金融业AI发展报告解读

一、全球金融业AI投入规模与增长趋势

从全球视角来看，金融业在AI领域的投入正在经历爆发式增长。预计全球金融业在AI系统的投入年均复合增速接近30%，根据Statista Research数据，全球金融行业在AI系统中的支出预计从2023年的350亿美元增加至2027年的970亿美元，CAGR达29% 【6】 。这一数据充分说明了金融行业对AI技术的重视程度和投入力度正在持续加大。

二、中国金融业AI落地现状

聚焦国内市场，金融业大模型应用已经进入实质性落地阶段。根据智能超参数统计，2025年上半年，国内公开的大模型中标项目1810个，披露金额达64.53亿元，其中金融业大模型中标193个，项目金额达6.8亿元，约占披露项目金额的10.5% 【6】 。

从细分领域来看，各金融子行业的AI应用呈现出不同的发展节奏：

细分领域	发展特点
银行业	占比近一半，大部分银行从观望转向重点投入，并深入前/中/后台业务 【6】
证券业	占比近20%，头部券商试水效果初显，向中小券商下沉，应用场景从内部运营向投顾、投研、合规等延伸 【6】
基金业	部分机构正在投研、风控合规、营销等领域进行局部探索 【6】

三、AI在金融各领域的应用阶段

从具体应用领域来看，AI金融的发展呈现出明显的梯度差异 【5】 ：

• 智能投顾：处于成长期，代表企业包括商汤科技、Charles Schwab
• AI信贷风控：处于成长期，代表企业包括宇信科技、同盾科技、金融壹账通
• AI保险模型：处于商业化初期，代表企业包括众安信科、恒生电子
• 供应链金融：处于商业化初期，代表企业包括腾讯、联易融

四、行业发展的驱动力与挑战

驱动力

调研数据显示，约75%的金融机构受访者认为降本增效压力是AI深度应用的主要驱动力 【2】 。同时，55.6%的受访者选择“技术条件成熟”作为重要因素，说明技术进步已经成为金融机构深化AI应用的重要基础条件 【2】 。不过，相比高层战略推动、降本增效压力和市场竞争驱动，技术条件成熟的选择比例并非最高，这也表明技术本身并不是金融机构应用AI的唯一原因 【2】 。

现实挑战

行业发展也面临现实冲突与瓶颈：传统金融科技仍存在数据孤岛、流程低效、风控合规成本高、服务同质化等问题；人工智能虽带来革命性可能，但在核心业务落地不足、数据安全与模型治理矛盾突出、算法合规风险凸显、复合型人才短缺，中小机构更是面临转型难、投入不足等困境 【2】 。全球金融科技竞争加剧，国内监管强调创新与安全并重，行业亟需清晰的发展方向与落地路径 【2】 。

五、未来展望

NVIDIA第五期年度《金融服务业AI现状》报告基于对全球600位金融服务专业人士的调查，其2025展望揭示了AI将在交易、银行、支付和金融技术等方面发挥更多作用，从提升运营效率到支持新的业务模型和收入来源等 【3】 。金融机构不仅将重视提升客户体验和网络安全，还更多地致力于可持续实践，AI驱动的环境、社会和治理（ESG）以及可持续金融行动的大幅增长便是最直接的体现 【3】 。

今年的报告突出了AI在金融业的重要性日益增加，将其定位为创新的基石，也是实现战略业务目标的关键工具 【4】 。

---

总结：金融业AI发展正处于从“技术验证”走向“规模化落地”的关键阶段。全球投入持续高速增长，国内银行业率先发力，证券、基金、保险等领域也在加速跟进。降本增效是核心驱动力，但技术成熟度、数据安全、合规治理和人才储备等因素共同影响着行业的发展节奏。未来，随着AI与金融业务的深度融合，我们有望看到更多创新应用场景的落地。