摘要：人工智能正驱动银行业发生范式级跃迁：由数字原生阶段的流程自动化演进为AI原生阶段的认知自主化，其核心在于以大模型为基座的生成式智能体重构风险定价函数、重塑信贷生产函数，并推动金融中介由信息匹配者转化为企业全生命周期价值共创者，由此开启普惠金融4.0的认知金融新
人工智能正驱动银行业发生范式级跃迁：由数字原生阶段的流程自动化演进为AI原生阶段的认知自主化，其核心在于以大模型为基座的生成式智能体重构风险定价函数、重塑信贷生产函数，并推动金融中介由信息匹配者转化为企业全生命周期价值共创者，由此开启普惠金融4.0的认知金融新范式。
技术变革与金融重构的交汇点
当一家数字银行的企业贷款申请客户数在2025年突破600万，其中38万家企业首次获得银行贷款时，一个深层变革正在发生——AI已从辅助工具进化为金融系统的核心驱动力。这场变革的起点可追溯至2024年DeepSeek大模型的横空出世，其开源的72B参数模型在银行从业资格考试中以67.15分的平均成绩超越GPT-4，标志着专业级AI技术进入普惠时代。与此同时，银行业AI日均调用量较两年前激增500%。政策层面，央行将“AI渗透率”纳入商业银行评级体系。在这三重力量的推动下，中国银行业正经历从“数字原生”向“AI原生”的范式跃迁。
AI重塑银行业——从数字原生到AI原生的战略跃迁
技术普惠：DeepSeek横空出世，大幅降低AI应用门槛
近年国内银行业数智化转型进程已逐步迈入功能完善化、场景全面化、应用日常化的“半熟”阶段，基础科技产品的普及度较高，信创进程稳步推进，银行科技投入的规模整体呈现上涨趋势。
2024年，中国大模型DeepSeek的横空出世，标志着生成式AI技术进入平民化时代。传统上金融机构部署专业AI系统需投入千万级算力成本，而DeepSeek开源的7B、14B、32B、72B系列模型，通过参数精简与垂直领域优化，使金融机构无需天量算力投入即可构建专业级AI能力，技术门槛的降低，让AI从“科技巨头的专利”转变为“银行业的标配工具”。据不完全统计，现已有20余家银行拥抱人工智能，部署应用DeepSeek大模型。
战略升维：政策与需求双轮驱动下，银行业AI投入进入爆发期
银行业对AI的拥抱不仅是技术演进，更是生存战略的必然选择。政策上，《金融科技发展规划（2022—2025年）》中明确提出“抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域深化应用”，而在2025年这一收官之年，年初的科技工作会议中也提到“加快金融数字化智能化转型，安全稳妥有序推进人工智能大模型等在金融领域应用”。此外，2024年央行在金融机构评级指标中也正式新增“数据治理与 AI 应用能力”模块，权重与资本充足率、资产质量并列，政策积极引导银行业AI化进程。
需求上，根据中国银行业协会发布的《2024年度中国银行业发展报告》，金融与人工智能有天然的契合点。一方面，银行业坐拥海量结构化交易数据与非结构化交互数据——以银行业为例，各企业金融数据储量达PB级，涵盖纳税、供应链、电力等百维指标，这些数据过去沉睡在孤岛中，如今成为训练AI模型的天然燃料；另一方面，银行业具有适用AI大模型技术的丰富场景，涵盖智能风控、精准营销、自动化合规审查、客户服务交互优化及运营效率提升等核心环节。
面对金融大模型等新兴技术产品的崛起，新阶段国内银行业积极拥抱变化，科技市场的核心关注点将围绕新兴技术的多场景应用与价值挖掘，据媒体报道统计，现已有20余家银行拥抱人工智能，部署应用DeepSeek大模型，2025年，头部银行平均部署超10个大模型，4000余名员工具备AI应用开发能力，GPU单卡训练成本降至三年前的37%。而未来，根据IDC调研显示，过半受访金融机构表示在未来18个月内用于生成式AI项目的预算占总预算比例为30%～39%。
范式跃迁：从数字原生到AI原生的上下求索
2024年是银行AI原生的元年。在此之前，中国银行业已经经历了从“物理网点”到“线上渠道”的线上化、从“流程电子化”到“数据驱动”的数字化、从“工具应用”到“智能融合”的智能化等发展阶段，而随着AI技术的成熟与落地，银行业加速迈向智能化，AI也从辅助工具升级为关键生产力。
线上化解决了“可达性”，数字化解决了“洞察力”，智能化提升了“效率与体验”，而数字原生与AI原生则正在深刻定义未来银行的形态和核心竞争力，推动银行业进入一个以智能为核心驱动力的全新时代。
