‘AI+金融’系列专题研究（二）：应用场景打开，AI 助推金融机构内部效率与外部价值双升

计算机《AI点亮灯塔工厂，引领智能制造新范式》2025.11.23计算机《计算机周观点第25期：算力、模型、应用协同深化，AI叙事迈向奇点关键期》2025.11.23计算机《谷歌Gemini 3实现断层式领先，大模型竞争格局加速重构》2025.11.20计算机《行业拐点已至，金融是AI应用落地的绝佳“试验田”》2025.11.17计算机《计算机周观点第24期：互联网大厂加码AI应用，沐曦过会国产算力再获推进》2025.11.16 本报告导读： 当前，AI应用已在各类金融机构的核心业务以及中后台场景中加速渗透，助推金融机构内部效率与外部价值双升。 投资要点： 金融AI应用由浅入深，逐步外延。目前大部分金融机构仍在探索和积累阶段，尚未实现规模化深度应用，尤其在复杂业务场景。尽管如此，考虑到金融行业数智化转型需求与大模型技术特性高度契合，且模型技术能力的跃迁与模型部署成本的下降为金融机构探索AI应用提供了良好的“孵化器”，我们认为，实现大模型深度应用将是金融行业发展的必然趋势，目前少量具备良好技术基础和投入预算的头部大型金融机构已开始探索更深层次的AI业务赋能。 AI助力金融机构实现内部降本提效与外部价值挖掘。降本提效方面，AI应用致力于内部运营管理优化、核心业务流程改善以及金融机构员工赋能；价值挖掘方面，AI则致力于金融机构的营销获客、对客服务等，实现销售成交和单客价值的提升。 大型机构加强自研，中小机构追求性价比。由于技术基础和运营重点的差异，不同类型金融机构在大模型技术部署和应用落地方面呈现差异化的发展路径。大型金融机构往往依托雄厚的算力储备和强大的自研能力，以大模型私有化部署的形式实现AI应用的深度渗透；而中小机构则多依赖模型轻量化、大模型一体机等技术形态，实现大模型的灵活接入和应用的敏捷开发。 风险提示。大模型技术发展和迭代不及预期，AI应用落地不及预期，政策与合规风险。 目录 1.投资建议..........................................................................................................32.应用场景打开，AI助推金融机构内部效率与外部价值双升.....................42.1.应用阶段：处在探索和积累期，深度应用是必然趋势........................42.2.应用价值：内部降本提效，外部价值挖掘............................................52.3.应用落地路径：大型机构加强自研，中小机构追求性价比.................63.AI赋能银行：助力前台提质增效，后台流程优化...................................104.AI赋能券商：应用逐步外延，投顾和投研是核心场景...........................145.AI赋能保险：负债端与投资端核心业务全渗透.......................................186.AI赋能支付：支付机构和商户双向赋能...................................................207.风险提示........................................................................................................23 1.投资建议 2025年DeepSeek R1的发布助推通用模型推理能力跃迁和成本锐减，并实现模型开源，成为金融机构本地化部署AI的行业拐点。当前，AI应用已在各类金融机构的核心业务领域以及中后台场景中加速渗透，未来AI有望重构金融业务流程和组织架构，为金融数智化打开新纪元。 