今年以来，上市银行 " 数字金融 " 的 AI 含量正在显著上升。

近日，券商中国记者梳理多家大型上市银行公告及高管公开发言后发现，国有大行和头部股份行 AI 大模型应用转入体系化建设、规模化应用阶段。AI 落地场景以数百乃至上千计，智能体（Agent）成为新的竞争焦点，降本增效正从定性描述转向可量化的经营数据。一场以智能体为抓手、以人机协同为模式的深层变革正在发生。

投入产出可量化，有银行日均输出百亿词元

从场景数量看，国有大行与股份行各有侧重。

工商银行 " 领航 AI+" 行动已落地 600 余个大模型场景，上半年专利公开量和累计授权量均排名同业第一；建设银行生成式人工智能覆盖超 600 个应用场景，累计获取金融科技专利授权 5505 件；中国银行构建智能化助手超 2200 个，以自动化手段替代重复工作覆盖超 3800 个场景。

值得一提的是，邮储银行披露，截至今年上半年，该行落地超 370 个大模型应用场景，大模型能力接入超 90 个行内系统，日均调用超 600 万次、日均输入输出词元（Token）超百亿。该行副行长牛新庄在业绩发布会上给出的口径更高——日均调用超千万次、词元超三百亿。

股份行中，中信银行 AI 服务场景累计超 1900 个，招商银行智能化场景达 1386 个、较上年末增长 62%。其中，在投入层面，招行是少数披露细项的银行，该行上半年信息科技投入 46.79 亿元，占营业收入的 2.99%；研发人员 10946 人，占员工总数的 8.98%；累计立项金融科技创新项目 5335 个。

从各大银行披露的最新进展来看，值得注意的是，"AI 有没有用 " 开始有了量化答案。

建设银行副行长雷鸣在业绩发布会上披露，客户经理专属智能助理 " 帮得 " 上半年平均月活超 4 万人、累计交互近 9000 万次，使用成效较好的客户经理，其管理客户资产规模新增较全行平均水平高出 57 个百分点。

招商银行管理层透露，上半年 AI 带来 1388 万小时等效人工工时贡献，已在超 1000 项工作中落地；金葵花客户经理人均有效触客次数提升 14.65%，客均成交金额提升 35.82%。农业银行行长王志恒则表示，截至 6 月末农行手机银行月活客户超 2.82 亿户，持续领跑同业。

大模型走向业务深水区

从 AI 应用的最新进展看，大型商业银行除了在客服问答等浅层 AI 应用之外，已经逐步深入信贷审批、投资交易、风险预警等核心业务链条。

信贷全流程是智能化改造最集中的领域。据招行披露，该行贷前小企业尽调报告约 90% 的工作量由 AI 完成，保函业务处理时间从超 30 小时缩短至平均 2.72 小时，投标保函可分钟级出函，贷后 AI 监测结果采纳率 68%、风险预警平均提前 45 天。

而建行方面披露，该行普惠金融全流程处理时间从 2 至 3 天压缩至 3 小时左右，服务覆盖超 600 万普惠客户；其授信审批专用智能体上线三个月即完成近 3 万客户、约 9 万笔业务的智能分析。

邮储银行构建贯穿前中后台的智能信贷支撑体系，尽职调查效率提升超 50%，对公智能展业助手辅助授信超 2000 户、金额近 3100 亿元。

另据工行披露，该行完成面向客户和面向员工两大超级智能体主体建设：个金领域的 " 工小财 " 上半年累计服务超 2200 万次；审贷助手 " 工小审 " 辅助信贷审查审批金额超万亿元。

而农行则推出自研智能体 " 龙虾 "（ABC-Claw）和企业级数字助手 " 一明 "，可实现跨业务领域的多智能体协同调用。交通银行则推出客户经理助手、数据分析智能体，企业级知识平台 " 交行知道 " 知识规模较年初翻番。

效率数据亦颇具含金量。工行全球智能对话交易系统 GlobalDealing 实现全流程处理效率提升 3 倍以上，智能询价交易比率突破 96%；私行客户综合服务方案生成时效由 5 天降至 3 小时；凭证全字段识别单笔处理速度较人工快 25 倍，上半年替代人工录入 1 亿笔；"AI 智审 " 累计输出 36 万条合规审查意见，采纳率 98.6%。

技术路线上，自主可控与降本成为共同选择。农行私有化部署 DeepSeek、Qwen 等模型，参数量级涵盖百亿、千亿和万亿；中信银行私有化部署 DeepSeek-V4、GLM5 等主流大模型，日间算力综合利用率超 85%。

邮储银行发布 " 邮智 " 金融行业大模型，打造百亿参数规模的垂域模型矩阵，缓存占用整体下降约 72%，推理成本最高节省超 87%，模型上线周期由 2 周缩短至 1 天。

AI 应用顶层设计持续落地

券商中国记者观察到，今年以来，大型上市银行数字化转型正呈现多个共性趋势。例如：各大银行密集出台顶层设计；服务模式也从 "+AI" 的简单应用逐步走向 "AI 原生 "；此外，各银行均认识到 AI 应用安全的重要性，防范技术风险。

具体来看，各大银行顶层设计在年内密集落地。例如，建行正式发布 " 人工智能 +" 三年发展规划，中行制定 " 人工智能 + 金融 " 落实方案，兴业发布 2026 — 2030 年数智化转型发展规划，农行、邮储均将 AI 规划纳入 " 十五五 " 布局。交通银行也强调将进一步修订 " 人工智能 +" 行动方案，着力把人工智能打造成为高质量发展引擎。这标志着银行业已逐步将 AI 深度嵌入全链条的系统生态之中。

值得一提的是，年内越来越多银行 AI 应用从此前的 "+AI" 简单集成逐步走向 "AI 原生 "。以招行为例，该行管理层明确过去三年基本完成 " 人 + 数字化 " 的零售服务新模式建设，下一步将走向 " 人 +AI"。

类似的还有一些国有大行，例如邮储银行提出推动智能应用从 " 单点替代 " 向 " 生态重构 " 演进，该行首席信息官牛新庄表示，人工智能大模型已从辅助工具升级为重塑行业范式的核心驱动力。工行方面也表示，该行 " 人机协同、智能驱动 " 服务模式已初具规模。

值得一提的是，在规模化落地 AI 的过程中，统筹发展与安全成为 AI 应用的核心底线。在大模型快速迭代的背景下，科技伦理与信息安全被提到了前所未有的高度。

具体来看，中信银行构建了 " 流程 + 标准 " 的 AI 安全管理框架以及 " 静态模型防护 + 动态交互防御 " 双维安全体系，重点防范 AI 攻击与数据滥用，并检测过滤 AI 应用输出内容以防范价值观偏见与歧视风险。

农行行长王志恒明确指出，针对大模型快速迭代带来的技术风险，积极应对模型黑箱、模型幻觉等问题，加快推进 " 以 AI 对抗 AI" 等能力建设。同时，中行、建行也分别发布了相关应用研发规范，确保 AI 创新始终在安全、可靠、可控的轨道上运行。

责编：战术恒

排版：王璐璐

校对：吕久彪