在AI重塑金融业的浪潮中，银联正在悄然构建一套独有的底层逻辑。

7月18日，2026世界人工智能大会（WAIC）期间，中国银联携智能体支付开放协议框架、大模型隐私安全推理解决方案、金融交易时序大模型3项自主研发的金融人工智能核心技术成果亮相。与此同时，在国家人工智能应用中试基地（金融领域）（下文简称“中试基地”）启动一周年之际，作为承建方，发布了银联“1+6+N”AI生态体系这一阶段性成果。

密集的产品发布，是银联AI产品矩阵的一次集中阅兵。而结合过去两年银联的AI战略布局，两条并行推进的主线正在浮出水面。

一方面，通过国家人工智能应用中试基地，向下扎根，为中小金融机构打包输出算力、数据与风控能力，为其破解“不敢用、用不起”的困局；另一方面，它以MCP集市与APOP协议为触角，向上生长，定义着AI时代支付交互的全新范式。

这两条看似独立的线索，实则串联起了支付产业“能力—工具—交易”这一闭环的全链升维。而银联所扮演的角色，也从传统的银行卡品牌和清算机构，进一步升级为AI时代金融基础设施的核心建设者。

01

很显然，AI正在成为银联未来业务的主流叙事。而银联的AI叙事，区别于市面上所有的金融机构或AI厂商。

过去两年，中国金融行业的AI叙事大多围绕两类主体展开：大型商业银行与头部AI厂商。前者是天然应用场，AI建设往往是出于自用需求，后者则被视作技术开拓方，以“卖铲人”的角色出现。而银联则是以金融基础设施身份，承建着国家级中试基地与智能体支付协议。决定这一点的，不仅是银联独特的产业生态位，也是其帮助中小金融机构突破AI落地困境时反向淬炼出的工程化能力。

事实上，数量庞大的中小银行，作为中国金融毛细血管，却离真实的AI叙事非常遥远。

这些机构面临的并不是“要不要做AI”的选择题。在AI已被视为新一轮工业革命引擎的当下，方向早已明确，真正卡住它们的，是技术、成本、数据、合规要求等各个层面的刚性约束。

首先是技术和算力所需匹配的现实成本。从各家上市银行披露的资本开支数据可以看出，智算中心的建设投入不仅动辄以亿元计，还需要长期的运维和升级，对绝大多数中小银行而言，这不仅是资金上的不堪重负，也是人才与技术储备上的有心无力。

其次是数据。金融垂域大模型的训练需要海量、合规且高质量的数据，而中小银行或支付机构的经营规模决定了其本身并不具备这种体量的数据资产。

第三是安全合规。合规是大模型进入金融行业的门槛。监管对模型本身的可解释性与稳健性有着明确的要求，而大模型的黑箱特性和幻觉问题往往与之形成冲突。事实上，市场上并不缺少大模型，但金融机构在引入大模型时常常也要面对选型焦虑。如何判断模型上线后能否抵御越狱攻击、过滤有害输出、防止隐私泄露，目前缺乏统一的行业标准与自动化测评手段。

去年WAIC期间，中国银联联合交通银行、复旦大学、上海人工智能实验室等合作单位，正式启动中试基地的共建工作，意在为中小银行封装为一套可按需调用的中台级基础设施，让中小银行以较低成本接入大行同等级的智能化能力。过去的一年里，商业银行、科研院校、算力厂商等，越来越多的市场主体开始入驻合作。

WAIC期间银联发布的这套AI生态体系，被凝练概括成“1+6+N”：一个统一门户、六项核心基础能力、N个示范应用场景。其中六项能力分别对应可信算力、数据共享、模型工厂、风控引擎、合规测评与安全护栏。换言之，这并非单一产品，而是一套组合能力。

银联在产品发布之际公开表示：让更多不具备自建智算中心能力的中小金融机构，也能快速切入AI应用。

以算力层面，银联联合国产算力伙伴搭建了共享算力池，对外以"模型即服务"（MaaS）模式提供弹性调用。据银联方面介绍，机构无需自建智算中心，即可直接接入底层算力。截至目前，上海银行、泉州银行等机构已通过该平台完成部署。

数据层面的做法类似，但更进一步。银联首批对外开放了百亿Token级的预训练数据与十万条精选微调数据，其中复杂思维链数据占比超过50%。同时配套开放了1.8万条政策法规与2万条合规样本，覆盖商户准入审核、合规风险监测等具体场景。所有数据在进入共享前，需经过"高可信采集、高合规清洗、高质量合成、高标准检测"四道质控程序。

风控是中小银行最为迫切的诉求之一。银联推出的"全景信贷助手"采用多智能（Multi-Agent）协同架构，覆盖贷前、贷中、贷后全流程。据介绍，这套系统的定位目标是“中小银行无需从零搭建风控团队，直接部署即可获得与大行同级别的智能风控能力。”银联方面披露，该系统审批准确率在90%以上，审核效率提升超过20%，审核人力成本接近减半。在落地节奏上，贷前环节已进入6家合作银行，贷中环节覆盖22家，贷后服务超过30家。