从AI落地现状来看，目前大部分金融机构的AI应用仍在探索和积累阶段，尚未实现规模化深度应用，尤其在复杂业务场景。尽管如此，考虑到金融行业数智化转型需求与大模型技术特性高度契合，且模型技术能力的跃迁与模型部署成本的下降为金融机构探索AI应用提供了良好的“孵化器”，我们认为，实现大模型深度应用将是金融行业发展的必然趋势，目前少量具备良好技术基础和投入预算的头部大型金融机构已开始探索更深层次的AI业务赋能。 建议关注： 金融信息服务。相关标的：同花顺、九方智投控股、指南针。 第三方支付。推荐标的：新大陆、新国都；相关标的：拉卡拉。 银行IT。推荐标的：宇信科技、京北方、广电运通、神州信息、中科金财、高伟达、天阳科技；相关标的：长亮科技。 证券IT。推荐标的：恒生电子、金证股份、顶点软件。 保险IT。推荐标的：新致软件、中科软。 2.应用场景打开，AI助推金融机构内部效率与外部价值双升 2.1.应用阶段：处在探索和积累期，深度应用是必然趋势 目前大部分金融机构的AI应用仍在探索和积累阶段。由于技术基础和发展规划的差异，不同类型和不同体量的金融机构在大模型应用落地的节奏方面呈现差异化。我们将金融机构AI应用分为三个阶段：1）开始探索大模型应用；2）有一定模型应用能力且有微调数据积累；3）实现大模型深度应用。 我们认为，目前大部分金融机构的AI应用处在前两个阶段，正在进行技术积累和应用探索，尚未实现规模化深度应用，尤其在复杂业务场景。 资料来源：国泰海通证券研究 大模型在金融领域的深度应用，仍需攻克金融行业属性带来的多重痛点。在大模型深度落地金融领域的过程中，主要面临的瓶颈有：一是技术适配难题，AI模型“幻觉”风险与金融业务对确定性、高精度的需求错位，需“大模型+小模型”多智能体协作；二是数据支撑瓶颈，金融数据敏感分散、格式不统一，隐私计算拉高训练成本，数据质量制约模型精度；三是合规监管挑战，AI“黑箱”特性与监管可解释、可追溯要求冲突，缺乏统一标准；四是价值转化困境，AI项目投入大、周期长，中小机构资源匮乏，ROI难达预期；五是生态协同缺失，跨机构数据确权与标准接口缺失，模型兼容性差。 尽管如此，考虑到金融行业数智化转型需求与大模型技术特性高度契合，且模型技术能力的跃迁与模型部署成本的下降为金融机构探索AI应用提供了良好的“孵化器”，我们认为，实现大模型深度应用将是金融行业发展的必然趋势，目前少量具备良好技术基础和投入预算的头部大型金融机构已开始探索更深层次的AI业务赋能。 2.2.应用价值：内部降本提效，外部价值挖掘 AI应用主要从两方面赋能金融机构：内部降本提效+外部价值挖掘。从内部降本提效来看，AI应用致力于内部运营管理优化、核心业务流程改善以及金融机构员工赋能，例如，AI应用可以提升代码研发效率，实现代码生成、系统测试、代码审核的自动化；此外，AI还可以实现数据分析、报告撰写、运营分析等的自动化，快速生成研报摘要和点评、拜访记录、客户调查报告等。 从外部价值挖掘来看，AI则致力于金融机构的营销获客、对客服务等，实现销售成交和单客价值的提升，例如AI可以通过分析客户兴趣偏好、交易习惯、产品需求等信息，洞察客户并生成营销创意内容；此外，还可以通过AI挖掘高质量话术，帮助销售在不同情况下给出差异化策略与话术，提升客户体验与销售转化。 2.3.应用落地路径：大型机构加强自研，中小机构追求性价比 从AI应用的落地路径来看，由于技术基础和运营重点的差异，不同类型的金融机构在大模型技术部署和应用落地方面呈现差异化的发展路径。大型金融机构往往依托雄厚的算力储备和强大的自研能力，以大模型私有化部署的形式实现AI应用的深度渗透；而中小机构则多依赖模型轻量化、大模型一体机等技术形态，实现大模型的灵活接入和应用的敏捷开发。 以银行为例，国有银行多以全栈自研体系为核心，完成千亿级大模型的私有化部署，并依托国产化算力基础设施构建自主可控的技术架构，将AI深度渗透信贷审批、智能风控、智能客服等核心业务，实现风险评估精准度提升与审批效率跃升。