銀行 AI，不是你想的那樣

導語：啓動 All in AI 戰略至今，AI 能力已抵達北京銀行業務核心層。

一邊是火焰，一邊是海水。

兩處温差有多大？打開股票賬户看一眼就知道了。

芯片、算力被資金瘋狂追逐，傳統經濟板塊則被冷落。靠人力堆出來的生意，估值天花板就在那裏。

然而，分野並非不可逾越。

AI 的商業化落地，最終仍要依靠實體經濟的承接。理性與判斷力這兩項金融業最核心的資產，正在從人的經驗體系向數據與算法體系遷移。

橋水基金創始人瑞·達利歐曾在《財富》雜誌撰文指出，AI 將影響幾乎所有事物，人類正處於一個新紀元的邊緣，"人類僅憑個人判斷做出決策的日子即將結束"。

在橋水內部，達利歐將決策原則轉化為算法，由計算機系統輔助投資判斷。橋水推出的 AIA 宏觀基金，到 2025 年底規模已突破 50 億美元，業績與人類基金經理主導的策略旗鼓相當，且能提供獨立阿爾法收益。

巴克萊今年 6 月發佈的一項調查覆蓋了 410 家全球投資機構，結果顯示 72% 的對沖基金每天都在使用 AI 工具。應用最廣的領域是研究分析，其次是證券篩選。

同屬金融業的銀行業，AI 應用同樣在加速。

高盛的 “One Goldman Sachs 3.0” 把 AI 嵌入了六大核心工作流，超過一半的員工日常都在用 GS AI 平台。摩根大通每年投 170 多億美元在科技上，支撐約 450 個 AI 應用落地。ING 銀行靠集中化的 AI 平台，把試點項目的成功率推到了 90%。

把視野拉回國內，問題變得具體起來：動輒百億美元的科技投入，對絕大多數中國銀行來説，是難以企及的門檻。

門檻高是一方面。更棘手的，對國內嚴監管的環境而言，AI 引入金融業，本身就伴隨新的風險敞口。深度神經網絡決策猶如黑箱，大模型還可能產生幻覺，生成不可靠的結果。訓練數據的質量缺陷會被系統性放大，算法也可能產生偏見或歧視性結果。且一旦 AI 深度嵌入信貸審批、風險評估等核心環節，技術故障可能沿着業務鏈條傳導，放大系統性風險。

有沒有一條路，既可行又安全？

6 月 18 日，國家金融監督管理總局發佈《關於銀行業保險業人工智能安全開發應用的指導意見》（簡稱指導意見）。這是國內銀行業保險業首份人工智能全流程專項監管文件。

《指導意見》明確，金融機構開發應用人工智能應堅持誰使用誰負責、自主可控、務實高效、安全發展等四大原則，並從治理架構、開發應用、數據治理、算力建設、風險管理、能力提升、保障與監督等七方面提出了 32 項指導性意見。核心導向，是引導行業從實際業務需求出發，解決真實問題、創造真實價值。

$北京銀行(601169.SH) 金融實踐路徑恰與監管方向高度吻合。比起華爾街的宏大敍事，或許更貼近中國銀行業的真實經營面。

作為一家資產規模 5 萬億的城商行，北京銀行用不到營收 5% 的投入，跑通了一套從算力底座到智能體矩陣、從組織再造到業務重構的完整體系。

01 “All in AI”

傳統銀行商業模式，建立在信息不對稱之上。

客户經理掌握企業信息，風控專家擁有審批權力，櫃員執行標準操作。這套以人為中心的體系，天然存在人力瓶頸、經驗斷層和效率天花板。規模越大，管理成本就越高。邊際效益遞減，增長曲線不可避免地走向平緩。

