随着以大模型为代表的新一代人工智能技术蓬勃兴起，金融业立足数据资源富集、应用场景丰富、市场规模庞大、信创积淀深厚的行业优势，坚持走中国特色金融发展之路，立足需求、基于场景、渐次推进、迭代发展，扎实推动“人工智能+金融”取得明显成效。出台一批指导性政策文件，制定一批代表性标准规范，涌现一批创新性优秀成果，形成一套“先外围后核心、先辅助后协同、先对内后对外”的应用范式，实现人工智能应用从外围场景渗透到核心领域，从辅助工具发展为“智慧大脑”，从“对内运营提效”延伸到“对外服务提质”，全业务链条、全服务维度智慧赋能，为金融高质量发展注入强劲动力，也为各行业各领域深化人工智能应用提供了鲜活样本。

 

应用场景从通用简单迈向专业复杂。当前，大模型已成为金融创新的新引擎，应用场景已从辅助办公、智能客服等领域的局部探索，加速向信贷风控、合规审查、智能投顾等核心业务领域渗透，呈现出全面开花的良好态势。大模型正从完成数据录入、账单核对、标准化咨询答复、固定规则风控筛查等重复性流程化工作的辅助工具，加速升级为具备感知、规划、决策、执行、反思能力的智能体。它不仅能理解复杂指令，还可智能调用应用程序接口（API），实现多个子系统协同，完成跨流程、多步骤的复杂任务链。

 

服务对象从内部员工审慎拓展到外部用户。在服务内部员工方面，人工智能已广泛应用于为客服、风控、审计、研发等岗位员工提供知识问答、数据分析、报告生成、辅助编程等，成为提升工作效能、降低劳动强度的得力助手。在服务外部用户方面，由于大模型存在输出结果的不确定性，因而金融机构普遍采取审慎策略，相关应用仅在手机银行智能客服、网点自助终端业务办理等场景开展小范围试点探索，并配套人工服务、舆情监测、应急处置等保障措施。

 

技术支撑从通算体系加速向智算体系转变。在算力方面，金融业正加速引进智能算力，积极探索云、管、边、端协同及量子大模型等新算力模式。智能算力规模快速增长，与通用算力协同构建支撑业务发展的算力底座。在数据方面，针对大模型应用的数据需求，金融机构不断拓展外部数据资源，深挖内部数据价值，建立全生命周期管理机制，强化多模态、高质量金融数据汇聚、治理与共享能力，为模型训练优化及应用提供充足高效“数据燃料”。在模型方面，金融机构采取开源与自研并举、通用与专用结合、大模型与小模型协同的策略，一方面积极稳慎选用开源的基础大模型，另一方面按业务场景自主研发不同垂域大模型。