银行服务/提供商 26 解答费用相关问题 印度 50 了解金融产品 47 获取投资建议 43 比较银行服务/提供商 荷兰 29 了解金融产品 28 获取投资建议 26 比较银行服务/提供商 西班牙 35 比较银行服务/提供商 32 了解金融产品 29 获取投资建议 美国 42 了解金融产品 37 查询/提升信用评分 27 了解汽车贷款 总体 38 了解金融产品 34 获取投资建议 33 比较银行服务/提供商 对于问题“对生成式AI工具的认知/使用情况”，回答“听说过但不用”、“偶尔使用”或“经常使用”的受访者。 2对于问题“对生成式AI工具的认知/使用情况”，回答“偶尔使用”或“经常使用”的受访者。仅针对至少偶尔使用AI工具的人群。 3对于问题“使用生成式AI工具处理银行或金融相关活动的频率”，回答“非常频繁（每周一次或更多）”或“偶尔（每月一到两次）”的受访者。 资料来源：麦肯锡全球银行业年度回顾调研(2025年5月,样本量n=30021) # 客户呼唤更多生成式AI功能 调研显示， $62\%$ 的生成式AI用户期待主力银行提供AI解决方案。 $44\%$ 的用户表示，他们更倾向于即时响应的AI语音客服，而非等待不到一分钟接入人工坐席。当等待时间延长至10分钟时，这一偏好比例在生成式AI用户中升至 $70\%$ （相当于全部消费者的 $35\%$ ）。 与此同时，我们观察到，消费者将生成式AI用于财务规划等复杂场景的趋势正快速上扬(图18)。 几乎所有 $(97\%)$ 曾借助生成式AI选择银行服务的客户都坦言，未来更换银行时，AI功能水平将成为重要参考。率先构建成熟AI服务能力的银行，将更有机会把握客户对更深洞察、更优体验的强劲需求。 AI还在如何改变消费者行为与银行业务？值得关注的是，AI搜索正日益以“直接回答”的形式回应消费者提问（例如“如何整合我的贷款？”）。随着链接点击率持续下滑，若这一趋势延续，银行将难以继续依赖NerdWallet（理财比价平台）、Credit Karma（信用评分平台）等合作渠道引流。取而代之的，是通过精准化策略优化自有线上内容与产品方案，确保它们能够被AI搜索识别、理解并推荐。 此外，媒体环境已高度碎片化，流媒体与社交平台成为传播主战场。银行需要为不同渠道定制差异化信息，并借助AI驱动的程序化投放，实现“在对的时间，通过对的渠道，将对的信息传递给对的人”。 图18 # 许多生成式AI用户对在银行中使用该技术兴趣浓厚 在使用生成式AI处理金融任务的受访者中 (n=9813), 对生成式AI助理与人工银行顾问的偏好 (%) 生成式AI 两者皆可 人工 低风险场景 基础问题咨询 57 28 15 快速查询账户信息 47 33 20 故障排除/常见问题解答 39 39 22 发现/推荐产品 36 41 23 预算建议 36 41 23 高风险场景 向其他账户转账/付款 29 37 34 投资建议 26 43 31 长期财务规划 26 41 33 资料来源：麦肯锡全球银行业年度回顾调研(2025年5月,样本量=30021) McKinsey & Company # 移动优先, 但不失温度 移动端已成为银行服务的主导渠道，生成式AI的深度融入，将进一步巩固其核心地位。通过移动渠道交互的客户，往往能带来明显更高的价值，更凸显这一渠道的战略意义。尽管如此，实体网点在许多地区仍不可或缺，尤其是在开户等关键环节。尽管多数国家对网点依赖度下降，拉美、北美、南欧等市场仍展现强烈的线下服务需求。因此，银行需要理解地区差异，洞察客户坚持面对面服务的底层动因。 这种“二元性”要求金融机构构建以移动端为中枢、全渠道无缝联动的服务生态，以满足不断演化的客户期望。 麦肯锡Finalta部门的研究显示，使用移动设备办理银行业务的消费者比例，已从2020年的 $41\%$ 跃升至2024年的 $63\%$ （图19）。 # 手机银行增长迅猛, 其他渠道增长乏力 全球银行业各渠道活跃用户、活跃度及核心产品销售占比指标 图19 过去90天内使用过该渠道的活跃客户占比。 2线下网点：活跃客户每年在网点内进行的支付、存取款等交易次数，不含开户；网上银行：活跃客户每年在线登录次数；移动银行：活跃客户每年在移动端登录次数；客服中心：活跃客户每年打入的电话次数。 3核心产品销售包括开立活期账户、储蓄账户、信用卡、个人贷款、按揭贷款及非寿险保单，各渠道占总产品销售比重。资料来源：麦肯锡Finalta 使用移动渠道的客户，往往能为银行创造更高价值。在部分市场，这类客户带来的收入甚至是其他客户的两倍。他们通常持有更多银行产品，留存率也更高。随着生成式AI逐渐融入金融服务，移动端凭借语音、人脸识别等原生安全能力，主导地位有望进一步增强。 尽管数字渠道突飞猛进，实体网点在许多市场依旧举足轻重，仍是决定客户选择的关键触点。大型银行布局核心商圈，凭借网点曝光吸引高净值客户；小型银行则通过社区密度深化本地关系。在北美，2024年有72%的活期账户在网点开立，新增余额中更有90%源自网点（图20），足见其在争夺主力银行地位时的战略价值。在亚太与欧洲，网点的主导性虽不及北美，但仍在开户与吸储方面占据相当份额。 网点为何仍不可替代？原因是在重要时刻与复杂场景中，客户更希望有人可聊。财务规划、房贷申请等流程繁琐、结果不确定、情绪负担较重的事务，让人更愿意面对面交流。