数字技术快速发展，已成为推动金融行业数字化、智能化转型的重要驱动力，尤其是人工智能大模型技术正给金融行业带来全面而深刻的影响，引起各方高度重视。值得注意的是，不同规模金融机构AI能力建设路径和AI应用广度深度存在较大差异。相较于大型金融机构，中小机构在资金、技术、人才、数据、治理等方面能力明显偏弱，构建AI能力更加有赖于与第三方科技公司开展合作，但却面临选型、适配、权责、合规等问题。在此背景下，AI技术应用是否会增加大中小金融机构间的智能鸿沟？中小金融机构需要什么技术供给以缩小智能鸿沟？如何厘清金融机构与科技公司合作的边界？中小金融机构应如何完善技术治理、外部合作及责任分担机制？监管部门如何更好引导金融与科技良性合作，更好平衡发展与安全问题？值得政产学研各界共同探讨。

在此背景下，数字金融合作论坛与深圳香蜜湖国际金融科技研究院于近日联合举办“中小金融机构AI能力建设：挑战与路径”闭门研讨会。与会专家积极分享不同规模金融机构，尤其是中小银行机构AI大模型应用与AI能力建设实践经验，全面分析中小金融机构智能化转型过程中面临的技术、资金、数据、人才、合作与监管等问题与挑战，并就如何帮助中小金融机构跨越智能鸿沟，找到适合自身发展的AI能力建设路径提出相关对策建议。

会议由清华大学五道口金融学院教授、中国人民银行参事、我院学术委员会委员张健华主持，分为主题演讲、专家点评、圆桌讨论等环节。

张健华

主题演讲

兴业银行首席信息官唐家才，中原银行首席信息官扈浩，蚂蚁集团研究院院长李振华，科大讯飞副总裁、金融科技事业部总经理沈海波受邀发表主题演讲。

唐家才

扈浩

李振华

沈海波

专家点评

全国人大财经委副主任、中国建设银行原党委书记、董事长田国立，中国人民银行科技司司长李伟，国家金融监督管理总局科技监管司副司长徐小平，中国证监会科技监管司副司长刘铁斌等领导和专家在点评环节发言。

田国立

李伟

徐小平

刘铁斌

圆桌讨论

中国金融学会副会长、国家开发银行原行长、广东省人民政府原副省长欧阳卫民，中国银行原行长、我院学术顾问李礼辉，国家发展改革委财金司司长赵怀勇，国家金融监督管理总局法规司司长王胜邦，工业和信息化部规划司副司长吴家喜，中国工商银行首席技术官、我院学术委员会委员吕仲涛，中国金融传媒集团特聘高级专家、中国银行业协会原首席信息官、我院学术委员会委员高峰，浙江省政协经济委员会副主任、浙江农商联合银行原董事长王小龙，中信控股有限责任公司执行董事、总经理张波，百融云创科技股份有限公司董事长张韶峰，北京银行信息科技管理部总经理明立松，中信百信银行首席数字官陈龙强，北京智谱华章科技有限公司副总裁闻剑辉等领导和专家先后在圆桌交流环节发言。

智能化浪潮下

中小金融机构智能化转型成为必答题

2022年以来，以ChatGPT为代表的生成式人工智能技术迅猛发展。我国高度重视人工智能技术发展及其应用，今年4月25日，中共中央政治局就加强人工智能发展和监管进行第二十次集体学习，习近平总书记强调面对新一代人工智能技术快速演进的新形势，要充分发挥新型举国体制优势，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展。

会议指出，金融行业具备数据驱动、场景丰富、数字化基础好和资金雄厚等特点，是人工智能技术落地应用的重点领域之一。2024年，大模型技术在金融领域落地案例占比达36.7%，是国内大模型落地占比最高的行业。经过两年的探索和发展，大模型技术与金融行业应用场景进一步结合，已从最初的智能问答阶段迈入工具阶段。未来，随着人工智能技术进一步渗透至金融业务更多作业流程中，生成式人工智能在金融行业的应用可能跨入智能体和具身智能阶段，将面向更多复杂的专业场景，并一定程度上自主规划和完成任务，使得大模型“有手又有脚”，真正实现“AI驱动”。

会议认为，市场经济规律将推动更强的模型渗透至更多金融机构。宏观看，数字化、智能化浪潮下广大中小金融机构的AI能力建设既是重点也是难点。微观看，在息差持续走低、盈利压力逐渐加大的背景下，AI能力建设既是中小金融机构数字化、智能化转型发展的关键，也是关乎生死存亡的必答题，用足用深用好人工智能技术已成为金融行业共识。今年以来，DeepSeek凭借高性能、低成本与开源等技术优势，大幅降低了大模型技术的训练与应用门槛，MCP协议和A2A协议等标准协议也降低了通信成本，金融业人工智能技术应用迎来重大发展机遇，激发了众多中小金融机构AI建设热情，希望能够以更小投入实现智能化破局。

