从拼网点人力到拼AI算法，银行业加速驶入智能化新阶段lg...

人工智能正在改变银行业的底层竞争逻辑。过去，银行比拼的是网点数量、牌照资源和人力规模；如今，决胜点逐渐转向数据积累的厚度、模型应用的深度和算法决策的效率。这一转向并非停留在战略口号层面，而是真金白银的投入。

2025年，13家主要上市银行金融科技合计投入已站上1800亿元关口，其中国有六大行合计超过1300亿元。资金投入快速高企，风险治理压力也随之而来。2026年6月，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，以32项具体要求搭建起金融AI治理的制度框架，明确把AI风险纳入全面风险管理体系。这意味着，银行业的AI竞赛既是技术战，也是合规战。

银行业拉开“智算”差距

从投入情况来看，国有六大行构成第一梯队，2025年工商银行金融科技投入285.88亿元，建设银行267.22亿元、农业银行256.47亿元、中国银行250.01亿元，四家均突破250亿元。邮储银行信息科技投入约117亿元，交通银行科技投入占营收比达5.78%。更关键的是，大行的资金使用正从“铺系统”转向“用模型”。2026年半年报显示，工行、建行AI落地场景均超600个，中行智能化助手超2200个。

股份制银行则主打“精品路线”。招商银行2025年信息科技投入129.01亿元，占营收4.31%，提出“AI First”理念，在856个业务场景落地AI应用。以招商银行为代表的股份制银行不追求大而全的自研，而是围绕零售、财富管理、风控等优势领域做深做透，形成差异化的AI能力。

作为中国民营银行的代表，微众银行和网商银行成立之初就以技术为核心驱动力，走出了一条AI原生的差异化道路。微众银行科技人员占比常年保持在50%以上，累计提交专利申请4000多件，获得授权专利1300多件，户均IT运维成本压到每年2元左右。网商银行在AI风控辅助下，疑难复杂的信贷审批可以缩短至10分钟以内。AI技术使其能够以极低的边际成本，为海量“尾部客户”提供可持续的金融服务。

与头部机构的从容相比，大量城商行、农商行与村镇银行仍被困在资源约束里。调研显示，多数中小银行AI专项预算仅几十万到百万元，科技部编制往往寥寥数人，顶尖算法人才因地域因素难以引进。

面对资源约束，中国中小银行正在探索一条“轻量化AI”的务实路径，通过采购成熟的AI产品和服务，聚焦本土特色场景实现快速落地。以DeepSeek为代表的开源大模型为中小银行带来了机遇。中小银行互联网金融联盟的调研显示，53.23%的中小银行将“大模型技术突破”视为推动数字金融转型的重要动因，而开源技术正在成为缩小技术差距的关键杠杆。2026年上半年，金融行业大模型中标项目达400余个，同比大幅增长，银行是绝对主力。中小银行的AI路径，正从“要不要做”转向“怎么以最低成本做对”。

AI渗透前中后台

如果说投入规模反映的是“意愿”，那么渗透深度反映的则是“能力”。衡量AI渗透的深浅，指标正从“有没有大模型”转向“用得多不多、用得好不好”。2026年上市银行半年报中，模型调用规模、智能体数量、AI使用频次等量化指标首次密集披露。

透过这些量化指标，前台业务的改写最为直观。零售端，银行依托对客户交易行为和资产状况的深度分析，实现千人千面的产品推荐。招商银行提出的“AI First”战略，其核心正是将AI能力嵌入零售客户经营的每一个环节。财富管理端，智能投顾与智能投研辅助已成为高净值客户服务的标配。

AI的应用并不止于获客与营销。在中后台，它的价值释放得更为充分，中台风控正成为价值最大、落地最深的领域。过去风控主要看静态财报和人工经验，现在AI能整合交易流水、行为数据、产业链乃至卫星遥感等多维信息，实现动态识别与提前预警。网商银行搭建了卫星遥感、数字供应链与智能交互式风控三位一体的体系，服务数千万小微经营者。从行业看，2025年末商业银行不良贷款率1.50%，环比下降0.02个百分点，拨备覆盖率205.21%，资产质量改善是多重因素合力，但AI风控的精准度优势正在转化为可观测的结果。

后台环节的事务性特征更强，AI的替代也最为直接。智能客服已成客户服务主力，机器人流程自动化与大模型结合实现了票据处理、数据录入、报表生成的自动化；合同审查、反洗钱监测、监管报告生成等传统高人力投入环节，也通过AI工具提效。

当AI接管了越来越多的事务性工作，银行的内部组织形态也随之生变。招商银行2025年末研发人员达11051人，占员工总数9.09%，在传统银行中已属高位。未来银行的人才构成中，数据科学家、AI产品经理与算法工程师占比将持续上升。2025年以来，由AI驱动的“数字员工”从试点走向规模化落地，运营、客服、数据中心等中后台部门引入智能体，承担工单处理、信息查询与报告生成等常规工作。

鼓励创新与守住底线

技术快速渗透的同时，监管框架也在同步成型。2026年6月18日，金监总局《指导意见》正式落地，这是中国金融监管领域首个专门针对AI应用的系统性文件，标志着金融AI治理进入制度化阶段。

文件从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督七个方面提出32项要求，核心原则可概括为：谁使用谁负责、自主可控、务实高效、安全发展。在治理架构上，要求金融机构把AI风险纳入全面风险管理体系；在数据治理上，强调数据安全与个人信息保护底线；在算力建设上，鼓励统筹规划、避免盲目重复。

其中，最值得关注的是高风险场景的准入管理。《指导意见》明确将资金交易、资产评估、信贷审批、承保理赔、风险管理等列为核心高风险领域，要求机构建立严格准入控制，经风险管理委员会批准后方可实施，并构建系统化评估框架。与之相对，智能客服、文档处理等低风险内部效率类应用，则获得包容式创新的弹性空间。

地方层面也迅速跟进，2026年9月，上海金融监管局印发专项措施，细化数据合规、面向公众的生成式AI模型备案登记、高风险场景准入等要求。

监管引导与市场实践相互呼应之下，业内对AI转型的观察也更为清醒。银行业的AI转型不是买几套工具就能完成，它需要长期持续的投入、跨部门的组织协调，以及把AI深度嵌入核心业务流程的决心。同时，金融事关风险与信任，完全的自动化决策在可预见的未来并不现实，AI更多扮演增强人类专业判断的角色，而非替代决策者。对每一家银行而言，真正的挑战不在于“是否上AI”，而在于“以何种节奏、在哪些场景、投入多大强度上AI”，以及如何在创新与风险之间找到精准平衡。

（作者：申雪娇）