北京銀行的 “All in AI” 戰略，試圖打破這個天花板。用算力分擔人力，用算法輔助經驗，用智能體優化流程，把銀行從勞動密集型組織向技術驅動的方向改造。

這場改造由頂層設計驅動，自上而下推行。

2025 年 2 月，北京銀行全面啓動 “All in AI” 戰略，由一把手牽頭，成立專班工作機制，決策鏈條被大幅壓縮。

這與《指導意見》對銀行治理架構層面"加強頂層設計和統籌管理"的要求一脈相承。

數字化轉型有其階段性。早期數字化，核心是 “線上化”，解決 “有沒有系統” 的問題。那時候 AI 只是提效工具，輔助人完成工作。

歷經三年轉型，北京銀行進入 “全面數字化經營 2.0” 階段，核心導向從 “系統上線” 變為 “價值創造”。

“All in AI” 就是這個階段的重要抓手。AI 的角色從業務輔助，逐步升級為驅動增長的引擎。

用北京銀行首席信息官明立松在業績説明會上話説：“投資科技就是投資未來。”

過去幾年，北京銀行科技投入佔營收比重穩定在 4.5% 以上，2025 年進一步加碼到 4.8%，在同業中處於較高水平。

這些投入，換來的是一系列基礎設施升級。技術棧轉型、系統豎井打通、企業級數據底座建成、安全防線升級、AI 前瞻佈局落地、數字化人才隊伍成型。本質上，是一家銀行在升級自己的底層架構。

02 算力與智能體

花了五年，北京銀行完成了從 “買算力” 到 “建生態” 的跨越。

這五年中，北京銀行所堅持的自研和國產化適配方向，與其後出台的《指導意見》"自主可控"原則保持一致。

2021 年 6 月，“京智大腦” 項目啓動，目標是搭建全行級的人工智能平台。兩年後，“京智大腦” 三階段投產完成，推廣到各分支機構。同年，金融智能化創新實驗室創建，開始打造國產化算力底座。

2025 年是關鍵轉折年。

上半年，北京銀行建成 “1213” AI 體系，包括一體化算力底座、兩大模型開發運營平台、100 餘項 AI 能力、300 餘項 AI 應用場景。算力、需求、能力第一次被統籌管理。

下半年，全自研的一體化異構算力調度平台落地。從算力資源到前端應用，一條完整鏈路貫通。

2026 年 3 月，北京銀行發佈 “智算平台”，兼容異構國產算力，統籌調度大小模型。

在大模型層面，北京銀行是金融行業首批實現自主可控閉環的機構之一。

2023 年開始引入主流大模型，同步搭建 AI 創新平台，繼而完成人工智能應用場景聯合研發平台。2025 年 2 月，北京銀行攜手華為實現 DeepSeek 全棧國產化金融應用，從底層算力到大模型到業務應用，全部國產化適配。

底層技術棧也在同步升級。自研的"金融操作系統"向下連接所有數據和設備，向上支持敏捷開發。在"京智大腦"平台上，投產時間平均降低 60%，研發交付能力提升 20%。核心系統完成"主機雲化"遷移，數據庫完成分佈式改造。

在《指導意見》中，穩妥探索人工智能技術研發和金融智能體建設被提到了相當重要的位置。

在這個方向上，從 2024 年引入智能體編排創作平台，到 2025 年底超過 300 個智能體嵌入北京銀行業務流程。一年多時間完成這個規模，在城商行中相當少見。

這 300 多個智能體被分成三類：

約 180 個 “速辦智能體”，負責流程清晰、操作簡單的標準化場景。貸前篩選、額度查詢、常規操作，過去人工需要十幾分鍾，現在秒級響應。

約 90 個 “深研智能體”，應對需要整合多源信息的複雜場景，採用 “機器幹活、人工終審” 的協同模式。實時抓取數據、自動識別偏差，彌補人工研判的疏漏。

約 30 個 “巡航智能體”，聯動市場數據庫、競品報告、行內核心繫統，7×24 小時監測業務指標和動態，實現風險早感知、早預警。

這三類智能體組成一套完整的 AI 智能體體系，效率提升直觀且可量化。

在智能交易領域，質押式回購等業務中，AI 賦能全鏈路，交易處理效率提升近 10 倍。供應鏈生態圖譜，分析賦能客户經理精準拓客，效率提升 5 倍。手機銀行智能客服平均每月完成 626 萬用户諮詢，成功率達 92%。

