金融Agent落地，誰能「敲開」銀行的大門？

金融Agent落地，誰能「敲開」銀行的大門？

懂財帝

生成式AI，將給全球銀行業帶來超過2000億美元（約合人民幣超過1.4萬億元）的商業增量。這是中國商業銀行的新發展機遇，也是中國科技公司前所未有的成長機遇。

??懂財帝出品 · 作者｜嘉逸

中國銀行業，正站在新技術周期的拐點。

2025年，AI加速落地應用，AI Agent爆發，成為了破解銀行技術焦慮的利器。

AI Agent，底座是AI大模型，能感知金融環境、推理決策和規劃行動步驟。更重要的是，它還能執行具體任務，并根據結果進行反饋和調整。相當于，給“大腦”裝上了“手腳”。

由此，AI從虛擬世界落地到銀行的信貸、風控等核心業務場景，開始重構生產力。

例如：在復雜的流程中，金融Agent自主完成任務流并輔助決策，大幅減少人工干預，實現降本增效。在客戶服務中，它能提供智能便捷的交互體驗和個性化的金融產品。

資料來源：《2025年金融智能體深度應用報告》

目前，金融Agent已經成為“一把手工程”或“核心工程”。

浦發銀行副行長丁蔚表示，場景+智能體正成為金融創新的新領域，將激發出無限的創新可能性。

工行首席技術官呂仲濤認為，金融業大模型應用將從以模型預訓練為重心的上半場，走入以先驗知識+后訓練+智能體應用的下半場。

中信百信銀行首席數字官陳龍強更是高呼：“AI Agent布局應‘抓緊上車’”。

資源也隨之傾斜、加碼。我們觀察到：部分頭部銀行，AI實力雄厚，正自主研發、落地金融Agent。同時，在科技公司的賦能下，有更多的中小銀行跨越“技術鴻溝”，也正向AI銀行進階。

1 ｜ 金融Agent「如火如荼」

銀行，數字化基礎相對完善，擁有海量數據，是AI落地應用的最佳場景之一。

當前，金融Agent的建設，正如火如荼。

國有行方面，“宇宙行”工行對于金融科技的投入最闊綽，2024年支出規模達285.18億元，位居首位。它基于自研的“工銀智涌”大模型，正建設智能體工廠，已經打造出了數據洞察智能體、財富助手智能體。

其中，數據洞察智能體已賦能行內超過2萬名數據分析人員、超過20萬名管理、營銷、運營人員，已將數據分析時長從小時級縮短至分鐘級。

農行2024年金融科技投入規模249.7億元，科技人員2.76萬人，僅次于工行。它聚焦信貸場景，創新推出了“模速貸評分卡”智能體。

這是一張由AI輔助生成的評分卡，根據人員素質、創新能力、商業化能力、市場化投融資等能力，對企業進行綜合評分。它還能在30秒內一鍵生成上市公司信貸報告，大幅縮短盡調審批時間。據央視報道，基于該智能體，農行上海徐匯支行已經為專精特新企業上海卓繁信息，批出了貸款。

郵儲銀行正積極追趕國有行同業，2024年金融科技投入增幅最大。

它與華為等科技公司合作，已經推出了知識問答、數據查詢、告警研判、日志分析等網絡運維智能體。其中，基于告警研判智能體，已實現行內大部分常見網絡告警的排查自動執行，告警排查自動化率超87.5%，效率提升90%。

股份行方面，招行、平安銀行是“科技明星”。

招行基于自己的科技能力，同時和火山引擎合作，推出了數據Agent，輔助員工數據分析。

平安銀行背靠平安集團科技生態，基于PingAn GPT大模型，構建了AI Agent平臺，已經上線知識數據Agent等智能體。

中信銀行在自研的同時，也積極尋求外部合作，對外招標了部分AI項目。其副行長谷凌云透露，該行基于大模型知識檢索能力構建的智能體，已經輔助650多名坐席人員與客戶對話，部分場景內容檢索效率提升50%以上，每通電話平均時間壓縮超過10%。

