来源：蒙格斯报告

当前，人工智能（AI）正在深刻地改变着全球金融行业，为金融机构带来机遇和挑战，应客观审慎看待AI在金融领域的应用和渗透。

图源：千图

当前，人工智能（AI）正在深刻地改变着全球金融行业，为金融机构带来机遇和挑战。在行业增量方面，据麦肯锡测算，大模型有望给全球金融行业带来每年2500-4100亿美元的增量价值，对应约9%-15%的营业利润增厚空间；据清华经管联合度小满等发布的《2024年金融业生成式AI应用报告》，大模型驱动的新商业模式有望为金融业带来3万亿元规模的商业价值增量。

在市场规模方面，据中国信息通信研究院《全球数字经济白皮书（2024）》数据，全球AI大模型数量达1328个，预计到2028年全球大模型市场规模将达1095亿美元，中国大模型市场将达1179亿元。

在AI应用方面，美国金融领域对AI的接受度相对较高，KPMG数据显示，当前已有88%的美国金融公司开始使用AI。据Grand View Research数据，2030年美国金融AI市场规模有望达93.62亿美元。

然而，另一个视角，AI也正在蚕食金融领域的工作岗位。花旗集团近期的一份报告显示，美国银行业约54%的岗位可能实现AI自动化，还将有12%的岗位通过AI得到增强。因此，在当前AI赋能时代，我们应该客观审慎看待AI在金融领域的应用和渗透。

AI在金融领域的应用现状

AI技术的迅猛发展正在深刻改变金融行业的运作方式和商业模式。从客户服务到风险管理，从投资决策到运营效率，AI技术的应用已经渗透到金融行业的各个角落。

从主要落地场景来看，AI在金融领域的应用主要聚焦于五方面。

第一，智能客户服务。AI驱动的聊天机器人已成为金融机构客户服务的重要组成部分。这些智能系统能够处理大量客户查询，提供24/7不间断服务，显著降低人工客服成本。研究显示，深度应用AI的金融机构中约有61%获得了超出预期的投资回报率，而初步接入AI的机构这一比例仅为23%。

第二，智能风险管理。AI技术在金融风险管理方面展现出巨大价值。机器学习算法能够分析海量数据，识别潜在风险，提高欺诈检测和信用评估的准确性。中国信息通信研究院的报告显示，AI技术在识别欺诈和洗钱方面的准确率已超过90%，有效保护了金融机构和客户的安全。

第三，智能投资决策。AI在投资决策支持系统中的应用日益广泛，生成式AI能够通过快速处理大量数据、减少手动错误和简化工作流程来节省时间，为投资决策提供支持。例如，法国巴黎银行对总资产达到2500亿美元的基金的调查显示，近一半的基金将ChatGPT用于专业工作，超过三分之二的基金使用它来撰写营销文案、总结报告或准备文件。

第四，智能营销与获客。AI技术在金融营销中的应用正在提高客户获取和转化效率。通过分析客户数据，AI能够实现精准营销，提高营销效果和客户参与度。在潜在业务增量方面，大模型有望赋能提升获客转化率、客户留存率和投资回报率。

第五，智能运营优化。AI技术在金融运营中的应用显著提高了效率，降低了成本。通过自动化处理常规任务，如数据录入和报告生成，AI使金融机构能够优化资源配置，提高运营效率。AI技术在弥合信息差距、构建普惠金融方面发挥着关键作用，已经在获取增量业务、降低风险成本、改善运营成本、提升客户满意度方面进入了价值创造阶段。

从AI赋能金融的技术路径来看，目前主要集中在以下三种方式。

第一，通用模型金融语料训练金融大模型。通用模型通过金融语料训练，形成适用于金融领域的AI大模型。这类模型具有较强的泛化能力，可以处理多种金融任务。例如，中国移动的九天大模型等通用模型在金融领域的应用正在逐步扩大。

第二，金融垂域大模型。针对特定金融领域进行训练的垂域大模型，具有更高的专业性和精细化，这些模型专注于特定金融场景，如财富管理、风险管理等，能够提供更精准的服务。目前，多家证券公司正在酝酿推出下一代智能化APP，AI战略的重要性提升至公司级水平。

