从单兵作战到生态建设，AIGC在金融领域的渗透正在强调“协同”。

　　2025年《政府工作报告》中指出，要支持大模型广泛应用，发挥科技领军企业龙头作用，加快推进基于国产算力底座大模型的研发创新、场景应用和生态开放全链发展。

　　《中国经营报》记者注意到，中国金融行业首个“AIGC大模型金融生态体系”近期正式发布，该生态体系旨在面对金融数智化转型热潮，为金融机构提供低成本、高效率、高安全和高可用的金融大模型建设服务。

　　多位专家和业内人士在接受《中国经营报》记者采访时表示，当前虽然AI渗透加速，但还没有进入很多银行核心业务的主战场。AI给金融行业正在带来竞争范式的转化——从传统的技术竞争，走向业技（业务+技术）融合能力的竞争，单纯懂技术或者单纯懂业务都不足以应对未来的复杂竞争局面，这也需要行业生态方进行更合理的分工。

　　从单兵作战到生态建设

　　当前我国AIGC技术在金融业的渗透已实现规模化应用，涵盖智能客服、精准营销等多个场景，但在单兵作战的过程中，高质量数据短缺、重复建设、高额投入等问题也在拖慢机构发展脚步。

　　神州信息联席董事长王永利近期在数云原力2025数智金融论坛上坦言，虽然开源大模型DeepSeek推动了国产化进程，但实践中仍面临多重挑战：一是数据壁垒问题，大模型面对复杂金融业务的数据积累不足，难以满足关键核心业务场景的需要；二是投入产出失衡，从基础部署到持续应用需长期资金与人力投入，但短期内收益有限，部分机构难以承受；三是安全保障压力大，从硬件到软件，金融机构在确保自主可控方面仍有较多技术难题亟待突破。

　　据记者了解，上述生态体系由神州信息、华为、腾讯云、阿里云、中科海光、昆仑芯等巨头共同合作，围绕核心应用、国产云、国产芯等多层面，构建从基础硬件到上层应用软件，全层面的AIGC生态体系。

　　神州信息方面在接受记者采访时透露，上述生态体系和联盟，是在满足金融机构对多样化技术路径需求背景下的举措。联盟成员将加强技术适配、资源共享与联合市场拓展，形成更具韧性的金融科技生态。

　　记者注意到，去年以来垂直大模型和行业大模型的分工日益明确。AIGC生态中，相关企业往往在某一行业细分领域具有扎实的基础。比如某些金融科技输出的行业大模型，底层的通用大模型通常来自几家核心科技大厂。这种方式也可以让细分领域机构可以大大降低算力投入压力，可以更有针对性提升业务场景能力。

　　神州信息首席金融行业专家崔蕾向记者表示，通用大模型的竞争，国内市场最终会聚焦到几家头部公司，金融科技公司的强项还是在金融领域的积累——一方面是符合金融业务处理的技术平台和工程化的积累，另一方面是金融在不同条件专业知识的积累，比如金融知识图谱、监管合规库一类小模型。在他看来，未来小模型和通用大模型乃至整个AI技术体系结合后，可以形成专门用于金融的应用系统的专业化Agent（智能体）。

　　关注投入产出可持续

　　在金融机构大模型仍然处于初期阶段，与此同时金融机构也面临着业绩下滑预算减少的现实压力，关注投入产出比，选择合适的AI战略路径至关重要。

　　一位金融科技公司人士就透露，在商业银行最本质的业务处理方面，AI现在还没有开始进入主战场。

　　前述论坛上就有嘉宾指出，金融机构当前仍然面临着大模型实施路径不明晰、功能边界需要进一步验证以及在核心场景中的渗透率不足等问题。随着DeepSeek的迅速崛起，以其“小算力”撬动“大模型”的方式，为行业提供了新的范式，也为加快金融行业的应用提供了抓手。

　　在如何平衡发展与安全之间的关系上，清华大学五道口金融学院金融安全研究中心主任周道许认为，应该构建“五大支柱”的思路，他建议，建设“投贷联动+知识产权证券化+科技保险的立体支持体系”，构建监管大模型+实时风险监测平台，实现对金融市场的全时段、全链条、全主体的监管。此外进一步完善《数据安全法》配套细则，明确数据确权、定价、交易规则。

　　机构内部数据显示，当前AIGC技术的初步应用已帮助金融机构节省约25%—30%的工作量，而美国多数企业的该指标可达40%。这表明，无论是在知识库积累还是模型训练方面，我国仍具备进一步提效的广阔空间。

　　崔蕾向记者表示：“目前国内头部的国有大型银行已经进入到了AI应用的阶段，在局部场景开始使用AI去改变业务能力了，但大部分的区域银行在目前的阶段还处于算力储备的阶段，且可能很难有极大的成本持续投入。”

　　在他看来，未来，AI有望实现从需求识别到设计生成的“全流程自动化”能力——一个软件企业可能不再像如今一样需要大量的开发人员，而是需求设计和产品的人员。以银行为代表的传统金融机构中耗费人手最多的是在业务操作流程环节，只有这些环节能够被AI大量取代的时候，银行才能看到明显的成本降低。