去年，浦發銀行新管理層上任后，全力推進數智化戰略。它和華為等科技公司合作，正建設智能體創設平臺，并已推經出“智慧票據”貿易背景審核智能體，輔助票據審核自動化。

廣發銀行很早就和阿里系（阿里云、螞蟻集團）戰略結盟，目前，其打造出的智能數據分析助手，已經應用于數十個分行，表定位準確率70%，數據查詢成功率65%。

頭部城商行“牽手”科技公司，數智化轉型已有顯著成效。

北京銀行基于百億級參數的“京智”大模型，與華為合作，打造了“京騎”AI智能體（AIAgent）應用平臺，已能提供流程編排、插件開發、Agent部署等功能支持，并支持在智能問答、知識檢索、數據分析等業務場景的應用。

上海銀行和數勢科技合作，接入DeepSeek大模型和數勢科技的SwiftAgent智能體技術架構，打造出了智能問數平臺。

據悉，該平臺大幅提升了用數效率，上海銀行業務人員自主用數率從35%躍升至80%，預期能將業務響應時間縮短30%，數據分析效率提升40%。

此外，寧波銀行、南京銀行、長沙銀行、中原銀行、江南農商行等銀行，也已經發布了多個AI大模型、AI智能體采購項目。

類比十年的移動互聯網轉型，如今的“AI+銀行”浪潮更加洶涌澎湃，金融Agent正“全面開花”。

2 ｜ 科技巨頭VS垂類公司，誰更強？

AI，底層基礎設施包括算法、算力、數據，中層是通用或垂類的AI大模型，上層是AI Agent等軟件和應用。

AI能力的建設，是一個極其復雜、高成本的綜合型工程，全球科技公司每年耗資高達數萬億元。

而當前，中國銀行業凈息差持續收窄、業績承壓，銀行機構，尤其是中小銀行“從0到1”打造AI，并不現實。聯手科技公司，或許是解鎖“AI密碼”的最便捷、最具性價比的路徑。

上文也提到，不論是國有大行、股份行，還是區域性城商行，落地AI Agent都離不開科技公司的支持和賦能。

目前，市場上能提供金融Agent服務的，主要有兩類玩家：

一類是BATH、火山引擎等科技巨頭，他們的核心優勢在于AI+云的基礎設施，生態能力，綜合解決方案。

如百度，擁有全棧自研、自主可控的AI+云基礎設施和解決方案，打造了通用Agent平臺“心響”App。

公開資料顯示，百度幫助農行打造了“農行金融大腦”。3月，百度昆侖芯服務器中標了招行AI芯片資源項目。4月，百度智能云和興業銀行達成戰略合作，將共同探索智能體中臺、大模型應用等領域。

阿里、騰訊，是全球領先的AI+云巨頭，旗下擁有豐富的生態場景和綜合解決方案，也打造了AI Agent生態。在銀行業中，他們備受青睞。

今年，阿里云中標了河南農商行數字化協同平臺、建行智能編碼等項目，并以更高價中標了中信銀行財富管理大模型項目。

阿里云還透露，四大行已開始接入阿里AI。如工行基于通義千問多模態大模型推出了“商戶智能審核助手”，在商戶準入審核環節，用多模態技術取代了傳統OCR技術。

同時期，騰訊云也中標了濰坊銀行AI中臺體系建設等項目。

騰訊云表示，過去10年，國內Top200銀行有90%選擇了騰訊云。如中國銀行，基于騰訊云TI平臺和大數據TBDS，打造了面向分析師的智能工作臺，已服務超過4000名分析師。華興銀行在騰訊云的幫助下，打造了大模型信貸盡調助手，將盡調報告生成周期從7~10天大幅壓縮至1天，工作效率提升10倍。

華為同樣擁有領先的AI+云能力、綜合解決方案，還有強大的政企服務能力，它已幫助郵儲銀行、浦發銀行、廣發銀行、北京銀行等，研發、落地了金融Agent。

近兩年，火山引擎迅猛崛起，得益于豆包大模型的綜合能力已躋身全球第一梯隊，及推理成本持續下探。

據統計，去年下半年，火山引擎中標AI大模型、AI Agent相關項目的數量位居行業第一。2025上半年，在銀行業中，火山引擎相繼斬獲大單，中標了貴陽銀行大模型智能中臺能力建設項目、成都銀行大模型分析系統采購項目、中原銀行智能體應用開發平臺項目等。