综合来看，目前中小金融机构AI建设主要有三条技术路径。一是自主研发，但受各类约束导致中小金融机构研发进度缓慢，投入产出不成正比，只有少数有实力的头部中小金融机构有所建树。二是依靠大型金融机构赋能，金融科技与金融业务适配度较高，但存在一定数据安全与同业竞争担忧。三是与第三方科技公司合作，也面临选型、适配、权责等方面问题，需要长期合作保持持续投入与知识转移。

会议指出，大模型技术的发展与应用仍离不开算力、算法和数据三要素，对中小金融机构而言，数字化转型面临的资源约束问题在智能化时代可能更加严峻，数字鸿沟可能成为智能鸿沟。部分头部金融机构已将“AI驱动”作为战略目标，但广大中小金融机构尚处于“AI赋能”甚至“AI探索”的初级阶段。以银行业为例，各类银行探索大模型应用的比例已经出现分化。沙丘智库《2025年中国银行业大模型应用跟踪报告》显示，国有大行大模型技术探索应用率为100%，股份制银行大模型技术探索应用率为91.7%，而城商行、农商行大模型技术探索应用率仅为2.5%。此外，金融机构的AI能力建设不只是技术能力，还是管理能力、战略能力、治理能力等综合能力建设，因此，在资源投入瓶颈下，中小金融机构AI能力建设尤其要注重投入产出效应与组织协调配合，要以投资视角看待技术创新，做好“模型-场景”选择题。

会上，多位专家积极分享所在机构AI能力建设思路、交流智能化转型经验。兴业银行制定了“智能优先+万物皆数+实时反馈+中心决策”智能化转型核心策略，强调模型选择要“只选对的，不盲目选大的”，坚持“以人为本”视角，用AI深度赋能绿色金融、智能财富管理、日常例会等场景。中原银行结合实际应用需求规划AI大模型服务体系，构建知识管理体系，私有化部署DeepSeek R1、Qwen系列、华为盘古等多模态、多尺寸大模型，研发适配关键场景的智能信贷助手、智能分析助手、智能研发助手等。北京银行坚持打造“人工智能驱动的商业银行”，已形成“大模型+通用机器学习模型”一体双擎驱动的技术体系，研发百亿级参数“京智”大模型，建设京骑AI智能体（AI Agent）应用平台、AIB人工智能创新平台。中信百信银行与百度智能云联合打造“百信金融大脑”，利用金融大脑对外提供智能化的服务。强调“以人为本，以安全为基”，专注开发多智能体并在营销、合规、风控、办公以及客服等主要场景落地。

中小金融机构AI能力建设面临多重挑战

会议认为，生成式AI在金融领域应用的不断深化和AI技术平权化普惠化带来的发展机遇，使得中小金融机构数字化智能化转型热情高涨。也要看到，由于资源禀赋差异，大中小金融机构在技术投入、人才储备、战略规划等方面存在显著差距，中小机构在AI能力建设过程中仍面临诸多现实挑战。

一是资源投入有限。相较大型金融机构，中小金融机构在AI能力建设方面的资金投入相对有限。尽管DeepSeek等技术的出现降低了模型训练和算力推理成本，但人工智能技术落地应用仍对金融机构提出一定算力要求，加上技术研发、模型调优和设备购置等持续投入，中小金融机构长期面临较大投入压力。同时，金融大模型的私有化部署也使得技术服务商难以通过标准化、规模化产品摊薄成本，技术供应的规模效应不足导致中小金融机构外采成本难以下降。此外，受限于AI经验不足，中小金融机构内部治理不一定适应AI深度应用，无论是管理层还是业务部门的AI基础知识储备及认知都有待加强，加上缺乏业技复合型人才，可能影响AI发展战略制定和切入点选择，制约技术创新能力与业务赋能水平。

二是数据基础薄弱。高质量金融数据集和知识库是AI模型训练的重要支撑，但中小金融机构普遍存在数据分散、质量参差、流通不畅等问题。具体表现为：其一，专业数据有限，现有预训练语料库中金融数据占比较低，专门用于训练的数据较少，缺乏交易级、客户级的深度数据，多源性资源整合不足，数据可用性不高。其二，数据调取困难，中小金融机构长期外采系统导致“万国牌”业务系统架构不统一，相互之间兼容性不足，数据调取难度大、数据质量难保障，数据孤岛问题凸显。其三，非结构化数据开发不足。AI技术深度应用离不开海量数据，但中小金融机构内部整合并纳入治理的大部分是结构化数据，大量非结构化数据价值尚未得到释放。从原始数据到优质语料需经过脱敏、清洗、标注、加工等多个环节，人力物力投入成本较高，中小金融机构难以承担高昂的数据治理成本。

