大模型开启金融行业全新智能时代
思瀚产业研究院    2025-09-02

1、大模型驱动金融机构全面加速智能化转型

政策层面，我国已给出了明确的指导意见。2024年1月，金融监管总局等七部门联合印发《推动数字金融高质量发展行动方案》，提出布局先进高效算力体系，强化模型和算法风险管理；2024年12月，我国金融监督管理总局印发了《银行保险机构数据安全管理办法》，为银行保险机构规范数据处理、保障数据安全、促进数据开发、完善监管效能等方面提供了全面、细致的规范标准；2025年7月31日召开的国务院常务会议，审议通过了《关于深入实施“人工智能+”行动的意见》（以下简称《意见》）。

“深入实施”标志着“人工智能+”行动正式从政策倡导迈入规模化、商业化落地阶段。我国金融IT投入持续增加，根据IDC数据，2024年中国银行业IT投资规模达到1,693.15亿元，同比增长3.6%，预计在2028年将达到2,662.27亿元。2024年中国金融行业生成式AI投资规模为36.26亿元，预计到2028年投资规模为238.04亿元，增幅达到556.5%。

在智能时代背景下，我国各类金融机构均加码大模型投入，且各有侧重。国有大行以自主可控为核心，优先保障算力底座自主建设，兼顾千亿级模型再训练与多智能体协同；股份制银行平衡算力成本，侧重模型场景化微调；区域性银行关注低成本算力租用、复用，追求“开箱即用”，保险机构重点关注决策模型与大模型模型配合使用，提升核保核赔效率；证券与基金公司低时延交易与智能投研，侧重高性能算力与金融蒸馏模型，通过A2A与MCP协议构建生态。

金融大模型开启了金融智能时代的新篇章。随着政策加码，金融大模型技术升级，应用场景的不断丰富，新旧智能时代转换的拐点将至，金融行业的全新智能时代将完成从“工具导向”到“超级生产力”的跨越。

2、强推理和多模态、多个模型深度配合与内外部协同的智能体推动金融走向智能化

“强推理+多模态”是当前人工智能技术发展的关键方向。仅仅“看懂”多模态数据并不足够，医疗和保险场景等复杂场景更需要较强的因果推理能力。例如：AI不仅要识别票据金额和项目，还要推断这些项目是否与患者诊断、治疗方案一致；在保险定损中，AI需要结合事故图像、维修价格体系、历史理赔数据，推理出最合理的赔付金额。“强推理+多模态”技术通过整合视觉、文本、空间等多维信息与高级逻辑推理能力，正深刻重构AI对物理世界的理解范式，从而满足其在复杂场景中的应用需求。

某保险公司⸺多模态+强推理辅助智能理赔。某保险公司推出基于多模态技术及强推理能力的“车险人伤智能定损机器人”，实现了伤情诊断与赔付标准的自动生成处理，仅需上传伤情照片与索赔材料，即可精准分析伤情、精准计算理赔金额，实现快速赔付，同时还可为伤者提供康复建议等人性化服务，极大提升了该类案件的理赔效率。自2024年3月正式上线启用以来，人伤智能定损机器人的单证分类及伤情识别准确率分别达到95.6%和88.3%。

“多个模型”深度配合是增强决策精准度、推动业务创新的关键。大模型适用于对语义理解和自然语言处理要求较高的场景，如智能客服、智能创作、智能营销等，提升深度推理与非结构化数据的处理效率；决策类的小模型专注于对结构化数据精准判别，在快速响应与细分专业场景中有天然优势。大小模型的深度配合，是满足金融机构对多样复杂场景中的模型应用需求、提升金融业务价值的重要方式。同时，通用模型与专精模型相互结合与灵活适配，也是降低模型运行成本，提升模型应用效果的重要策略。

某股份制银行⸺业务场景的AI化升级。某股份制银行在财富等业务场景中率先部署AI智能助手，通过大语言模型的知识理解能力与小模型的数据处理优势深度结合，实现了服务模式的智能化升级，能够深度理解客户口头表述中的潜在需求，例如当客户提到“希望稳健增值”时，AI助手不仅能识别风险偏好，还能结合市场行情自动生成包含国债、同业存单等低波动产品的配置方案。该应用显著提升了客户经理的服务效率，使专业财富规划服务得以覆盖更广泛的客群。

“内外部协同的智能体”将在复杂的金融业务场景中创造显著价值。内部智能体主要服务于金融机构内部运营，满足内部数据安全与合规要求；外部智能体聚焦零售与对公用户，为用户提供个性化服务，增强用户体验。内外部协同的智能体可以减少金融机构“内部业务闭环”与“外部生态联动”的割裂现象，通过内、外智能体的能力互补与流程协同，可以解决单一智能体难以覆盖复杂业务场景的痛点。

某国有银行⸺打造多智能体协同的智能研发体系。某国有银行通过强化大模型软件工程长思维链、动态决策和意图理解能力，建成具备需求理解与拆分、方案设计、代码生成、问题修复以及IDE工具调用、命令执行功能的研发垂直领域智能体群，各智能体通过分布式决策、调用路由、知识共享等机制相互协作，形成一支高效AI研发团队，实现AI程序员根据需求自主生成原型工程代码的能力,为金融业务的创新带来突破。该项目的落地使得团队单位时间编码效率提升约23%，月人均完成需求项（feature）增长30%，仅编码环节24年增效价值4069.9万元。

3、金融领域正加速迈向基于AI原生的智能重构阶段

金融行业正在经历从"工具赋能"向"智能重构"的战略转型，AI不再仅仅是提升效率的辅助工具，而是成为重构业务模式和生产关系的核心驱动力。从用户需求来看，随着数字原生代成为主流客群和数字化渗透率的持续提升，用户对金融服务的期望发生了根本性转变。他们更加看重超个性化服务，期望获得一对一的个性化服务，而非标准化的产品推荐。而AI大模型在客服、产品推荐等场景的应用，显著提升了客户满意度与忠诚度。

AI大模型能够理解用户特定场景下的金融需求，并提供恰如其分的支持。例如，当用户表达"想给自己买养老金"的需求时，AI能在几秒内生成相关方案。从行业发展来看，随着AI大模型所带来的技术底座重构、交互方式变革等在行业中的深化，AI原生应用已成为金融科技演进的核心方向。与传统金融应用中简单嵌入AI功能不同，AI原生应用是从设计之初就以AI为核心驱动而构建的系统，其每个组件和交互流程都深度整合了人工智能能力，形成了自我演进、持续优化的生态体系。

从技术发展来看，一方面，多模态+强推理技术已成为提升AI原生能力的关键。智能体能够整合文本、图像、音频等多种数据类型，显著提升了客户服务精度和风险管理能力。另一方面，智能体架构的成熟是金融AI原生应用发展的关键突破。其作为一种能够自主感知环境、分析信息、做出决策并采取行动以实现特定目标的系统，使得金融服务从被动转向主动，其能够主动规划、分解任务并协调执行复杂金融操作，正重塑金融机构的运营模式和客户体验。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。