另一類玩家是垂類科技公司，他們在信貸、消費金融、財富管理等細分場景，擁有深厚的技術、數據積累。

如螞蟻數科，旗下有支付寶、螞蟻消金、螞蟻基金、網商銀行等。今年，它發布了Agentar平臺，近期又聯合金融機構推出來超百個金融場景智能體解決方案，覆蓋銀行、證券、保險、通用四大領域。

如奇富科技，長期深耕信貸場景。信也科技，長期深耕金融領域。合合信息，長期深耕商業大數據賽道。

目前，奇富科技已推出奇富信貸超級智能體，包括端到端授信決策智能體、AI合規助手等。信也科技升級了智能體平臺Zeta，已在自研客服與合規AI智能體取得了突破進展。合合信息已將啟信慧眼升級為商業數據智能決策企業級AI產品。

數勢科技聚焦數據智能，它的優勢在于技術創新，應用NL2Semantics技術路線實現精準取數，應用Multi-Agent架構實現多Agent并行協作。它已經幫助民生銀行、江蘇銀行、上海銀行、中原銀行等機構，打造出了金融數據Agent。

綜合對比來看，在AI+云基礎設施、AI綜合解決方案及AI Agent生態等方面，科技巨頭的優勢無可撼動。但在細分業務場景或某一個金融Agent產品上，垂類科技公司擁有差異化競爭優勢。

他們各有千秋，是競爭對手，同時也是合作伙伴，正共同推動著中國金融Agent生態的繁榮。

3 ｜ 挑戰和機遇

盡管AI Agent火熱，但客觀來看，理想和現實仍有不小的差距。

場景方面，僅有少數銀行在信貸、風控等核心業務環節落地了金融Agent，而大多數銀行則聚焦數據分析、智能問答、知識檢索等非核心業務場景。

并且，金融Agent主要是輔助作用，也意味著，它依然需要人類的監督和干預。

原因是，銀行業資產規模數百萬億元，是中國經濟的“血脈”，也事關14億國人的錢袋子，銀行機構對AI Agent的確準性、可靠性、安全性要求極高。

但目前，部分領先的金融大模型的準確率僅有95%，AI仍時常出現幻覺。

這也是整個AI行業亟待解決的問題，該如何迭代進化？

一位垂類科技公司的高管表示，金融智能體的迭代=金融大模型+知識供給+專業工具+安全+測評+觀測。

未來，需要科技公司和銀行共同努力探索，在合規、隱私保護的基礎上，不斷將數據、資料“喂”給AI大模型，強化其金融專業能力。

同時，要推出更多的AI工具，可以逐步拓寬試點范圍，先進行小規模試點應用，收集反饋，迭代優化，形成“飛輪效應”，再進行大規模的推廣和應用。

最后，還要設置防護欄和可觀測機制，限制AI Agent的行為范圍，實時監控其運行狀態。

除此之外，金融Agent落地應用，還正面臨著成本收益的考驗。

銀行機構精打細算，考核ROI，但短期內，依靠金融Agent驅動業績跨越式增長，不太可能。

數智化轉型，是一個極其漫長的過程。一方面，銀行必須制定出長期、堅定的AI戰略，甚至要“一把手”親自掛帥推進。

另一方面，科技公司也必須更努力的“向上攀登”。誰的AI能力更強，對銀行業務的理解更深刻，金融Agent落地更扎實，以及誰能幫助銀行降本增效，甚至挖掘出業務增量，誰就將收獲更多的訂單。

麥肯錫預測，生成式AI，將給全球銀行業帶來超過2000億美元（約合人民幣超過1.4萬億元）的商業增量。

這是中國商業銀行的新發展機遇，也是中國科技公司前所未有的成長機遇。

說明：數據源于公開披露，不構成任何投資建議，投資有風險，入市需謹慎。

「點贊」「在看」與 「分享」，你對作者最大的支持。