2025年中国银行业大模型应用跟踪报告

报告摘要

2025年中国银行业大模型应用跟踪报告总结

核心内容

2025年，中国银行业在数字化转型背景下，成为大模型应用的先行者。大模型作为银行数字化转型的重要驱动力，已逐步渗透至多个业务场景，推动银行业务流程智能化、服务效率提升以及风险管理能力增强。尽管整体IT预算收紧，但大模型投入仍呈上升趋势，尤其受到如DeepSeek等推理模型的推动。

主要观点

政策与战略：国家“十四五”规划和相关政策持续推动银行业数字化转型，为大模型应用提供政策支持。
技术驱动：大模型技术体系正在快速构建，银行通过调用API、微调、RAG扩展、引入智能产品等方式实现能力建设。
应用场景：大模型在智能客服、数据分析、代码生成、合规审查、营销辅助等场景已产生显著业务价值。
模型选择：大型银行倾向于自建模型或联合科技公司，而中小银行则更多选择API调用或轻量模型，以降低成本和提高效率。
DeepSeek影响：DeepSeek系列模型，尤其是R1，因其强大的推理能力和低成本，成为银行大模型应用的重要推动力，推动银行构建“技术普惠”生态。

关键信息

银行业大模型应用进展

政策支持：数字中国、数字金融等政策推动银行数字化转型，形成“五篇大文章”服务体系。
重点任务：2025年银行重点任务包括深化“五篇大文章”、加强数字金融基础设施建设、推进数字化转型。
应用现状：国有银行和股份制银行在大模型应用方面处于领先地位，而城商行和农商行则在单/多场景试点阶段。
决策路径：银行需从业务场景出发，结合技术适配与资源决策，实现大模型应用的规模化落地。
能力建设方式：
- 调用API接口：适合资源有限或快速试错的企业。
- 微调大模型：适合有深度定制需求的银行。
- RAG扩展：通过补充知识库提升特定任务的响应质量。
- 引入智能产品：直接使用嵌入大模型的智能产品。

DeepSeek对银行业大模型的影响

推理能力提升：DeepSeek R1在推理场景表现出色，推动银行业从基础模型向推理模型演进。
成本与性能：DeepSeek R1在成本控制和性能表现上具有显著优势，尤其适合企业级应用。
模型部署：多数银行选择本地化部署，以保障数据安全与隐私，但DeepSeek降低了部署周期和微调数据需求。
应用场景：DeepSeek被用于增强现有应用，如智能客服、数据分析、信贷审批等，提升推理能力。

银行业大模型标杆研究

国有银行

工商银行：
- 构建“工银智涌”大模型品牌，形成“算力、算法、数据、工具、能力、安全、应用、生态”一体化技术体系。
- 推出“1+X”应用范式，通过智能中枢与共享能力，推动大模型在多个场景的落地。
- 应用“3-1-N”方法论，实现从简单场景到复杂场景的逐步推广。
- 部署DeepSeek R1，用于财报分析、AI财富管家、对公业绩考评等场景，提升效率和准确性。
- “天枢百问”智能体上线，提供全天候、可溯源的结算金融AI顾问服务。
邮储银行：
- 发布“邮智”大模型，具有全面能力构建、全栈自主可控、全域场景赋能的特点。
- 构建千卡规模算力集群，实现高稳定、高性能、高集成的算力支撑。
- 建立企业级语料库，涵盖代码、规则、知识、案例等多种类型。
- 实现大小模型协同算法，从感知增强到创作生成，支撑场景建设。
- 强化安全可信体系，涵盖静态和动态安全，构建全方位人工智能安全技术。
- 推出“点线面体”方法论，推动大模型在九大业务闭环场景的落地。
- 部署DeepSeek V3和R1蒸馏版，增强智能问答、智能合规、智能研发等能力。

股份制银行

招商银行：
- 建立人工智能实验室，聚焦大模型技术体系，推动AI中台和应用框架建设。
- 探索自上而下和自下而上的场景落地机制，结合FinTech基金支持创新。
- 构建大模型应用安全治理体系，涵盖数据、模型和应用三个层面。
中信银行：
- 打造“1+2+3+N”大模型应用平台，包括仓颉大模型平台。
- 引入100多个大模型应用模板，支持快速构建场景。
- 实现大模型与空间交互、金融量化等技术融合，提升客户服务和投资陪伴能力。
民生银行：
- 构建大模型技术体系，围绕数据、模型、平台、算力展开。
- 采用“想-试-落-推”机制推进场景建设，逐步从易到难拓展。
- 分为智慧问答、智慧坐席、智慧研发、智慧办公等八大领域，逐步实现规模化应用。
华夏银行：
- 推进大模型建设路径，探索多种应用场景。
- 实现大模型在多个业务场景中的实际应用与效果提升。

城商行

北京银行：
- 构建AI中台，实现大小模型协同，推动全栈国产化。
- 推出“智慧小苏”大模型服务平台，提升业务智能化水平。
江苏银行：
- 推出“智慧小苏”大模型服务平台，结合DeepSeek R1进行部署应用。
- 探索大模型在金融业务中的应用，如智能客服、智能办公等。
青岛银行：
- 推出AI大模型行动方案，强化人才组织能力支撑。
- 探索大模型在业务场景中的应用，如智能客服、智能风控等。

典型案例

知识库类应用：
- 邮储银行“小邮助手”、北京银行智能合规助手、杭州银行制度知识库检索平台、宁夏银行智能金融知识库。
智能客服类应用：
- 工商银行坐席智能辅助系统、光大银行智能知识辅助助手、邮储银行手机银行智能助理、交通银行云上交行智能客服大模型。
数据分析类应用：
- 中原银行智能指标和分析平台、工商银行对话式数据分析、邮储银行数据智能化服务、广发银行智能数据分析助手。
代码类应用：
- 工商银行智能编码助手、平安银行CoPArtner、微众银行Multi-Agents、邮储银行研发测试大模型、交通银行智能化代码开发助手。
创新场景探索：
- 工商银行ChatDealing对话交易助手、平安银行审计大模型“慧小喵”、兴业银行反洗钱报告生成、招商银行智能投研助手、工商银行个人金融营销助手。

总结

2025年，中国银行业大模型应用呈现加速趋势，政策支持、技术成熟度提升以及DeepSeek等推理模型的出现推动了银行在多个场景的落地。银行在技术体系、算力建设、数据管理、安全合规等方面不断优化，以实现大模型的高效应用。同时，大模型在提升效率、优化服务、增强风控等方面展现出显著的业务价值，为银行业带来新的发展契机。

展开完整摘要