2025年银行大模型应用全景：多银行发力，多场景开花

　　来源：电子银行网

　　在金融科技飞速发展的当下，大模型技术正成为银行业变革与创新的核心。步入 2025年，众多银行积极投身大模型应用领域，不断拓展业务边界，提升服务效能与风险管理水平。

　　在大模型应用领域持续领跑行业，成果丰硕

　　作为国内银行业首个发布企业级千亿参数金融大模型技术体系 “工银智涌” 的机构，该系统截至2025年二季度累计调用量已突破10亿次，深度赋能公司金融、个人信贷、财富管理等20余类核心业务，覆盖智能客服、风险监控、交易结算等200余个实际应用场景。与 2024 年相比，其应用场景数量同比增长67%，调用频次提升120%，规模化应用效应显著。

　　在技术输出与生态共建层面，工商银行率先将大模型核心能力封装为标准化服务，向30余家中小银行开放API接口，助力行业整体智能化升级，技术辐射范围覆盖长三角、珠三角等主要经济圈。在金融市场交易领域，“工银智涌” 实现了从宏观趋势研判到微观订单执行的全流程重构，通过实时解析全球财经资讯与市场数据，生成多维度交易策略建议，使外汇交易决策响应速度提升80%；结合智能算法自动完成债券、衍生品等交易的询价、撮合与清算，交易执行效率提高3 倍，2025年上半年相关业务收益同比增长15%，操作风险发生率下降 62%，充分展现了大模型对金融交易模式的颠覆性革新。

　　积极响应《“人工智能 +” 创新实施纲要》的要求，将推进 “AI+” 建设与深度应用作为重要工作全力开展。

　　农业银行已顺利完成 DeepSeek全系列大模型在内部的部署并实现稳定运行，为各项业务的智能化升级奠定了坚实基础。

　　在应用层面，借助 DeepSeek 模型的强大能力，农业银行在业务创新上获得了新的驱动力。无论是在办公流程的优化、营销方式的革新，还是其他业务环节的改进中，该模型都发挥着关键作用，为业务模式的创新、服务效率的提升等提供了有力支撑，推动着农业银行在金融科技浪潮中不断探索新的发展可能，以更好地适应行业变革和客户需求。

　　率先在内部署了DeepSeek大模型，应用场景广泛且成效显著。

　　在办公效能提升方面，为全体员工配备了智能问答、辅助报告生成以及邮箱助手等基础服务。员工日常工作中遇到业务流程咨询、政策法规解读等问题，通过智能问答能迅速获得准确解答。信贷业务报告撰写借助辅助报告生成工具，输入关键信息后，模型依据内置模板和行业知识生成初稿，并提供数据解读，报告撰写时间大幅缩短。邮箱助手实现邮件智能分类、筛选和摘要提取，还能生成回复建议，极大提升沟通效率。

　　客户服务层面，外呼客户购买意向分析功能助力精准营销，通过挖掘客户历史交易、消费偏好等多维度数据，预测潜在兴趣，制定个性化营销话术，营销转化率提升约30%。客服消保合规质检功能也得以实现，智能客服语义理解能力大幅提升，能精准把握客户意图，在多轮对话中保持流畅交互，咨询解决率从70%提升至85%，客户满意度从 80%提高到90%以上。

　　将 DeepSeek 率先应用于智能合同质检和自动化估值对账场景。

　　在智能合同质检中，运用 DeepSeek - VL2 模型提升合同质检准确率，有效防范合同风险。在自动化估值对账方面，凭借轻量化 DeepSeek - R1 推理模型引擎的高效计算特性，实现资产托管估值信息自动化解析录入、对账，结合邮件网关解析处理能力，达成邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化，识别成功率超90%，初步实现业务集中运营，按平均手工操作水平测算，每天可减少9.68小时工作量。

　　自主研发百亿级参数 “京智” 大模型，并构建 “京智大脑” 人工智能平台。

　　2025 年持续完善以大模型技术平台为基础的交付能力和应用体系，整合前沿大语言模型和自动化技术打造京骑智能体平台，推动大模型应用需求快速落地与交付，从模型研发到应用体系建设均更加深入系统。

　　利用 Deepseek 大模型深度解析智能客服知识库，显著提升语义理解、逻辑推理和多轮对话能力。

　　2025 年计划以全行人工智能中台服务体系建设为契机，运用大模型打造更多营销、风控以及内部管理智能体，从单一智能客服场景向多业务场景拓展，展现出对大模型应用的长远规划与布局。

　　则推出 AI 原生大模型，从底层架构到交互界面全面重构手机银行服务模式。

　　上海银行构建 “大模型 + 微模型” 协同体系，大模型如 DeepSeek、Qwen提供通用智能能力，处理复杂任务与跨领域知识整合，分析宏观经济趋势、识别用户潜在需求；微模型聚焦细分场景，在普惠金融、消费金融等领域精准发力，如反欺诈微模型识别率超80%，人脸微模型实现智能柜员机 “刷脸取款”，误识率低于0.01%。大模型深度嵌入风险评估、反欺诈和信贷审批流程，自动解析金融文本、生成风险评估报告助力合规管理。通过大模型 + 私域知识库构建知识问答体系，知识检索效率提升60%，准确率提升 80%，智能客服接通率从86% 提升至 95%，累计部署超400名数字员工，覆盖营销、运营等场景。在信贷审批和财富管理场景，整合多维度标签生成数据、推荐个性化产品组合，还构建全链条智能体开发平台，支持多云、多芯异构算力调度，千卡云算力集群支持千亿级大模型训练与推理，新一代智能柜员机融合多种技术，通过手势识别和情绪感知理解用户意图，提供定制化服务。

　　众多银行在大模型应用上的积极探索，不仅提升了自身业务效率与服务质量，也为整个银行业的数字化转型提供了宝贵经验。然而，大模型应用在数据安全、隐私保护、合规监管等方面仍面临诸多挑战。未来，银行需在持续创新应用大模型技术的同时，强化风险防控与合规管理，确保在数字化浪潮中稳健前行，为客户提供更加优质、高效、安全的金融服务 。