来源：北京商报

　　作者：孟凡霞 周义力

　　人工智能（以下简称“AI
”）正从银行业的“技术选项”变为“生存刚需 ” 。从各大银行高管频频布局AI战略、行业AI招标持续加码 ，再到接连推出AI创新产品——AI早已跨越工具属性
，成为驱动业务增长 、重塑组织模式
、改写行业格局的关键变量
。

　　在行业高速发展的同时，金融监管总局发布银行业保险业首份AI安全开发应用指导意见 ，从治理架构、开发应用 、数据治理等多个维度为金融机构AI发展拧紧“安全阀
”。业内人士指出
，这份指导意见填补了金融领域AI系统性监管的空白，构建了覆盖全流程的监管框架 ，标志着金融AI正式步入有规可依的规范化发展阶段 。展望未来
，统一的监管标准有助于营造公平竞争环境，保护金融消费者合法权益 ，为AI技术的长期规模化应用筑牢安全底线，推动行业从粗放式创新转向高质量可持续发展
。

　　AI竞速

　　随着大模型技术加速演进
，AI正在重构全球产业格局，银行业的转型浪潮亦奔涌而至。如今 ，“AI+”不再是银行的可选加分项
，而是成为决定其业务增长
、行业位次的关键变量，各大机构纷纷加速布局 ，掀起一场覆盖产品、算力 、生态的全方位竞速 。

　　从产品层面来看
，AI已跨越后台辅助，直抵一线业务场景
。近日 ，招商银行面向AI及科技从业者推出运通工程师信用卡
，为满足该人群对于Token等AI资源的需求痛点，首创将Token纳入新户礼 ，成为国内首张搭载Token权益的信用卡。据了解
，新户达标后，最高可享受每月18亿Token M3用量 ，可直接用于文档
、图像、音视频等多模态模型调用，以及MaxClaw龙虾部署等AI高频场景 。

　　在业务应用层面
，中国银行上海市分行近期探索推出基于大语言模型的“惠Chat ”数字化普惠平台，聚焦小微融资“最后一公里
”堵点 ，将AI能力嵌入信贷流程
，构建“政策大脑—企业画像—智能匹配”服务体系，为一线客户经理减负增效。

　　事实上 ，从战略层面来看
，2025年以来，多家银行已将AI置于公司发展的核心位置
。工商银行首次提出“数智工行 ” ，启动实施了“领航AI+”行动；邮储银行面向各分行开放10大项24个通用AI能力
，形成“对外全域触达+对内全员提效
”的邮储银行“AI 2 ALL”数字生态；招商银行则提出“AI First ”理念，将AI置于“优先 、领先、率先
”地位；浦发银行亦将AI能力建设提升至战略核心地位 ，推动“懂数智
、用数智”成为全行共识。

　　全面铺开的AI布局
，也着实为银行带来了实实在在的降本增效成果 。以工商银行为例，2025年其创新实施“领航AI+ ”行动 ，在30余个业务领域落地超500个AI应用，AI数字员工承担工作量5.5万人年；建设银行人工智能大模型技术已规模化赋能集团398个场景应用
，AI助手覆盖率已经达到99.42%，日均访问量已经超过10万人次；招商银行落地183个领域专精模型和856个大模型应用场景 ，累计替代人工时长超1556万小时
，约等于节省超8000名全职员工工作量
。

　　展望未来，或许正如兴业银行董事长吕家进所言 ，“AI时代下
，硅基生命将大量替代碳基生命的工作，今后客户经理将不再区分公司、零售 、同业等类型
”。

　　在苏商银行特约研究员武泽伟看来 ，当前银行业集体加码AI布局
，是数字经济时代行业转型深化的必然趋势 。随着净息差持续收窄与存量竞争加剧，传统依靠规模扩张的增长模式难以为继 ，AI技术成为银行降本增效
、挖掘增量价值的核心抓手
。

　　武泽伟表示
，行业竞速AI背后折射三大转型趋势：一是AI定位从辅助工具升级为核心生产要素，全面渗透客户服务、风险管控 、运营管理等全业务链条；二是行业竞争逻辑从渠道比拼转向技术能力比拼 ，技术代差正在拉大不同银行的经营差距；三是AI应用从后台降本向前台创收延伸，产品创新与场景拓展速度持续加快
，逐步形成技术驱动的增长新范式。

　　“安全阀”同步拧紧

　　回溯来看，2024年 ，开展“人工智能+ ”行动首次被写入政府工作报告
，随后AI在各领域加速落地 。2025年3月，政府工作报告提出持续推进“人工智能+
”行动
。在2026年政府工作报告中 ，相关部署进一步升级
，要求深化拓展“人工智能+”，提出“促进新一代智能终端和智能体加快推广 ，推动重点行业领域人工智能商业化规模化应用 ”
，并同步强调要“完善人工智能治理
”。

　　三年三提，从布局到深化 ，政策信号逐级加码 。在此背景下
，金融监管总局于6月18日发布《关于银行业保险业人工智能安全开发应用的指导意见》（以下简称《指导意见》），从治理架构
、开发应用、数据治理 、算力建设
、风险管理、能力提升 、保障与监督等方面提出了32项指导性意见
。这也是金融业首份系统性AI安全开发应用监管文件。

