6月16日，毕马威发布《2025年中国银行业调查报告》（以下简称“报告”）。

报告仍然沿用以往的结构，第一部分主要涵盖宏观层面经济金融形势分析第二部分围绕“AI战略与实践”“业务创新与精细化管理”以及“全面风险管理与合规”这三大热点领域，探讨银行业在新时代背景下所面临的转型路径与发展逻辑。

这三大热点领域并非孤立存在，而是形成了相互赋能的价值闭环。

数字化经营沉淀的数据资产，为AI应用提供了充足的养料。AI技术增强了经营效率与风险管控能力，在AI加持下的风险与合规管理，则为智慧银行经营探索划定了安全边界。

值得注意的是，本文介绍的是“AI战略与实践”领域。

AI战略与实践分为五大板块：一、银行AI战略与大模型演进；二、开源大模型的工程化落地实践；三、AI驱动的财务管理变革；四、AI反洗钱敏捷应用模式；五、AI治理框架与风险平衡。

一、银行AI战略与大模型演进

当前，银行业正以前所未有的决心和速度拥抱大模型技术，战略驱动与价值导向

成为布局新兴AI场景的双轮驱动力。

金融机构已经意识到人工智能的真正价值不仅在于降低成本，更在于通过提供智能化的产品和服务，无缝嵌入生态系统，从而以前所未有的方式吸引和服务客户，最终实现收入的增长。这种转变促使越来越多的银行采取“人工智能优先”的战略。

中国银行业在大模型落地应用方面走在前列，应用范围已经从国有大行、股份制银行迅速扩展到头部区域性银行。目前，国有大行和股份制银行已全面启动大模型应用建设，并在前、中、后台均有正式投产的应用案例。

当前趋近成熟的大模型应用模式主要集中在“降本增效”（如办公管理）和“生产力革命”（如AI生成营销文案、分析报告等）；面向“流程重构”类，部分场景已经过验证且投产，部分场景仍处于探索的中间状态（如知识库问答类Agent、智能问数类Agent已经验证且投产，投研Agent、风控Agent仍处于探索阶段）；而涉及“模式创新”及“颠覆性变革”的应用模式仍处于探索或未经验证阶段，银行业目前多在流程重构层面进行探索。

此外，银行大模型落地过程也面临多维挑战，如金融机构在大模型应用上面临着战略规划不清晰、AI“幻觉”问题等。报告提到，可以从银行整体经营战略出发制定与银行业务场景紧密结合的AI应用蓝图，同时按需选定建设模式与落地路径，以适度建设原则迭代投入；采用RAG（检索增强生成）引入最新市场数据与监管政策，建立针对AI输出结果的多层次安全检查与人工审核机制，形成“AI+人工”决策闭环。

未来，金融大模型应用门槛降低，专家级金融能力下沉与普惠，先进且易于接入的AI模型将为小型机构乃至个人投资者提供前所未有的分析和决策支持工具。AI驱动运营自动化与智能化升级，人类转向策略制定与决策监督，人机协同深度融入金融运营与管理。

二、开源大模型的工程化落地实践

银行业一直属于行业创新标杆，在过去数年进行了大量的AI实践，2022年已经到达创新的瓶颈，但是随之而来的AI大模型让银行业再次掀起新的业务创新浪潮。如何将大模型融入业务部门的核心业务流程，灌入业务特色的专业数据，让大模型成为银行的虚拟员工及劳动力，这是银行目前需要重点解决的问题。

报告提到，大模型要想真正提效，赋能业务，往往需要将业务数据进行专业的梳理、标签、清洗、训练、调优，从而模拟真实的银行专业员工技能，提升生产力。

三、AI驱动的财务管理变革

人工智能已成为金融机构财务管理革新与升级的核心引擎，经营数据成为新的生产要素，人工智能以其卓越的数据分析与学习能力，深度挖掘财务与业务数据中的潜在价值，推动金融机构从传统的规则导向向智能导向转型，实现财务管理模式的全面升级。

将人工智能融入全财务流程，让财务管理变得更敏捷，人工智能通过整合实时交易数据、市场动态及内部运营等多源异构数据，结合机器学习算法进行深度挖掘与分析，构建“人机协同”的实时响应体系，提升财务管理基础工作效能，优化业务与财务流程协同效率。

人工智能深度支撑财务决策，让财务管理变得更睿智，人工智能的应用为金融机构提供了从“经验依赖型”向“智能驱动型”转变的契机，推动业财融合的深度和广度不断拓展，为管理层提供多场景的决策方案，真正实现“人机共智”决策模式。

推动财务的智能化变革是一项系统性工程，商业银行需要从自身战略定位与经营实际出发，形成体系化的变革策略、稳步推进，才能确保“AI+财务”的高效变革。

四、AI反洗钱敏捷应用模式

告显示，某客户为一家中小型金融机构，在可疑交易监测与分析领域，存在着“预警质量不高”“上报案例同质化严重”“异常交易遗漏预警”等行业普遍问题。

客户期望AI智能模型通过机器学习方法对于异常特征的学习训练，能够一方面深度探寻与历史已报送可疑案例相似的客户交易行为，另一方面自动化挖掘出客户的离群异常行为，起到对传统规则模型的补充作用，最终实现“预警质量提升”“挖掘新特征”“异常交易兜底”等三大目标。

报告提到，为客户量身定制了敏捷化AI解决方案，该方案由三个主要模块组成，分别为有监督模型、无监督模型及内嵌智能预警评分分类器。

该方案的特色在于敏捷化，客户无需提供额外科技资源，也无需系统架构方面改造。能在成本可控的前提下，协助金融机构对可疑交易监测进行质效提升，并在未来具有持续提升的延展性。

五、AI治理框架与风险平衡

人工智能的技术革命背后，数据安全、模型“幻觉”等风险如影随形。如果相关风险无法得到妥善管理，就可能导致数据泄露、声誉受损、产品缺陷、业务停滞以及监管罚款。确保人工智能应用的安全、可靠、可控将成为本轮银行业技术革新和管理转型的致胜法宝。

为了全面发挥人工智能应用的潜力，同时防范人工智能应用可能引发的风险，一个全面有效的AI治理框架至关重要。

AI治理涉及创建一个全面的管理体系，包括明确AI技术应用的原则、战略、政策、标准、风险和控制以及培训等要素，此外该框架还应优先考虑数据隐私、模型安全和遵守相关法规。