第三，混合技术架构。许多金融机构采用混合技术架构，结合通用模型和垂域模型的优势，构建更加灵活和高效的人工智能系统。例如，中国工商银行已建成“集群混部、调度统一、智能调度”的算力集群，为AI应用提供强大支持。

AI在金融领域应用面临的挑战

得益于AI技术的快速发展和场景落地，金融行业在客服、投顾、运营等领域得以效率大幅提升，但与此同时也带来了一定程度的风险与挑战。

目前，AI在金融领域应用所面临的挑战主要涉及三个方面。

第一，技术挑战。

首先，数据质量问题是实现AI目标的最大挑战。NVIDIA的金融服务业AI现状调查报告显示，随着AI模型的复杂性和规模不断增加，数据问题已成为实现AI目标的最大挑战。数据质量、准确性和代表性直接影响AI模型的性能和可靠性。

其次，模型可解释性问题。AI模型，尤其是深度学习模型，常常被称为“黑盒”，其决策过程缺乏透明度和可解释性。然而，金融决策通常需要明确的解释和理由。缺乏可解释性不仅影响用户信任，也可能导致合规问题。

最后，AI幻觉问题，大模型技术存在幻觉、可解释性差等问题，这种幻觉错误在金融应用中可能带来严重后果。

第二，安全与隐私挑战。

在安全风险方面，生成式AI技术的应用带来了新的安全风险，包括数据泄露、模型入侵、模型偏见及模型欺诈，这些风险可能对金融机构的稳定运营和客户的权益构成威胁。

隐私保护方面，AI大模型在处理大量客户数据时，如何确保数据隐私和安全成为重要挑战。金融机构需要在利用数据提升服务的同时，保护客户隐私不被侵犯。金融行业客户敏感信息相对较多，应用人工智能时要确保数据安全隐私，否则会带来损失、损害声誉。因此，金融机构需要加强数据各环节管理，遵守法规规范，确保合法使用与隐私保护。

第三，人才挑战。

AI在金融领域的应用面临显著的人才挑战。

一方面，既懂AI技术又懂金融业务的复合型人才稀缺，目前市场上这类人才的供给远远不能满足需求，这将制约人工智能技术在金融领域的推广和应用。

另一方面，传统金融人才需要转型学习AI相关技能，而AI人才也需要了解金融业务知识，这种交叉知识的需求使得人才培养和招聘变得困难。即使是业务人员，也应学习如何利用AI工具，这要求金融机构投入资源进行培训和技能提升。

AI赋能金融的发展趋势

AI技术正在深刻改变金融行业的运作方式和商业模式。从客户服务到风险管理，从投资决策到运营效率，AI的应用已经渗透到金融行业的各个角落。尽管面临数据质量、安全隐私、人才短缺等挑战，但AI在金融领域的应用前景依然广阔。

第一，技术迭代与渗透。

AI将持续迭代和广泛渗透，从通用模型向更专业、更精细化的垂域模型发展，AI系统将更加智能、高效和可靠。另外，生成式AI将在金融应用中变得越来越普遍，从内容生成到自动化客户服务。

根据NVIDIA的调查，在全球400多名金融服务专业人员中，32%的受访者已经在公司中使用生成式AI，其应用场景从内部应用（如分析大量数据并产生投资见解）到面向外部的用例（如营销和提供个性化的银行体验）。

此外，金融机构将加强与科技企业的跨界合作，共同推动AI技术在金融领域的应用，继而大幅提升其AI能力。

第二，场景拓展与深化。

首先，AI的应用领域将持续扩展，包括合规、监管报告和内部审计等，金融AI的应用将不再局限于单一的应用场景，而是打通整体服务价值链。

其次，打造深度垂直应用。AI将与金融业务深度融合，解决行业痛点问题。德勤的研究表明，传统金融机构正在积极进行数字化转型，这种转型从最初的基本能力探索，逐步延伸到细分领域的深度垂直应用。

