在金融科技飛速發展的當下，大模型技術正成為銀行業變革與創新的核心驅動力。步入 2025年，眾多銀行積極投身大模型應用領域，不斷拓展業務邊界，提升服務效能與風險管理水平。

工商銀行在大模型應用領域持續領跑行業，成果豐碩

作為國內銀行業首個發布企業級千億參數金融大模型技術體系 “工銀智涌” 的機構，該系統截至2025年二季度累計調用量已突破10億次，深度賦能公司金融、個人信貸、財富管理等20余類核心業務，覆蓋智能客服、風險監控、交易結算等200余個實際應用場景。與 2024 年相比，其應用場景數量同比增長67%，調用頻次提升120%，規模化應用效應顯著。

在技術輸出與生態共建層面，工商銀行率先將大模型核心能力封裝為標準化服務，向30余家中小銀行開放API接口，助力行業整體智能化升級，技術輻射范圍覆蓋長三角、珠三角等主要經濟圈。在金融市場交易領域，“工銀智涌” 實現了從宏觀趨勢研判到微觀訂單執行的全流程重構,通過實時解析全球財經資訊與市場數據，生成多維度交易策略建議，使外匯交易決策響應速度提升80%；結合智能算法自動完成債券、衍生品等交易的詢價、撮合與清算，交易執行效率提高3 倍，2025年上半年相關業務收益同比增長15%，操作風險發生率下降 62%，充分展現了大模型對金融交易模式的顛覆性革新。

農業銀行積極響應《“人工智能 +” 創新實施綱要》的要求，將推進 “AI+” 建設與深度應用作為重要工作全力開展。

農業銀行已順利完成 DeepSeek全系列大模型在內部的部署并實現穩定運行，為各項業務的智能化升級奠定了堅實基礎。

在應用層面，借助 DeepSeek 模型的強大能力，農業銀行在業務創新上獲得了新的驅動力。無論是在辦公流程的優化、營銷方式的革新，還是其他業務環節的改進中，該模型都發揮著關鍵作用，為業務模式的創新、服務效率的提升等提供了有力支撐，推動著農業銀行在金融科技浪潮中不斷探索新的發展可能，以更好地適應行業變革和客戶需求。

華夏銀行率先在內部署了DeepSeek大模型，應用場景廣泛且成效顯著。

在辦公效能提升方面，為全體員工配備了智能問答、輔助報告生成以及郵箱助手等基礎服務。員工日常工作中遇到業務流程咨詢、政策法規解讀等問題，通過智能問答能迅速獲得準確解答。信貸業務報告撰寫借助輔助報告生成工具，輸入關鍵信息后，模型依據內置模板和行業知識生成初稿，并提供數據解讀，報告撰寫時間大幅縮短。郵箱助手實現郵件智能分類、篩選和摘要提取，還能生成回復建議，極大提升溝通效率。

客戶服務層面，外呼客戶購買意向分析功能助力精準營銷，通過挖掘客戶歷史交易、消費偏好等多維度數據，預測潛在興趣，制定個性化營銷話術，營銷轉化率提升約30%。客服消保合規質檢功能也得以實現，智能客服語義理解能力大幅提升，能精準把握客戶意圖，在多輪對話中保持流暢交互，咨詢解決率從70%提升至85%，客戶滿意度從 80%提高到90%以上。

江蘇銀行將 DeepSeek 率先應用于智能合同質檢和自動化估值對賬場景。

在智能合同質檢中，運用 DeepSeek - VL2 模型提升合同質檢準確率，有效防范合同風險。在自動化估值對賬方面，憑借輕量化 DeepSeek - R1 推理模型引擎的高效計算特性，實現資產托管估值信息自動化解析錄入、對賬，結合郵件網關解析處理能力，達成郵件分類、產品匹配、交易錄入、估值表解析對賬全鏈路自動化，識別成功率超90%，初步實現業務集中運營，按平均手工操作水平測算，每天可減少9.68小時工作量。

北京銀行自主研發百億級參數 “京智” 大模型，并構建 “京智大腦” 人工智能平臺。

2025 年持續完善以大模型技術平臺為基礎的交付能力和應用體系，整合前沿大語言模型和自動化技術打造京騎智能體平臺，推動大模型應用需求快速落地與交付，從模型研發到應用體系建設均更加深入系統。

重慶銀行利用 Deepseek 大模型深度解析智能客服知識庫，顯著提升語義理解、邏輯推理和多輪對話能力。

2025 年計劃以全行人工智能中臺服務體系建設為契機，運用大模型打造更多營銷、風控以及內部管理智能體，從單一智能客服場景向多業務場景拓展，展現出對大模型應用的長遠規劃與布局。

上海銀行則推出 AI 原生大模型，從底層架構到交互界面全面重構手機銀行服務模式。

上海銀行構建 “大模型 + 微模型” 協同體系，大模型如 DeepSeek、Qwen提供通用智能能力，處理復雜任務與跨領域知識整合，分析宏觀經濟趨勢、識別用戶潛在需求；微模型聚焦細分場景，在普惠金融、消費金融等領域精準發力，如反欺詐微模型識別率超80%，人臉微模型實現智能柜員機 “刷臉取款”，誤識率低于0.01%。大模型深度嵌入風險評估、反欺詐和信貸審批流程，自動解析金融文本、生成風險評估報告助力合規管理。通過大模型 + 私域知識庫構建知識問答體系，知識檢索效率提升60%，準確率提升 80%，智能客服接通率從86% 提升至 95%，累計部署超400名數字員工，覆蓋營銷、運營等場景。在信貸審批和財富管理場景，整合多維度標簽生成數據、推薦個性化產品組合，還構建全鏈條智能體開發平臺，支持多云、多芯異構算力調度，千卡云算力集群支持千億級大模型訓練與推理，新一代智能柜員機融合多種技術，通過手勢識別和情緒感知理解用戶意圖，提供定制化服務。

眾多銀行在大模型應用上的積極探索，不僅提升了自身業務效率與服務質量，也為整個銀行業的數字化轉型提供了寶貴經驗。然而，大模型應用在數據安全、隱私保護、合規監管等方面仍面臨諸多挑戰。未來，銀行需在持續創新應用大模型技術的同時，強化風險防控與合規管理，確保在數字化浪潮中穩健前行，為客戶提供更加優質、高效、安全的金融服務 。

來源：電子銀行網