　　金融监管总局有关司局负责人在答记者问时表示 ，《指导意见》旨在规范银行业保险业金融机构对人工智能的开发应用，有效防控人工智能技术应用可能带来的风险
，推动数字金融高质量发展，有序推进人工智能科技创新与金融业务深度融合 ，引导金融领域人工智能应用朝着有益
、安全、公平方向健康有序发展 。

　　同时
，《指导意见》明确了四大原则：一是坚持谁使用谁负责，压实金融机构作为金融服务提供方 、人工智能技术使用方的主体责任 ，强化金融机构内部各环节工作责任落实
，明确人工智能开发应用各方分工和权责义务；二是坚持自主可控，持续提升人工智能相关技术、设备自主可控水平 ，提高对业务经营发展有重大影响的关键平台
、关键软硬件的自主研发能力
，加强信息技术应用创新适配；三是坚持务实高效，以提升业务价值为导向 ，科学规划人工智能开发应用投入
，有效平衡成本与效益，摒弃“为新而新、为用而用”的倾向 ，推动人工智能切实服务经济高质量发展和金融业务高效运转；四是坚持安全发展，严格落实国家网络安全和信息化工作要求
，遵守网络安全 、数据安全各项法律法规制度，强化技术安全和应用安全保障 ，全面提升安全防护和应急处置能力。

　　在武泽伟看来
，首份AI安全开发应用指导意见，恰逢行业AI应用加速普及的关键节点 ，具有重要的规范与引导意义
。《指导意见》填补了金融领域AI系统性监管的空白
，构建了覆盖全流程的监管框架，标志着金融AI正式步入有规可依的规范化发展阶段。

　　“对于银行创新而言 ，短期将提升合规门槛
，倒逼机构完善治理体系与风险防控机制，遏制技术滥用与无序竞争 。从行业生态看 ，统一的监管标准有助于营造公平竞争环境
，保护金融消费者合法权益，为AI技术的长期规模化应用筑牢安全底线 ，推动行业从粗放式创新转向高质量可持续发展
。 ”武泽伟补充表示。

　　博通咨询首席分析师王蓬博补充提到，《指导意见》出台的意义不仅在于防范模型风险
、数据滥用和算法黑箱带来的新型隐患
，更在于为金融机构推进AI商业化提供了合规基准 。他预判，未来银行在AI创新上将从单点试验转向体系化部署 ，行业生态也将加速分化
，具备治理能力与技术底层的机构将获得先发优势
。

　　银行应如何科学合规布局AI

　　如果说《指导意见》划定了金融AI发展的“安全边界”，那么具体到操作层面 ，银行如何将合规要求转化为落地方案
，仍是待解的课题。

　　从文件本身来看，《指导意见》对模型开发、数据治理及算力建设三大要素提出了系统性要求 。在模型开发方面 ，金融机构应定期开展对模型效能的测评分析
，构建数据闭环反馈机制，形成“数据—模型—应用
”的迭代优化；在数据治理方面 ，要求金融机构要推动数据运营机制建设
，建立覆盖数据全生命周期的管理流程，提升数据服务能力；在智能算力建设方面 ，金融机构应充分依托已有算力资源基础，按照国家相关政策要求
，按需布局智能算力资源建设，应用绿色低碳技术 ，建设自主可控 、安全高效的算力底座
，助力高水平科技自立自强
。同时，要加强对人工智能应用的运行监测 ，实现对应用
、模型、算力 、网络的一体化管理
，保障人工智能应用安全可靠运行。

　　除三大核心要素外，外包合作风险也被纳入重点监管范畴 。《指导意见》明确 ，使用外部人工智能技术时
，金融机构应在外包策略
、数据安全、集中度管理等方面建立管理机制，通过合同协议明确安全管理方面的权责义务 ，确保金融机构能够有效管控相关风险
。与外部企业开展合作时
，应建立有效的风险隔离“防火墙”，防范风险跨业传递。对外包合作机构实行名单制管理 ，对引入的外部模型建立严格的内部评估框架，有效评价模型的优缺点和适配性 。

　　对于上述要求
，中国企业资本联盟副理事长柏文喜表示，《指导意见》对算力 、数据体系等提出高标准约束 ，行业分化趋势或将进一步凸显
，头部银行资源优势持续放大，中小银行转型压力增加 ，同时设置合规门槛也倒逼金融科技服务商升级产品安全标准。他建议
，银行需搭建专属AI数据质量规范，破解数据孤岛
、无效数据堆积难题 ，全程严守客户隐私与数据安全红线；在人才层面要兼顾算法技术团队与通晓金融业务、合规伦理的复合型人才培养
，实现技术研发与风险管控能力同步升级
。

　　王蓬博建议，银行应尽快建立覆盖董事会 、高管层到业务条线的AI治理架构 ，把风险管理嵌入开发全流程。在推动AI规模化应用时
，不能只看效率提升或成本下降，更要评估可解释性、公平性和应急回退机制 。从金融业历史发展来看 ，安全与创新并非对立，关键在于通过制度设计明确责任边界
、技术标准和审计路径
，使AI真正成为可管、可控 、可用的核心生产要素
。