客户也常在手机端开启流程，再转向理财经理寻求确认与安心。因此，移动端、实体网点与客服中心的体验必须无缝衔接，让客户在数字触点与人工服务之间自由切换。同时，个性化建议也可通过远程方式高效传递，在网点密度偏低、却依旧重视人际沟通的市场（如北欧），此类服务正快速普及。 图20 # 线下网点在开户中仍发挥关键作用 2024年按地区划分的活期账户开户渠道1及新增存款来源2 $(\%)$ 2024年各渠道活期账户开户量占当年全部开户量的比例。 2通过该渠道吸引的新存款（活期账户开立首年内存入的资金）占银行该类账户新增总存款的比例。 资料来源：麦肯锡Finalta McKinsey & Company # 代际差异：顺应需求变迁 Z世代与千禧一代将是银行未来的主力客群，他们的期望与行为模式与年长群体存在结构性差异（图21）。 具体体现在以下方面： - 选择产品时，X世代与婴儿潮一代更看重价格；而Z世代与千禧一代愿意为优质服务买单，甚至接受溢价。 - Z世代与千禧一代在独立做出财务决策时信心不足，更依赖个性化指导或智能工具。 - 年轻用户尝新意愿强烈，更易因银行未提供特定服务而转投竞争对手。 - 若数字渠道不够友好或功能欠佳，20%的Z世代与15%的千禧一代会选择离开，比例明显高于年长群体，后者更多会因产品条件不达预期而流失。 - 年轻世代对从银行购买非银行产品与服务兴趣浓厚，包括物业管理、投资App、家装贷款等。 图21 # 银行客户观点呈现代际差异 西欧银行不同世代客户的观点差异（受访者比例） 资料来源：麦肯锡零售银行调研(2023年,n=18129)；麦肯锡Panorama # 与数字原生公司正面交锋 银行必须跑得更快，才能跟上不断拔高的客户期待。然而，老旧系统的束缚、规避风险的文化心态、缓慢的产品迭代节奏，让传统银行在起跑阶段已显露疲态。客户正在用脚投票，欧洲的Revolut与拉美的Nubank等数字先锋，凭借精准捕捉被传统银行忽视的需求空白，实现了裂变式增长。Revolut全球用户已突破6500万，Nubank在巴西、墨西哥、哥伦比亚累计用户超过1.22亿，已覆盖约六成巴西成年人口。 这些颠覆者正在重新设定市场预期。依托云原生技术与敏捷开发范式，它们具备利用生成式AI进一步拓展市场的优势。例如，Revolut即将推出2025年版AI财务助手，同时部署智能体工具自动完成欺诈监测、合规审核和合同管理，仅将棘手问题交给人工介入。如果说第一代金融科技依靠数字体验与口碑裂变抢占市场，下一代则将基于生成式AI与智能体技术，以零接触运营提供个性化建议、自动实现资金调度与实时洞察。 相比欧洲和亚洲，美国市场的颠覆路径有所不同：早期金融科技未能形成压倒性冲击，但这种“免疫光环”正在消退。随着美国消费者对AI驱动服务的期待不断攀升，传统银行必须在挑战者之前，推出更高效的业务模式，以满足客户需求。 不过，即便行动迟缓，传统银行仍握有一张最强底牌：信任。这条护城河需要时间沉淀，难以快速复制。新兴挑战者要建立同等水平的信任和口碑，依然任重道远。 # 赢得新客群的策略 面对消费者行为的深度转向，银行必须主动应变。以下三项举措，将是把握增长、赢得信任与忠诚的关键路径： - 抢占心智高地。通过品牌建设与口碑扩散，不惜代价进入“初始考虑集”。从品牌塑造到线下布局，全渠道强化存在感，打造一个让客户主动选择、自然想起的品牌。 - 构建移动中枢。采用移动优先战略，确认移动端作为客户交互入口的核心地位。同时确保与网点、客服等渠道无缝衔接，满足高参与度、高情绪密度场景的服务需求。 布局AI个性化。在下一波金融科技浪潮来临前，将AI深植于客户旅程，并构建强有力的安全与隐私护栏。 借助AI，银行能够进一步深耕个性化场景，在恰当的时间为客户匹配恰当的产品与服务。长期以来，银行习惯将客户粗略划分为大众客户与大众富裕客户等宽泛分层，配以相对同质化的产品包。而未来的核心趋势将是精准化：基于数据从传统细分迈向微细分，最终抵达“一人一策”，在产品、服务乃至风险管控上都实现因人而异。 # 借助AI，银行能够进一步深耕个性化场景，在恰当的时间为客户匹配恰当的产品与服务。 金融业不乏成功先例。数十年前，第一资本银行(Capital One)正是凭此成功进军美国信用卡市场。通过将先进分析应用于个性化产品设计与风险模型，精准触达被主流市场忽视的客群，迅速扩大份额、构筑壁垒。时至今日，它仍以数据驱动的个性化体验领跑行业，并利用AI与云技术持续迭代产品与数字体验。 电信行业也出现了类似趋势：从粗放分层转向个性化套餐的运营商重塑了竞争格局。相比之下，银行拥有风险维度等多重个性化杠杆，更具备将精准化沉淀为长期战略优势的潜力。借助精准化工具箱，银行可在最佳时间点向目标客户提供更契合的产品服务，进而提升客户满意度、巩固主力银行地位并增强盈利能力。 在实践中，银行可以整合多源数据，包括内部账户、交易记录及跨机构资产，捕捉客户人生节点的微妙信号。再借助生成式AI实时解析，不仅可识别潜在风险，还能为每位客户定制独特的交互体验，实现极致个性化的推荐与沟通。 在外宣内容、客群定位、触达时机与渠道编排上率先贯彻精准化的银行，将更早占据消费者心智；而仍寄望于规模优势或大水漫灌式营销的机构，则可能被时代抛在身后。 银行业的下一条增长曲线，将不再由规模驱动，而由精准定义。