此外，北京銀行基於 RPA 平台新增 30 餘項自動化流程，部署機器人 20 個，累計節省人工 300 人/月。

而真正證明 AI 深度嵌入業務中的指標，是大模型活躍度。相比兩年前，2026 年大模型的 Token 活躍度增長了 27 倍。

03 從 “+AI” 到 “AI+”

在舊流程上疊一個 AI 模塊，這是工具思維，還停留在初級階段。

北京銀行現在做的是另一件事：以 AI 為原點重新設計業務流程。

兩種思維的差異在於，前者解決效率問題，後者切入結構底層。

2024 年起，全行所有新建項目要求 “AI 優先”，即從需求定義階段就把 AI 作為默認選項，不是等系統建好了再想 “哪裏能加個 AI”。

任何新業務立項，首要問題便是：AI 能否嵌入、替代或提升原有流程？

沿着這條邏輯，AI 開始滲透到信貸審批、風險控制、產品設計、客户服務和技術研發的每一個環節。

信貸領域的變化最典型。AI 驅動的風險評估，正在改變傳統抵押物依賴。

北京銀行自研的 “科創雷達” 評價體系，不只看財務報表。它還從技術實力、創新潛力等維度給科技企業畫像，盤活科技企業輕資產的核心價值。

“領航 AI 貸” 累計投放突破 1600 億元，“科創 e 貸” 和 “研發貸” 讓大量輕資產、高風險的科技企業首次獲得低成本融資。

到 2026 年一季度末，北京銀行科技金融貸款餘額突破 4800 億元，服務專精特新企業超 3 萬家。北京地區 82% 的創業板、76% 的科創板、75% 的北交所上市企業，都在其服務範圍內。

需要特別留意的是，信貸審批被《指導意見》明確列為"高風險 AI 應用"範疇。針對這類應用，關鍵環節要建立人工監督和干預機制，明確緊急停用條件。北京銀行的深研智能體採用"機器處理、人工終審"的協同模式，保障最終決策權仍在人手中。

風控也在變化。新一代信用風險管理系統整合了授信審批全流程，AI 讓風險識別從 “事後補救” 變成了 “事前預警”。2025 年，北京銀行不良貸款率降至 1.29%，連續第五年下降。開放銀行註冊客户數同比增長 35%，手機銀行個人客户 1985 萬户，月活 789.9 萬户。

技術變革最終要落在人與組織上。北京銀行科技人員較 “十四五” 初期翻了近 3 倍，業技融合訓練營累計培養複合型人才上千人。2025 年總分行高價值業務場景已落地超 300 個。

更有代表性的是管理機制的變化。

北京銀行對智能體設立了類似 HR 的管控機制，生產、發放、授權、監督、人機協同全部規範化管理。智能體像人類員工一樣被納入勞動生產體系。這意味着，銀行內部的生產關係發生了深刻的變化。

AI 驅動的效率提升最終會反映在財務數據上。

2026 年一季度，北京銀行營收 195.99 億元，同比增長 14.43%；歸母淨利潤 80.98 億元，同比增長 5.55%。

AI 改造，日益塑造着銀行這艘忒修斯之船。

從信貸審批到風險控制，從客户觸達到產品設計，每塊木板被逐一裝備上 AI 驅動能力。

重要的是，它駛向的是一片全新水域。這片水域裏，遊戲規則正在被重寫。

算力迭代速度、智能體協同密度、大模型知識深度，正在取代網點數量和人員規模，成為衡量一家銀行競爭力的新標尺。它們半衰期更短，更新頻率更高。令銀行原有靜態存量優勢，讓位於動態進化能力。

此前難以想象的產業變局，逐漸清晰。

有多大不再重要，有多快才決定生死。中等規模銀行，經過 AI 深度改造後，經營效率有可能超越體量數倍於己的對手。

在這個新邏輯下，率先完成底層架構升級的銀行，將比任何存量同業，都更接近未來銀行的定義。