当前大部分银行已处于数字化阶段。数字原生时代的核心业务模式是渠道线上化、流程自动化与产品标准化。渠道数字化，如手机银行替代物理网点成为主入口。流程自动化，如机器人流程自动化（RPA）处理规则明确的任务可节省人力成本40%～60%，但无法处理复杂决策。产品标准化，如推出纯线上贷款、数字账户体系等产品，解决金融服务“从无到有”的问题，但决策逻辑仍依赖规则引擎与统计模型。
而2024年以来，数字银行进入AI原生阶段，数字原生时代的一些桎梏正逐步被打破。AI原生以认知智能为核心，真正实现了从“自动化”向“自主化”的进化，这种进化呈现出了决策机制重构、服务范式进化和组织形态变革的三重突破。决策机制重构方面，智能决策取代了规则引擎，如贷款业务从传统的“规则+统计”变成了“生成式推理”，AI策略智能体可自主处理多项复杂任务；服务范式进化方面，主动服务替代了被动响应，如企业智能助手从“功能堆砌”变成了“场景智能体”，可嵌入业务流程断点提供实时决策支持；组织形态变革方面，人机协同成为常态，数字员工生态也正在被构建以替代重复性劳动。总体而言，AI已经从一种效率工具进化为核心引擎。
DeepSeek让银行应用AI的技术门槛大幅降低，也为技术能力始终处于劣势的中小银行大幅提升了获得应用AI大模型能力的可能性。对于中小银行来说有机会跟上AI的发展步伐，但从数据积累基础、资金人才规模、数据治理能力方面都能看出这绝非易事。中小银行要加速迈入AI时代，可先从传统的“AI+”工具叠加模式开始，再逐步转向以人工智能为底层核心的系统性重构，完成真正的“AI原生”。这要求银行构建分层解耦、模型可插拔的技术基座以提供灵活支撑，并将AI能力深度嵌入主营业务的全流程以实现价值重塑；同时，通过建立涵盖技术、业务与治理的立体化人才矩阵，构建出能应对新型风险的多维风控体系；最终，通过技术、业务、组织与治理的深度融合，中小银行才能以“数字有机体”般的敏捷性，完成这场颠覆性变革，在智能化竞争中占据先机。
重构企业金融——三大核心场景的AI升级构想
随着技术的不断演进，世界经济格局正经历深刻重构，全球经济增速放缓、产业链深度调整、地缘政治摩擦升级三重压力交织。中小微企业作为中国经济的核心支柱，是扩大就业、改善民生、促进创业创新的重要力量，在这一系列剧烈变化中既面临着前所未有的挑战，也迎来了新的历史机遇——一方面，需求收缩、订单转移、原材料价格波动、供应链中断等风险加剧，传统盈利模式受到冲击；另一方面，数字技术下沉、绿色低碳转型、国产替代和新消费场景的爆发，又为专精特新企业打开了“弯道超车”的窗口。企业的生命周期被显著压缩，从初创、成长到成熟、转型的节奏加快，不仅对资金的需求有变化，亦出现了“信贷+”的多元金融需求。金融作为中小微企业的重要支持力量，也必须因时而变，在中小微企业的全生命周期里提供适配、精准、可持续的综合金融服务，真正释放中小微企业的新活力，实现经济高质量发展的良性循环。
银行是中小微企业金融服务供给的绝对力量，没有物理网点、以技术为发展核心驱动力的数字银行又是其中极为特殊的存在，可以说，在AI原生时代真正爆发之前，数字银行已经站在了AI技术带动的时代变革路口，并率先开展了从数字原生到AI原生银行的探索。我们认为，AI原生架构在企业金融的经营与客户服务方面具备丰富的适用场景，并有望在多个关键环节发挥重要价值：对外，AI深度融入金融服务的全流程可以更好地服务中小微企业需求；对内，AI能力渗透到组织内核能提升企业整体经营效能。如果说原来的“数字化”模式是以数据和大数法则构建的运营路径，那么“AI原生”模式则可以成为服务企业全生命周期经营的“大脑”。
具体到企业金融的业务上，结合本人所在机构的实践，AI技术能在营销获客、风险管理和用户运营等场景巨大潜力。
场景一：获客营销的基因级改造，生成式AI驱动线上营销升级
数字化营销是银行数字化手段中最重要的组成部分。随着近年来经济下行压力、流量见顶，企业客户经营逐渐从粗放式的运营增长转向精细化、数字化、智能化的运营方向，通过“数据+生成式AI”可以在规模、效益和客户体验三个方面带来升级。