在合规基础上，银联还构建了四层内容安全护栏，并配备40余种攻击武器库进行持续对抗性测试。相关实战数据显示，隐晦违规检测率提升50%，风险响应时间降低35%。这套防护机制已在Nihao China App与人民银行数据分类分级大模型等场景中上线运行。

而模型从选型到最终业务上线，中间还有一段距离。环境搭建、安全加固、效果验证等环节往往需要数周时间。针对模型选型的痛点，银联制定了覆盖算力、数据、模型等六大方向的22项标准，并上线了"离朱自动化测评平台"。

据银联方面介绍，该平台已完成16款主流大模型的测评，累计识别885个风险项，意在让模型引入做到"选型有据可依、上线有章可循"。为压缩这一周期，中试基地提供了完整的模型训练环境、国产异构算力与主流基础模型的一键调用能力，将流程压缩为"训完即测、测完即用"的沙盒模式。

把上述动作放在一起看，银联并未把自身定位为某一款AI模型的供给方，而是以基础设施的角色介入。

银联所扮演的这一角色，在市场上拥有着稀缺性。工程可行性上看，唯有具备足够生态体量的玩家，才具备这种资源整合的能力；而从商业诉求上来看，完成产品开发部署之后甘愿以普惠方式输出智能化能力，这一重任只能由银联来承担，这是其金融基建的生态位决定的“天职”。

02

当然，在为行业“修桥铺路”的同时，银联也必须回答另一个更本质的问题：在这场AI浪潮中，自身的转型方向何在？

事实上，银联的AI战略并非仅仅服务于外部生态，更是一场始于内部的自我革命。

早在2024年，银联便已着手搭建这套逻辑的底层支柱。2024年，《中国银联2025-2027人工智能体系规划》发布，同年9月，党委书记董俊峰在《中国金融》发文，明确银联"平台化、数智化、全球化"三大战略方向，11月，组织架构调整落地，业务创新中心转型为数字化转型中心，技术开发中心升级为智能化创新中心。

在支付产业集体拥抱智能化浪潮的产业背景下，部门更名的这一举动，也预示着一次战略格局的重塑。自此，押注AI成为银联突破增长天花板的支点所在。

而银联的AI战略棋局，也逐步生长出了两条相对独立又彼此咬合的路径。

一条围绕支付场景的智能化展开。

2025年5月，银联上线MCP（Model Context Protocol，模型上下文协议）智能体支付服务，首次在金融领域实现了大模型与支付工具的“握手”，让"对话即支付"初具产品形态；同年9月，依托银联云推出MCP集市，通过标准化接口将各类金融能力封装为AI可调用的“工具包”，汇聚银联、腾讯、百度等多家机构的金融特色MCP服务，被业内形容为"MCP服务工具的超级市场"。

2026年初，银联进一步发布APOP智能体支付开放协议框架，补齐了“AI即支付”的关键拼图。该协议旨在用户授权与合规可控的前提下，确立智能体调用支付能力的行业标准。截至今年6月，银联已联合19家产业伙伴，在出行助手、出境酒店预订、车载消费、生活缴费等场景实现智能支付实景应用。在APOP建立的可信交互基础上，银联还配套推出《智能体增值服务协议》（AVOP），进一步回答“不同智能体如何协同提供服务”。如果说APOP是在给“AI管家”立规矩，那么AVOP更像是为不同机构的“AI管家”建立通用服务语言和协作机制。

另一条围绕金融行业的能力底座展开，核心载体是国家人工智能应用中试基地。

2025年7月28日，银联联合交通银行、复旦大学、上海人工智能实验室、上海金融科技产业联盟在WAIC宣布基地正式启动；一年后的今天，银联发布"1+6+N"AI生态体系周年成果——原"6项核心能力"进一步落地为六大功能中心：模型中心、数据集中心、应用中心三大"硬核中心"涵盖11个模型、14个数据集、59个示范应用；智力中心、交流中心、金融中心三大"服务中心"提供人才培育、供需对接、政策解读等服务，已上架各类内容61项，六大中心整合145项核心资源。

底座孵化能力叠加智能支付能力，至此，银联AI棋局的双线叙事已然清晰。

然而，棋至中局，真正的较量才刚刚开始。比如，APOP协议面临的不仅是技术适配，更是支付产业链话语权的重新分配；再比如，MCP集市要成为真正的“超级市场”，尚需打破金融机构根深蒂固的“自建”情结。

在互联网巨头林立的当下，银联能否凭借基础设施的开放性，说服更多智能体开发者“投诚”，尚待观察。可以确定的是，当支付通道的护城河逐渐收窄，通往AI基础设施的这条路，即便荆棘密布，银联也只能奋勇向前。