将精准化融入技术布局、客户运营、资本配置与并购策略的引领者，将获得超额回报；固守旧式打法者，则将面临加速衰退。在这个新时代，精准化不仅是一种战术选择，更是迈向盈利增长的必由之路。如果银行能真正用好这套精准化武器，长期困扰行业的估值折价有望收窄，而那些勇于拥抱变革的先行者，将成为新一轮价值创造的主角。 # 联系我们 # 中国区业务联系人 周宁人 全球资深董事合伙人 中国区金融咨询业务负责人 Nicole_Zhou@mckinsey.com.cn # 作者 Darius Imregun 全球董事合伙人，常驻波士顿分公司 darius_imregun@mckinsey.com Ido Segev 全球资深董事合伙人，常驻波士顿分公司 ido_segev@mckinsey.com Jon Steitz 全球资深董事合伙人，常驻湾区分公司 jonathan_steitz@mckinsey.com Klaus Dallerup 全球资深董事合伙人，常驻哥本哈根分公司 klaus_dallerup@mckinsey.com Marti Riba 全球董事合伙人，常驻巴塞罗那分公司 marti_riba@mckinsey.com Miklos Dietz 全球资深董事合伙人，常驻温哥华分公司 miklos_dietz@mckinsey.com Pradip Patiath 全球资深董事合伙人，常驻迈阿密分公司 pradip_patiath@mckinsey.com Saptarshi Ganguly 全球资深董事合伙人，常驻波士顿分公司 saptarshi_ganguly@mckinsey.com Michael Kirchner 全球副董事合伙人，常驻纽约分公司 michael_kirchner@mckinsey.com Suhas Gudhe 全球副董事合伙人，常驻迈阿密分公司 suhas_gudhe@mckinsey.com Valeria Laszlo Panorama资深资产领导,常驻布达佩斯分公司 valeria_laszlo@mckinsey.com Theorem 1.2. (Theorem of [10, Theorem 1.1]) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is closed under the following conditions: Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem of [10, Theorem 1.1]) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that Theorem 1.2. (Theorem of [10, Theorem 1.1]) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that Theorem 1.2. (Theorem of [10, Theorem 1.1]) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that Theorem 1.2. (Theorem of [10, Theorem 1.1]) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is closed under the following conditions: Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is closed under the following conditions: Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is closed under the following conditions: Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem of [10, Theorem 1.1]) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is closed under the following conditions: Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a finite field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then $\mathcal{F}(x)$ is a prime ideal of $\mathcal{F}$ . Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$ be a field and let $\mathcal{F}(x)$ be the set of all elements of $\mathcal{F}$ such that $x \in \mathcal{F}(x)$ . Then Theorem 1.2. (Theorem 1.1) Let $\mathcal{F}$