转自：中国经营网

中经记者 郭建杭 北京报道

随着六大国有银行 2025 年合计科技投入超 1300 亿元，以及 " 信贷审批智能体 "" 交易智能体 " 等 AI 应用的接连上线，" 智能体 " 成为 2026 年银行业科技投入的新风口，中小银行在 2026 年上半年智能体采购步伐加快。

5 月 27 日，苏州银行（002966.SZ）发布 " 贷后管理智能体建设服务采购项目 " 招标公告，持续加码金融 AI 智能体布局。这是自 2026 年 3 月以来，苏州银行释放出的第 6 个智能体项目招标。而在不久之前，山东省联社总规模涉及 1.7 亿元的外包项目也有了新进展。此外，成都银行（601838.SH）也已启动新核心业务系统项目群建设，目前陆续发布相关招标项目。

《中国经营报》记者注意到，相比大型国有银行此前在 AI 基建方面的 " 囤算力 " 倾向，中小银行的算力采购更加理性，虽然以算力服务器为代表的基础设施类项目出现频率也较高，但 2026 年中小银行的采购更重 " 场景落地 "，智能体应用类项目的采购频现。

多位业内人士也认为，当前行业核心命题正从 " 算力够不够 " 转向 " 算力用得好不好 "。对于多数中小银行来说，全力以赴 " 堆算力 "、盲目扩张可能导致资源闲置，如何实现算力与业务的精准适配，才是中小银行在 AI 时代面临的新考验。

" 算力 " 突围

自 2025 年以来，银行业 AI 采购中与业务结合的倾向较为明显。多个银行 AI 采购项目中都有涉及外呼、信贷审批、代码开发等具体业务领域。如兰州银行（001227.SZ）"AI 算力平台项目 "，虽侧重算力但要求支撑 AI 风控模型训练；邮储银行（601658.SH）"AI 算力管理平台系统工程（智算管理应用软件开发）"，包含风控相关模型训练与推理资源纳管；苏州银行在 4 月连续发布了 3 个智能体项目，尤为引人注目的是其 " 放款审核智能体 "，该行要求系统能利用多模态大模型自动识别信贷材料并进行合规校验；中国银行（601988.SH）上海市分行 " 风险管理智能化助手— AI 数据库、智能体平台项目 "，以及恒丰银行 "AI 风险官项目 POC 测试供应商征集 "，其技术需求则聚焦非结构化数据尽调、大模型风控、视频反欺诈等。

此外，AI 作为银行 " 降本增效 " 的生产力工具，在代码开发领域能提升效率、降低成本。2026 年 4 月，国家开发银行公布 " 代码研发助手 " 中标公告，通过 AI 降低人力成本。微众银行此前在接受媒体采访时也指出，目前该行已构建 70 余个数字员工及超 800 个智能体，AI 已深入风控、营销及信用债审查环节。

2025 年 8 月，国务院印发《关于深入实施 " 人工智能 +" 行动的意见》，明确要在金融等领域，推动新一代智能终端、智能体等广泛应用。在此背景下，银行纷纷响应制定了自身的 " 人工智能 +" 行动规划。

在国有大行的 AI 布局中，算力、算法、数据等 AI 基础设施建设以及 AI 的规模化应用表述较多。某国有大行在 2025 年业绩发布会上公开表示，适度超前建设算力集群。但业内专家并不建议中小银行盲目跟风 " 堆算力 "，轻资产运营更适合中小银行 AI 建设。

中小银行 AI 建设的困境在于，全栈私有化算力集群的资金投入过高，但又因合规红线被禁止直接调用公共大模型 API。中国银行业协会原首席信息官、中国金融传媒特聘高级专家高峰认为："AI 转型的成本和技术门槛都很高，中小银行独立承担 AI 全部建设成本过高，更适合与金融与科技生态协同实现 AI 转型。"

某城商行科技部人士告诉记者：" 我们行在 AI 与业务的结合应用方面还需要更深层的挖掘，目前主要关注做应用层级的优化，不做底层基础大模型的研发。"

高峰认为：" 中小银行面临资金、算力、人才、数据四重约束，导致 AI 应用难以触及核心业务，容易陷入重技术噱头、轻业务本质的误区。实际上，中小银行也拥有资源禀赋优势：一是地域优势，积累了大量的区域产业、小微客户数据；二是场景优势，深耕县域金融产业链细分场景；三是敏捷优势，组织扁平、决策链短，能够快速进行试点和迭代，实现 AI 与本地业务的高效融合。基于上述痛点与优势，中小银行的 AI 建设在从概念走向落地的过程中，应更加注重轻量化布局，以较少投入聚焦高价值产品落地，这是 AI 发展的务实方向。具体而言，一是坚持业务优先原则，确保 AI 始终服务于业务，作为辅助业务的决策工具；二是轻量化发展，摒弃底层算力自建与大模型深度自研的重资产模式，不做重资产投入；三是采用结果付费机制，以市场化方式激发业务内生动力，打破固定收入模式；四是实现对全员赋能，而不仅仅是科技部门赋能。

AI 服务于银行业务并不意味着中小银行完全抛开算力基础，AI 大模型从办公辅助渗透至信贷审批、风险控制、客户营销等核心业务，部分银行也对算力基础进行适度扩容。如 4 月至 5 月间，广州银行为满足推进 AI 大模型平台基座能力建设需求，启动 AI 算力资源扩容采购项目，要求总算力不低于 4PFLOPS-10；上海银行（601229.SH）AI 算力服务采购招标公告显示，标段一要求 AI 算力服务（中算力），标段二要求 AI 算力服务（高算力）；重庆农商行在 2026 年也接连发布算力服务器采购公告。

AI 建设新挑战

如果说 AI 建设中的硬件采购是 " 买门票 "，那么真正的挑战在于 AI 进场后，如何从 " 外挂工具 " 升级为嵌入业务全流程的核心能力。

6 月 3 日，在由中国科学技术大学国际金融研究院、神州信息（000555.SZ）共同主办的以 "AI 驭领 · 价值重塑 " 为主题的 "2026 数智金融论坛 " 上，工商银行（601398.SH）原首席技术官吕仲涛指出，随着顶级模型密集发布行业迎来 " 斯普特尼克 "（注：科技竞争带来的危机感）时刻，AI 智能体推动银行向 4.0 时代跨越。为构筑竞争壁垒，需沉淀知识资产，构建人机互补模式。面对 " 内容幻觉 " 之类的安全风险，应构建全域安全防线，并遵循 " 内外有别、权责可控 " 原则实施分类监管。未来，需厘清人机关系，通过把握趋势、筑牢防线与完善监管，赋能金融高质量发展。

神州信息常务副总裁于宏志认为，在数字化时代，银行通过系统实现渠道融合、产品创新，并利用数据分析进行精细化运营。这个阶段技术的主要价值在于提升效率、优化体验，让金融服务能够更广泛、更精准地触达客户。而在智能化时代，金融软件进入全新发展阶段。评价标准已经从 " 功能是否完备 " 转变为 " 是否理解业务逻辑、能否参与决策过程 "。软件正从被动的执行工具，转变为能够主动理解、分析和响应的智能伙伴。这种转变不仅要求技术更聪明，更需要技术真正懂得金融业务的本质。

前述城商行科技部人士坦言：" 因为银行很多业务面临复杂的处理环境，部分业务还面临跨系统决策，将智能体真正嵌入业务流程中实现自主承担咨询或决策任务，实际上有极致的性能要求。"

对此，多位专家认为，目前主流模式是在银行主导下与金融科技公司以本体和智能体为技术路径实现合作共建。