三是技术路径选择困难。中小金融机构在AI能力建设过程中普遍面临“自建无力、外购受限”的两难选择。一方面，大模型落地金融场景是复杂系统工程，没有开箱即用的行业大模型，中小金融机构难以凭借自身实现技术与场景的适配，AI赋能业务效率不足。另一方面，“金融-科技”合作生态亦不完善，中小金融机构与第三方科技公司深度合作面临科技与金融边界不明确、责权划分不清晰等问题，在技术对接、数据使用、模型优化等环节协同效率低下。同时，头部科技公司更关注大型机构需求，对中小机构个性化需求响应不足，中小机构之间缺乏协同机制，难以形成规模效应。

四是合规风险压力凸显。AI技术的深度应用也为中小金融机构带来更多合规风险与压力，比如数据采集与存储规范、客户隐私保护、网络与数据安全、合成数据风险等。同时，生成式AI的“黑箱”特性使得金融机构和监管机构难以穿透模型决策逻辑，中小金融机构更难把控相关模型风险。AI技术还带来数字黑客、恶意攻击、数据投毒、参数窃取等新型安全风险，中小金融机构的技术能力和安全防护措施相对薄弱，更容易成为黑客攻击的目标。此外，中小金融机构基座模型主要依赖第三方科技公司，随着市场竞争的优胜劣汰，科技公司最终可能完成技术收敛与行业整合，在提升技术供应成熟度的同时也提高了集中度，需持续关注系统性风险防范问题。

多措并举

助力中小金融机构 AI 能力建设

会议认为，人工智能技术的突破为金融行业AI应用带来更为广阔的发展前景。为帮助中小金融机构切实受益于技术普惠，与会专家提出以下建议。

一是找准切入视角。中小金融机构应以业务应用和实际场景为牵引，结合自身发展实际，“因机构制宜”选择适合自己的模式与路径推动人工智能技术与业务场景深度融合，统筹好成本与效益。要差异化部署避免同质化竞争，明确主攻方向，利用AI技术赋能特色业务流程，形成相较于大型金融机构的差异化优势。探索以合作、租赁、共建等方式抱团取暖，提升中小金融机构算力储备。建议中小金融机构先从小模型、规则模型和低风险应用场景入手，由易到难循序渐进推动大模型应用落地。鼓励中小金融机构通过“小小联合”、与大型金融机构“大小联合”、与第三方科技公司“内外联合”等多种方式，提升自身AI能力建设质效。要重视内部AI人才培养和文化建设，加强与高等院校、头部科技企业合作，通过专项培训、交流学习、联创实践等方式培养AI人才。

二是强化数据治理。建议中小金融机构强化AI认知，统一顶层设计和数据底层架构，采用外部合作与自主研发相结合的方式逐步夯实“大数据+人工智能”一体化服务体系，扎实推进数据与知识基础建设，打造高质量数据集和知识库，以更好支撑AI应用建设。建议相关监管机构牵头，探索在数据标准化脱敏处理后，将具有行业代表性的公共数据集（如知识图谱）上传至行业云，帮助中小机构提升模型训练质量的可行性。鼓励金融基础设施在构建高质量数据集过程中发挥更大作用。

三是完善合作生态。要培育“AI+金融”专业分工合作生态，鼓励技术供应市场通过市场竞争和专业化分工降低定价，让中小金融机构用得起、用得好。要明确金融机构与科技公司的合作边界，特别是在技术开发、数据使用、模型应用、风险应对等环节清晰界定权责划分。积极探索大型金融机构通过技术输出方式赋能中小金融机构的可行模式。推动行业基础设施建设，比如行业级共享算力平台，降低中小金融机构技术应用门槛。建议科技公司加强模型和技术应用的标准化、模块化，形成便于中小金融机构直接调用或二次开发的AI组件及解决方案。

四是重视合规建设。建议严格明确数据使用边界，科技公司在获取金融机构数据时需遵循最小必要原则，禁止将数据用于合同约定外的其他用途。金融机构应加强数据全生命周期管理，确保数据共享安全合规；强化内部人员管理，规范数据使用审批流程。构建“AI初审+人工复核”双轨制风控体系，既发挥科技作用，又实现人控风险。监管部门可联合有实力的金融机构、基础设施等，加强对数字黑客、恶意攻击、数据投毒等模型安全风险的监测与防范。