首先在规模上，受地域分散影响和触客渠道的限制，原来银行对中小微企业的获客非常困难，面临服务成本高、风险成本高、运营成本高的“三高”难题，因此融资难融资贵一直是中小微企业面临的一大痛点。随着银行数字化进程的推进，触达的问题在一定程度上被解决，但中小微企业贷款营销仍如大海捞针——依赖广告轰炸的转化率不足0.5%，服务业客户也常收到科技贷款推送。而AI恰好可以解决这一痛点：前端以全互联网埋点为“传感器”，实时汇聚5000万企业主在税务、票据、广告、公众号、APP等场景留下的每一次点击、查询、停留，形成毫秒级刷新的客户360视图；中台利用大模型组成异构加速集群，在成本可控的算力底座上做分段式训练，把小微企业的备货周期、纳税节奏、贴现频次转化为可量化的融资需求信号；后端则由生成式AI按需“基因编辑”广告素材并依据客户的渠道偏好自动选择分发路径，实现“千人千面”的精准指导。
其次在效益层面，分段式训练的模型架构、异构式模型加速框架可有效实现低成本的模型构建，并通过生成式AI和垂直领域大模型为小模型调优提高性能：如大模型模块可为电销带来名单百产提升，个性化营销模块可在提款率、提款金额等指标上实现优化、即时营销模块可带来户数提款率的增长等。
最后落到用户体验上，生成式AI可以辅助生产更多营销素材和更适配的个性化内容，比如在线上广告场景，通过使用文生图等AIGC素材生成能力，可生产包含了不同配色、风格、卖点等元素的广告素材，不仅能覆盖更多金融场景，还能结合客户的属性和产品偏好定制出更个性化的营销内容，这样可以有效提高小微企业客户的专属体验感。
场景二：风险管理的全息化跃升，智能体拼成统一“AI风险大脑”
营销实现获客后，下一步重点是对用户的风险判断。传统的数字化风控核心在于风控流程的线上化与各类数据的打通，其核心作用是对流程效率的提升和用户体验的优化，但整体仍主要依赖于数据分析和专家经验，且迭代周期会以周甚至月为单位。而生成式AI则可在很大程度上让数据驱动模型替代专家经验来做出最优决策，迭代周期以天或小时为单位。
2025年以来，我们开始尝试利用AI技术构建统一的AI Agent风险大脑，目前已经形成了包括AI反欺诈、AI授信、AI用信、AI用途管控、AI贷后管控、AI合规监控在内的六大垂直智能体。AI Agent风险大脑贯穿于信贷服务的前中后各个环节，可以更好地平衡风险控制与业务增长，并精准定位高价值客群与潜在风险点，进一步减少人工干预，提升整体运营效率。以贷前授信审批为例：AI审批员可融合专家经验搭建风险知识库，实现信息智能分析与初审智能化，智能生成审查报告，提升风控审批效率，同时AI还可通过辅助财务分析报告和行业分析报告来揭示企业的财务风险异常点和行业风险，减少人工耗时。
场景三：数字经营的智能体生态，AI原生成为业务经营的“大脑”
数字经营是一个贯穿用户服务全流程的工作。企业客户的全生命周期管理涉及引入期、成长期、成熟期、沉默期等众多复杂环节，传统客户经营方式往往面临效率与精准度的双重挑战。而AI原生模式可以覆盖从获客到服务的全流程，在每一个关键节点实现智能决策与效率提升，通过深度人机协同，让AI不仅成为业务执行的“助手”，更进阶为统筹全局的“智慧大脑”，最终实现全生命周期经营的科学化、自动化和最优化。例如通过AI技术建立一整套从“策略制定”“策略执行”到“成效跟踪”的数字经营体系，可在提升经营决策的科学性和准确性的同时提高客户满意度和转化率。比如“AI经营策略”可以深度挖掘可能带来价值的客户，并给出跟进策略方案，同时进行策略部署，给出优先跟进排序，最终进行智能经营效果分析的一套体系。又如“AI客户洞察”可以通过AI自动补充完善客户档案信息，建立客户360视图，智能分析销售互动记录，进行客户洞察及预测，为客户提供更匹配的服务。
面对市场环境的深刻变化，银行业基于多年积累的千亿级企业数据与AI技术实践，持续推动银行服务向AI原生模式进化，通过数智化创新服务及产品持续不断实践落地，推动中国普惠金融发展进程。在此之前，普惠金融1.0的特征是原始粗放的、小规模的、高成本低效率的，2.0的特征是线下的、有抵押的、限制条件多的，3.0的特征是线上的、标准化的、规模化的。事实上，普惠金融3.0已经在很大程度上解决了中小微企业融资难融资慢的痛点，而当前正在探索的普惠金融4.0将更聚焦于企业客户全生命周期的服务、陪伴企业客户共同成长。助推中国经济的高质量发展是作为有社会责任感的银行持续不断的追求，科技进步永无止境，我们的探索也永远在路上。
来源丨《清华金融评论》2025年9月刊总第142期
编辑 | 兰银帆
审核丨白雪
Review of Past Articles -01
02
来源：清华金融评论