本文共字，预计阅读时间。

文 / 王润石（上海金融与发展实验室特聘研究员、九卦金融圈专栏作家）

2026 年，银行业最明显的变化是什么？不是净息差收窄，不是存款利率下调，而是一个字的更迭—— " 数智化 "。

六大国有银行在 2025 年业绩发布和年度会议上，集体将 " 数字化转型 " 升级为 " 数智化转型 "。工行说要 "AI 赋能全业务 "，建行提出 " 数智化重构业务流程 "，交行宣布推进 " 人工智能 +" 行动。2025 年仅一家大行在公开场合提 " 数智化 "，而 2026 年，六家大行无一缺席。

一字之差，意味着什么？中小银行又该如何应对这场已经在拉开差距的竞赛？

" 数智化 " 时代：不再是一句口号

" 数字化 " 和 " 数智化 " 的本质区别在于：数字化是把线下业务搬到线上，数智化是用 AI、大数据、智能风控重构整个银行的业务逻辑。

举个直观的例子。数字化时代的手机银行，能让你不用跑网点，在家就能转账查余额。但数智化时代，手机银行能根据你的消费习惯自动推荐理财产品，在你申请贷款时，几分钟内完成风控审批并给出利率，甚至能预判你可能遇到的资金困难，主动推送解决方案。

这不是功能升级，是底层逻辑的改变。

据公开信息，六大行 2025 年合计科技投入超过 1300 亿元，平均占营收比重 3.5%。这是什么概念？一家中等规模城商行一年的科技投入大约在 3-5 亿元，头部农商行可能只有 1-2 亿元。投入差距是数百倍。

但在和多家中小银行从业者交流后发现，钱不是最关键的问题。

某城商行科技部负责人也曾表示：" 我们行在 AI 与业务结合方面还需要更深层挖掘，目前主要关注做应用层级的优化，不做底层基础大模型研发。" 这代表了相当一部分中小银行的真实心态——不是不想投，是不知道怎么投、投多少、投了能不能看到效果。

中小银行的清醒认知：不算力，算应用

2026 年上半年，一个明显的趋势是：中小银行的 AI 采购，正在从 " 囤算力 " 转向 " 买应用 "。

以苏州银行为例。据公开报道，这家 A 股上市城商行自 2026 年 3 月以来，连续发布 6 个智能体项目招标，涵盖贷后管理智能体、放款审核智能体等核心业务场景。仅在 4 月份，就一口气发布了 3 个智能体项目。其中，" 放款审核智能体 " 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——这已经是信贷审批的核心环节。

成都银行也不甘落后。据其公告，已启动新核心业务系统项目群建设，陆续发布相关招标项目。

其中一个重要信号是：中小银行开始更关注 " 智能体 "（Agent），而非单纯的算力采购。

《关于人工智能 + 行动的意见》明确要求在金融等领域推动新一代智能终端、智能体广泛应用。在此背景下，银行对 Agent 的评价标准，已从单纯的拟人化交互，演变为业务自动化的独立完成率与合规操作的精准度。

某农商行的案例很有代表性。该行部署 AI 智能风控系统后，小微贷款审批周期从 72 小时缩短至 2 小时，不良贷款率从 3.5% 降至 2.1%，单笔贷款运营成本降低 60%。

更重要的是，这套系统不是银行自己研发的，而是与科技公司合作，采用 " 大模型 + 小模型 " 的协同架构，实现了轻量化落地。

兰州银行的启示：数据治理比 AI 模型更重

6 月初，国家数据局发布《第三批数据流通安全治理典型案例》名单，兰州银行申报的《基于个人信贷业务通用场景的跨机构多源数据流通安全应用案例》成功入选。

这是 25 个入选案例中仅有的 2 个金融机构案例之一。也是唯一以单一主体上榜的金融机构。

兰州银行的方案解决了什么问题？个人信贷场景中数据分类分级保护执行策略不统一、数据跨机构流通协作机制不完善、AI 风控 " 黑箱 " 等难题。

具体做法是：在获得客户充分授权的前提下，融合多源合规数据，构建 " 模型驱动、机制保障、服务协同 " 三位一体的治理体系，实现数据可用不可见、模型风险可管控。目前，该成果已深度融入兰州银行信贷业务流程，广泛应用于个人消费贷款、涉农贷款等普惠信贷场景。