股份制银行多采用轻量化模型与开源生态，结合云计算实现敏捷开发，降低部署成本至百万级，重点优化运营流程与精准营销能力，通过客户行为数据分析提升产品转化率；中小银行则借助开源模型快速微调，以十万级样本低成本落地智能客服、合同审核等场景。 主流大型银行积极推进自有大模型研发和部署。例如，工商银行建立企业级千亿金融大模型“工银智涌”，已赋能20余个主要业务领域、200余个场景。邮储银行依托“邮智”大模型，打造小邮助手、云柜数字员工、信贷大模型、信息科技大模型等典型场景应用，覆盖远程银行、公司金融、风险防控、网点金融服务等多领域。交通银行已搭建以国产GPU服务器为主的千卡异构算力集群，构建千亿级金融大模型算法矩阵，部署大小模型场景超100个，2024年全年释放超1000人力工作量，在反洗钱反电诈、客户服务、集中营运等领域发挥积极成效。中信银行依托“仓颉大模型”+“中信大脑”小模型平台，积极探索AI赋能客户营销、管理决策、运营、风控等重点领域新范式，构建智能服务场景超1600个，2025年上半年，全行依托智能模型增效超8600人年。 与大型金融机构不同，中小金融机构以及金融机构的分支机构可通过大模型一体机实现AI应用的高性价比落地。 根据中国信通院，大模型一体机是一种高度集成的、提供大模型应用能力的系统，它通常采用私有化部署方式，封装人工智能应用所需要的复杂组件提供一种简化、高效且安全的部署与运行环境。其核心理念在于对硬件资源、软件资源、模型资源及垂直领域应用进行深度整合与协同优化，构建一个易用性高的一站式人工智能解决方案，降低企业或机构部署和应用人工智能技术的门槛。 资料来源：中国信息通信研究院，中国人工智能产业发展联盟 我们认为，中小金融机构利用一体机部署大模型具有多方面优势： 首先，一体机可以针对金融机构的特定业务需求提供“开箱即用”的定制化大模型解决方案，并通过软硬件协同优化提高性能，降低大模型部署、业务方案建设和调适的门槛。 其次，由于一体机将所有计算资源集中到一台设备上，在大规模数据训练中可大幅减少数据传输时间，提高计算速度和模型训练效率，使企业能够更快捷地使用和管理资源。最后，本地化部署的一体机能最大程度保障数据隐私和模型安全可控，满足金融机构对数据安全监管的需求。 根据中国信息通信研究院截止2025年10月的调研数据，在调研的企业中，有61.7%的企业推出了应用于金融行业的一体机，越来越多的金融机构开始应用大模型一体机实现模型的快速启动及微调优化，保障高效可靠的业务运营管理。 一体机可以针对金融机构的特定业务需求提供“开箱即用”的定制化大模型解决方案。例如，在投研与风控方面，券商利用大模型一体机实时抓取财经资讯、公告等数据，自动生成高质量研报，并对投行业务底稿和招股书进行智能校验，提高投研效率和准确性。在信贷审批与合规审查方面，银行部署大模型一体机作为智能信贷助手，可以自动提取申请材料关键信息，辅助进行贷前信用评估与贷后风险预警。在智能客服与财富管理方面，大模型一体机内置的智能知识问答助手可以让员工快速检索处理产品和业务知识，并提供多格式文档的对话交互查询，支持内容溯源，显著提升客服响应专业度。 金融科技企业也在积极发布一体机产品，以助力金融机构部署AI应用。例如，宇信科技发布DeepSeek大模型场景一体机，将宇信科技产品体系全面接入DeepSeek模型，重点涵盖信贷、数据、营销渠道等应用领域，支持多类型客户的业务应用升级、智能化运营维护等多种需求。天阳科技发布的金融信贷助手训推一体机通过深度融合DeepSeek大模型训练与实时推理能力，一站式解决全流程信贷业务中的效率提升、风险控制、合规管理等核心痛点。恒生电子的光子大模型一体机，基于大模型MaaS平台实现多模型管理及智能调度，既满足对于要素提取、内容审核等离线任务场景，又可以满足长文本理解输出，多轮对话，复杂数据等特定业务生成场景。新致软件推出信