最后，AI将以平台型产品助力传统金融机构，提供全面的解决方案，覆盖多个业务领域。平台型产品将整合多种AI能力和服务，为金融机构提供一站式解决方案。

第三，新兴技术融合。

首先，AI可能与区块链技术深度结合，进一步提高金融交易的安全性和透明度，这种融合将创造更加高效的金融解决方案。

其次，智能硬件、系统软件等将为人工智能算法训练、推理和应用提供更强大的支持，金融行业可能进一步建立自有算力集群。

最后，随着AI在金融领域的深入应用，金融机构将更加重视AI人才的培养和储备。通过内部培训、外部引进等方式，金融机构将积极建立一支既懂金融又懂AI的复合型人才队伍，为AI应用提供人才支撑。

未来展望

随着技术的不断迭代和创新，AI将在更多金融场景中得到应用，与新兴技术的融合将创造更加智能、高效、安全的金融解决方案。金融机构需要加强AI人才的培养和储备，建立健全AI基础设施和生态体系，为AI在金融领域的应用提供坚实基础。

除此之外，金融机构需要积极探索适合自身发展的AI技术路径，才能在未来的竞争中立于不败之地。AI赋能金融的序幕已经拉开，金融机构应抓住这一历史机遇，积极拥抱AI技术，推动金融行业的数字化转型和智能化升级，为用户提供更加智能、便捷、安全的金融服务。上海作为国际金融中心和科技创新中心，在AI赋能金融领域拥有独特的优势，可以发挥引领作用，推动AI技术在金融领域的应用落地，为经济社会发展贡献力量。

*注释（向上滑动阅览注释）

[1] 姚泽宇,苏杭.AI大模型在金融行业的应用前景及潜在影响分析[J].国际金融,2024,(10):36-52.

[2] 全球主要国家数字经济快速发展，产业数字化比重最高，光明网，https://baijiahao.baidu.com/s?id=1803535909382974311&wfr=spider&for=pc。

[3] 行业AI落地在即，金融领域快速渗透，国信证券研究所，https://pdf.dfcfw.com/pdf/H3_AP202502171643175741_1.pdf?1739827428000.pdf。

[4] 在金融行业，AI的打开方式是什么？，每日经济新闻，https://stcn.com/article/detail/1278104.html。

[5] 行业AI落地在即，金融领域快速渗透，国信证券研究所，https://pdf.dfcfw.com/pdf/H3_AP202502171643175741_1.pdf?1739827428000.pdf。

[6] 金融人工智能研究报告，中国信息通信研究院，https://www.caict.ac.cn/kxyj/qwfb/ztbg/202201/P020220118401482734472.pdf。

[7] 2024年金融服务业中国AI现状与趋势，英伟达，https://images.nvidia.cn/content/industries/ai-financial-services-report/finance-state-of-ai-report-2024-zhCN-3178000.pdf。

[8] AI对金融领域的影响，国际货币基金组织，https://www.imf.org/zh/Publications/fandd/issues/2023/12/AI-reverberations-across-finance-Kearns。

[9] 姚泽宇,苏杭.AI大模型在金融行业的应用前景及潜在影响分析[J].国际金融,2024,(10):36-52.

[10] “国之重器”“超级工程”“暖镜头”，中国移动新年频“上新”，人民邮电报，https://www.10086.cn/aboutus/news/groupnews/index_detail_51631.html。

[11] AI大模型已成为重要科技底座，新华网，https://www.news.cn/money/20250414/3f442dd863f14a2ea2fee88318ee91a4/c.html。

[12] 2024年金融服务业中国AI现状与趋势，英伟达，https://images.nvidia.cn/content/industries/ai-financial-services-report/finance-state-of-ai-report-2024-zhCN-3178000.pdf。

[13] 生成式人工智能在金融领域的安全挑战与对策，https://www.secrss.com/articles/67417。

[14] 银行AI人才的未来：应对挑战与机遇，搜狐网，https://www.sohu.com/a/860157413_122118475。

[15] 2024年金融服务业中国AI现状与趋势，英伟达，https://images.nvidia.cn/content/industries/ai-financial-services-report/finance-state-of-ai-report-2024-zhCN-3178000.pdf。

[16] 金融AI赋能传统金融机构的应用与展望，德勤，https://www2.deloitte.com/cn/zh/pages/financial-services/articles/AI-in-traditional-financial-insititution.html。

特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。