这个案例给中小银行的启示是：与其花大价钱买 AI 系统，不如先把数据治理做好。数据是 AI 的燃料。燃料质量不行，再强的发动机也跑不动。

中小银行的务实路径：三条建议

基于对行业动态的持续跟踪和对多家银行的观察分析，中小银行在 " 数智化 " 浪潮中的务实路径，可以概括为三条：

第一条：聚焦高价值场景，不追求大而全

中小银行不需要也不可能复制六大行的 " 全链路 AI 改造 "。聚焦 1-2 个高价值场景，集中资源做出效果，比全面铺开更明智。

什么是高价值场景？风险控制、信贷审批、客户服务是公认的三座金矿。

以某农商行为例，该行将 AI 优先应用于小微贷款风控，理由很务实：小微贷款笔均金额小但数量多，人工审核成本高、效率低、风险识别滞后，AI 介入的 ROI 最高。上线 8 个月后，小微贷款新增 1.5 万户，不良率下降 1.4 个百分点，效果一目了然。

第二条：借力外部生态，不搞重复建设

中国银行业协会原首席信息官高峰的观点很中肯："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，更适合与金融科技生态协同实现 AI 转型。"

具体怎么协同？目前主流模式是 " 银行主导 + 科技公司技术支撑 +Agent 为技术路径 " 的合作共建。

苏州银行选择的就是这条路——银行提出业务需求，科技公司提供智能体解决方案，部署在银行端运行，数据不出域，满足合规要求。

中小银行的资源禀赋优势在于：地域优势（积累了大量的区域产业、小微客户数据）、场景优势（深耕县域金融产业链细分场景）、敏捷优势（组织扁平、决策链短，能够快速试点和迭代）。 把这些优势和科技公司的技术能力结合，才是正解。

第三条：从 " 功能是否完备 " 转向 " 是否理解业务逻辑 "

这是最难但也最重要的一条。

AI 在银行业的应用，已经从 " 能用 " 进入 " 好用 " 的阶段。 评价标准不再是 " 有没有 AI 功能 "，而是 "AI 能不能理解业务、参与决策、提升效率 "。

以反电信诈骗为例。传统的规则引擎只能识别已知诈骗模式，遇到新型诈骗就失效。而基于 AI Agent 的智能风控系统，能通过深度洞察能力识别异常关联，实现 " 事前预警 "。

某地方性银行部署智能体后，反诈拦截准确率提升了约 40%，同时误伤率大幅下降——因为 AI 能理解正常交易的上下文语境，不会 " 一刀切 "。

对于中小银行而言，这意味着 AI 建设要从 " 买工具 " 转向 " 买能力 " ——不是买一个系统，而是建立一个持续学习、持续优化的机制。

半年冲刺的启示：存量激活是最好的 AI 练兵场

回到当下。6 月是银行半年冲刺的关键节点，多家银行都在推进存量客户激活、睡眠客户唤醒、到期客户留存等工作。

这些工作，恰恰是 AI 最应该介入的场景。

传统的客户激活方式是什么？客户经理打电话、发短信、约面谈。效率低、触达率低、转化率更低。

AI 能做什么？

精准圈人：通过大数据分析，识别出最有可能被激活的客户群体，而不是 " 眉毛胡子一把抓 " 地给所有人发短信。

智能触达：根据客户的偏好和历史行为，选择最优触达方式（电话、短信、微信、App 推送）和最优触达时间。

实时反馈：客户响应后，AI 系统能实时分析反馈，动态调整后续策略。

这不就是 " 存量客户深挖 " 的最佳工具吗？

已有城商行在半年冲刺中尝试引入 AI 辅助工具，对沉睡客户进行分层分类运营。初步数据显示，AI 辅助触达的客户响应率比传统方式提升 3 倍以上。

在资源有限的情况下，用 AI 解决 " 存量激活 " 这个高频刚需场景，是中小银行切入 " 数智化 " 最务实的路径之一。

结语：数智化不是选择题，而是生存题

2000 年的电子银行，21 世纪 10 年代的移动金融，21 世纪 20 年代的开放银行——每一波浪潮都有银行积极拥抱，也有银行观望犹豫。结果呢？积极拥抱的不一定成功，但观望犹豫的，几乎都掉队了。

" 数智化 " 这波浪潮，对中小银行而言，既是挑战也是机遇。

挑战在于大行的资源优势和规模效应，会进一步挤压中小银行的生存空间。

机遇在于中小银行的地域优势、客群黏性、决策敏捷性，在 " 数智化 " 时代反而可能成为差异化竞争的资本。

关键在于，不要把 " 数智化 " 当成一个技术项目，而是当成一次经营模式的升级。

从 " 数字化 " 到 " 数智化 "，核心不是 AI 有多强大，而是银行的经营理念是否真正转向 " 以客户为中心、以数据为驱动、以效率为目标 "。

六大行在前面探路，中小银行跟在后面模仿，永远只能吃灰。

找到自己的场景，守住自己的客群，用好自己的优势——这才是中小银行的 " 数智化 " 生存之道。

立即报名

以上信息我们将会严格保密，报名结果以官方通知为准。

非常感谢您的报名，请您扫描下方二维码进入沙龙分享群。

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意