" 十五五 " 规划建议将科技金融列为 " 五篇大文章 " 之首，标志着金融服务实体经济的重心正式向科技创新领域进行系统性、战略性倾斜。

2025 年度第十届毕马威金融科技企业 " 双 50" 榜单日前揭晓，金融科技 " 双 50" 十周年报告同步发布。复盘过去十年国内金融科技企业的发展，金融科技正以前所未有的速度重塑金融服务生态。无论是智能投顾、开放银行，还跨境支付创新、绿色金融科技等，金融服务边界不断拓展。金融科技与企业创新链、产业链、资金链、人才链等协同进化，推动着商业模式持续迭代。

金融科技服务向产业全生命周期渗透

本届榜单延续 " 双 50" 架构，覆盖综合金融科技、产融科技、普惠科技、保险科技、财富科技、支付科技、AI 与大数据、区块链与可信计算、金融基建、数智赋能十大核心赛道，反映了中国金融科技行业在技术创新、场景融合及服务实体经济方面的最新进展。

《报告》提出，以支持科技创新和产业发展为导向，金融科技服务向科技企业全生命周期渗透是趋势之一。在毕马威中国华东及华西区金融科技主管合伙人彭成初看来，金融科技正在通过重构信用评估体系与资产监管模式，将金融服务从产业的外部赋能转变为内生融合。其中，在信用维度，金融科技实现从 " 主体依赖 " 向 " 数据自证 " 的范式跃迁，打通产业链末梢的金融梗阻。

" 传统供应链金融受限于对核心企业确权的依赖，导致处于产业链深处的长尾供应商难以获得融资。" 他表示，金融科技利用大数据、AI 及隐私计算技术，不再苦等核心企业 " 签字画押 "，而是通过 API 直连税务、物流、ERP 等多维数据，进行交叉验证以还原贸易真实性。这种将数据转化为信用的能力，使金融机构能够基于交易事实而非主体身份进行授信，从而打破信任传递的层级限制，将金融活水精准滴灌至产业链末端的三、四级中小微企业。

在资产维度，金融科技则推动从 " 静态存货 " 向 " 数字资产 " 的形态转化，盘活制造业沉睡的动产价值。具体来看，物联网与区块链技术重塑了资产监管逻辑。通过为库存商品赋予 " 数字身份证 " 并利用传感器进行全流程实时监控，技术将原本极易灭失、难以监管的动产，转化为可视、可控、不可篡改的金融资产。

彭成初认为，金融科技通过 " 数据信用化 " 与 " 动产数字化 "，消除了产融结合中的信息不对称与信任壁垒，真正实现了金融与实体产业的深度耦合与共生发展。

上海作为引领，长三角城市群发展格局强化

此次已是毕马威金融科技企业 " 双 50" 榜单发布的第十个年头，复盘过去十年国内金融科技企业的发展脉络，地域分布上呈现京、沪、深领跑的第一梯队格局，长三角、粤港澳和京津冀三大城市群发展格局强化；技术要素层面，人工智能持续领跑，细分技术应用协同深化；细分赛道中，AI 与大数据、数智赋能赛道近五年快速增长，赛道分布趋多元化布局方向。

彭成初介绍说，以上海为代表的长三角区域在 2025 年共有 33 家上榜企业，占总上榜企业数量的 30%，其中上海 24 家、杭州 5 家、南京 4 家，呈现出上海作为国际金融中心引领，向周围区域辐射的特征。其赛道分布主要集中在普惠科技、财富科技等应用赛道，以及数智赋能等技术赛道，体现出技术引领、应用场景多点发力的金融科技发展趋势。

以财富赛道为例，AI 正推动智能投顾服务正逐步从由人类主导、工具辅助的 1.0 阶段，演进至由智能体深度参与的 2.0 阶段。比如，AI 智能体能够实时计算用户整个投资组合的风险敞口，并进行动态预警；AI 涨跌异动智能体通过统计学模型实时监测市场上所有股票，一旦发现有股票的涨跌幅或成交量突破了正常的波动阈值，智能体会主动推送风险提示与调整建议，变 " 人找服务 " 为 " 服务找人 "。

以 AI 为核心赋能全场景的 2.0 时代

《报告》中特别提到，金融服务大模型应用建设正逐步收敛，智能体场景渗透进一步深化。在此趋势下，机构普遍采用 "1+N" 矩阵架构，即以一个通用大模型进行意图识别与任务分发，配合 N 个经过行业数据精调的百亿级垂直模型处理具体业务（如代码生成、信贷审批）。通过 " 大模型做宽、小模型做深 " 的路径，在控制成本的同时提升响应效率。智能体则从 " 指令执行者 " 向具备 " 问题拆解能力 " 的主体演进，在风控、投研、客户服务等关键领域实现深度融合。

在科技金融层面，AI 与大数据应用持续深化，智能体等 AI 应用逐步渗透至核心业务环节，模型可控性、数据治理与工程化落地成为关键能力。金融数智化则进入以人工智能为核心赋能全场景的 2.0 时代，风控体系从 " 被动防御 " 迭代为 "AI 原生主动防御 " 等。

对此，彭成初也有自己的洞察：当前，金融大模型已跑出 " 有用 " 价值的领域正从外围的办公辅助向核心业务环节深度渗透。其中的高价值场景除了传统的客服、合规及研发代码辅助外，营销智能体、信贷智能体、数据分析智能体等垂直应用 + 正在试点落地。这些应用不再是简单的问答工具，而是能够处理更细分客群、复杂产品组合及关键流程节点的决策类应用。从应用形态来看，大模型技术正从单一的生成式辅助工具，加速向多智能体矩阵演进，通过不同职能智能体的协作，解决单一模型无法覆盖的复杂业务链条。

他表示，未来的迭代路径将不再单纯追求模型参数的扩大，而是聚焦于解决应用深度与精细度不足的瓶颈，在模型层追求经济性与可控性，在数据层构建高质量数据治理体系，在工程层打通落地的 " 最后一公里 "，以及在运营层探索 RaaS 模式，推动规模化落地。