21世紀經濟報道記者 邊萬莉 實習生 余姿樺 上海報道 “當算法讀懂人性的金融需求，銀行將不再是一座冰冷的金庫，而成為流淌著智慧與溫情的金融生命體。”近日，重慶富民銀行行長趙衛星在2025中國國際金融展上演講時如是說。

自金融大模型興起以來，銀行業的運營邏輯與服務范式正在經歷深層重構。對中小銀行而言，盡管面臨算力、數據、人才等現實制約，卻也因組織靈活、本地貼近、響應快速等優勢，捕捉到了智能化轉型的突破口。作為中西部地區首家獲批開業的民營銀行，重慶富民銀行在大模型應用上已實現落地成果轉化，且正持續深化探索實踐。為了解中小銀行應用金融大模型的挑戰與破局之道，21世紀經濟報道“對話數字金融30人”欄目邀請趙衛星進行了深入專訪。

趙衛星表示，金融大模型的應用需從戰略層面重構認知邏輯，通用大模型與垂直領域專業能力的協同性遠勝于孤立開發專業模型。同時，要警惕技術應用誤區，大模型應優先解決風控、審計等核心場景的“人機協同”問題，而非盲目追求技術標簽化。未來，銀行需從“產品主導”轉向“客戶需求驅動的智能體生態”，讓金融產品真正適配企業經營需求，而非受制于傳統風險偏好。

大模型催生“算法銀行”

《21世紀》：大模型是否正在重塑金融業？給銀行業帶來了哪些變化？

趙衛星：大模型作為銀行業從數字化時代升級到智能化時代的核心引擎，將深刻改變銀行業的業務模式。金融業天然具備數據密集、人才密集、資本密集等特性，使其成為大模型應用最成熟的行業之一。有數據顯示，2023年全球金融業占全行業AI支出的28%；全球TOP50銀行中92%已部署大模型；金融業AI滲透率達35%，遠超醫療（15%）零售（20%）等行業；2024年大模型落地案例分布占金融行業比例為36.7%，2024年大模型落地案例分布銀行占比15.40%。

金融大模型相當于給金融業重新定義了金融的新范式，完全改變了原來行業對于金融產品的定義。在傳統模式下，銀行是按照自己的理解來設計產品，再提供給客戶，百年來金融業都是如此。現在由于大模型的存在，客戶可以基于自身生活與經營需求參與產品定義的過程中，完全改變金融業的運行方式，構建了“算法銀行”的新范式。

未來，銀行需從“產品主導”轉向“客戶需求驅動的智能體生態”，通過“通用大模型底座+行業知識庫+動態數據流”，讓金融產品真正適配企業經營需求，而非受制于傳統風險偏好。此外，大模型在營銷獲客、風險控制、客戶服務等多個業務環節的應用，實現了質效提升和成本優化的雙重突破。

《21世紀》：如何通過大模型讓金融產品真正適配企業經營需求，構建“算法銀行”新范式？

趙衛星：具體來說，首先是要與企業協同構建面向大模型應用的數據采集、分析及處理系統。該系統需覆蓋數據全生命周期管理，通過標準化流程實現數據的高效整合與價值挖掘，為后續智能體應用奠定數據基礎。第二步是將自身產品進行要素化拆解，形成模塊化的金融智能體組件并輸出至企業。以當前企業廣泛應用DeepSeek能力為例，未來銀行可參照此模式，向企業輸送定制化智能體，由企業自身跟金融智能體結合來產生自己的金融服務產品。

需要注意的是，金融業應避免陷入“技術軍備競賽”，需在算力經濟與綠色發展的平衡中尋找突破口，通過混合云架構和敏捷迭代實現“AI價值穿透”，最終讓銀行從“資金中介”進化為“智慧與溫度并重的金融生命體”。

《21世紀》：大模型對金融業的影響大概可以劃分為幾個階段，不同階段有哪些特點？

趙衛星：從行業實踐來看，大模型的應用正從輔助工具向AI智能體躍進，推動著金融業人機協作模式的深度變革，其發展路徑可劃分為三個階段。

短期來看，大模型在1-3年內率先在客服、風控、合規等標準化場景實現落地應用，通過大模型優化現有業務流程，提質增效。中期階段，大模型在3-5年時間內將形成智能的決策機制，提升決策流、信息流的優化。長期來看，大模型在5-10年催生“算法銀行”新形態。未來銀行將不再是以人工服務為主，而是依托算法技術，發現客戶需求來實現智能化服務。總結來說，大模型驅動的金融業變革會呈現“優化現有業務-部分替代人工決策-催生算法銀行”的三步走狀態。

發揮中小銀行特色化優勢，提升金融業的智能化

《21世紀》：相較于大型銀行，中小銀行在普惠金融、本地化服務等領域更具優勢。對于中小銀行來說，應當如何最大化地發揮大模型效用？

趙衛星：本地的中小銀行有兩個發展趨勢：一是越來越扎根于本地化，服務好當地企業與居民；二是像我們富民銀行這樣，借助技術能力向企業和個人提供差異化、線上化服務。我覺得，未來中小銀行更應該把這種特色化能力發揮出來，為大型銀行提供樣板。大型銀行的實驗成本比較高，只有中小銀行實驗出來以后，再加以運用兩種銀行的不同特色相結合，就能夠更好地提升金融業的智能化。

《21世紀》：中小銀行應用金融大模型面臨著哪些挑戰？有何應對建議？

趙衛星：當前中小銀行在大模型應用中面臨的挑戰比較多：一是在發展初期，投入與收益的量化邏輯需精準考量；二是組織架構的挑戰，現有組織架構以人與人的協作關系為基礎，而未來將轉向人與機器的協作模式，這對組織人員及組織流程極具挑戰；三是應用層面的挑戰，未來將突破傳統銀行體系的局限，向更廣泛的行業領域延伸；四是數據與隱私保護的挑戰。

應對上述挑戰可以從以下幾個方面入手：一方面，基于成本與效率的精準測算，可以通過動態調整實現投入產出的合理平衡；另一方面，著手優化組織架構，以適配人與機器協作的新模式，通過流程再造與人員能力升級，提升組織協同效能；此外，還要加強數據和隱私保護，更重要的是把金融智能體跟行業需求緊密捆綁。

《21世紀》：金融大模型可能存在“AI幻覺”的問題，怎么才能增強模型決策的透明度與準確性？你們銀行是否建立了人工干預機制以應對關鍵業務場景？

趙衛星：現在大模型確實還存在“AI幻覺”的情況。因此，我們對大模型的應用采取“三步走”戰略，即先對內、再融合場景、最后對客開放。對內的場景包括研發的代碼生成、對公的會議助手、內部運營的經營數據分析、審計的路徑推薦、風險管理的報告智能撰寫等等；“面客”場景包括智能客服、智能電銷、網點助手、遠程銀行助手、催收外呼機器人等。

目前，我們在對內和融合場景的應用過程中，嵌入了人工干預機制，適時調整大模型“幻覺”帶來的一些問題。只有在對內以及融合場景應用成熟后，我們才會大面積應用于對客領域。目前，富民銀行聚焦降本增效的“真實價值場景”，通過大模型重構內部流程，實現人員精簡、自動代碼撰寫率超50%，驗證了“AI+業務流”的高效性。