31%遠程銀行完成大模型部署 銀行AI應用場景開始爆發？

上海銀行相關負責人向財聯社記者表示，該行的AI手機銀行已支持「對話即服務」。用戶只需通過語音或文字指令，即可完成賬戶業務辦理、理財諮詢等高頻交易。此前，包括工行、北京銀行在內的多家銀行也曾披露，通過AI為手機銀行賦能，為不同用戶提供定制化的財富管理方案。

某國有大行人士向財聯社記者透露，近期已搭建Agent平台並推進相關項目。該人士直言：「此前業內對OpenAI的預期較高，但ChatGPT等基礎模型在實際應用中存在一定落差。預計待基礎模型成熟後，Agent應用可能迎來爆發期。」

「無論是前中後台，銀行在AI上的應用場景都在進一步擴容，但不同銀行之間的分化也在加劇。」某頭部金融雲負責人表示，機構投入的算力和人才資源成了這一分化的分水嶺。

行業面上，不少銀行還在加大「真金白銀」投入算力及相關配套設備採購。其中，浦發銀行出現了超1億元的大單「2025年大模型算力擴容及算力管控能力建設項目之鯤鵬」。此外，多家股份行、城商行的大模型項目招採金額也超過500萬元，且項目主要集中在算力、GPU伺服器等採購方面。

上述人士也指出，銀行在AI創新過程中面臨多重阻力：一方面，技術團隊能力有待提升，目前多以修改開源技術為主，既需深度理解業務又要具備技術落地能力的複合型人才相對缺乏；另一方面，銀行內部流程規範複雜，AI創新項目需經過大量評審、聯合技術審核、安全審查等環節，嚴苛的合規要求也在一定程度上制約了創新進度。

上海金融與發展實驗室首席專家曾剛向財聯社記者表示，銀行傳統IT架構相對保守穩定，與AI技術的敏捷迭代特性存在衝突。核心系統改造風險高、成本大，新舊系統融合面臨技術壁壘。

「儘管大模型在提升效率方面表現出色，但在落地方面仍存在痛點。」博通分析金融行業資深分析師王蓬博認為，首先，其搜索能力、理解準確性及多步推理的可靠性仍有待提高，容易出現錯誤，這對金融級別的嚴謹性提出了挑戰；此外，開發和部署大模型需要巨額投資，包括顯卡等硬件資源，對於中小銀行來說，這構成了較高的進入門檻。