计算机行业“AI+金融”系列专题研究（二）：应用场景打开AI助推金融机构内部效率与外部价值双升-251124（25页）.pdf

1、应用场景打开，AI助推金融机构内部效率与外部价值双升本报告导读：当前，AI应用已在各类金融机构的核心业务以及中后台场景中加速渗透，助推金融机构内部效率与外部价值双升。投资要点：。金融AI应用由浅入深，逐步外延。目前大部分金融机构仍在探索和积累阶段，尚未实现规模化深度应用，尤其在复杂业务场景。尽管如此，考虑到金融行业数智化转型需求与大模型技术特性高度契合，且模型技术能力的跃迁与模型部署成本的下降为金融机构探索AI应用提供了良好的“孵化器”，我们认为，实现大模型深度应用将是金融行业发展的必然趋势，目前少量具备良好技术基础和投入预算的头部大型金融机构已开始探索更深层次的AI业务赋能。AI助力金融机构

2、实现内部降本提效与外部价值挖掘。降本提效方面，AI应用致力于内部运营管理优化、核心业务流程改善以及金融机构员工赋能；价值挖掘方面，AI则致力于金融机构的营销获客、对客服务等，实现销售成交和单客价值的提升。大型机构加强自研，中小机构追求性价比。由于技术基础和运营重点的差异，不同类型金融机构在大模型技术部署和应用落地方面呈现差异化的发展路径。大型金融机构往往依托雄厚的算力储备和强大的自研能力，以大模型私有化部署的形式实现AI应用的深度渗透；而中小机构则多依赖模型轻量化、大模型一体机等技术形态，实现大模型的灵活接入和应用的敏捷开发。风险提示。大模型技术发展和迭代不及预期，AI应用落地不及预期，政策与

3、合规风险。相关报告2025年DeepSeekR1的发布助推通用模型推理能力跃迁和成本锐减，并实现模型开源，成为金融机构本地化部署AI的行业拐点。当前，AI应用已在各类金融机构的核心业务领域以及中后台场景中加速渗透，未来AI有望重构金融业务流程和组织架构，为金融数智化打开新纪元。从AI落地现状来看，目前大部分金融机构的AI应用仍在探索和积累阶段，尚未实现规模化深度应用，尤其在复杂业务场景。尽管如此，考虑到金融行业数智化转型需求与大模型技术特性高度契合，且模型技术能力的跃迁与模型部署成本的下降为金融机构探索AI应用提供了良好的“孵化器”，我们认为，实现大模型深度应用将是金融行业发展的必然趋势，目前

4、少量具备良好技术基础和投入预算的头部大型金融机构已开始探索更深层次的AI业务赋能。建议关注：金融信息服务。相关标的：同花顺、九方智投控股、指南针。第三方支付。推荐标的：新大陆、新国都；相关标的：拉卡拉。银行IT。推荐标的：宇信科技、京北方、广电运通、神州信息、中科金财、高伟达、天阳科技；相关标的：长亮科技。证券IT。推荐标的：恒生电子、金证股份、顶点软件。保险IT。推荐标的：新致软件、中科软。2应用场景打开，AI助推金融机构内部效率与外部价值双升2.1应用阶段：处在探索和积累期，深度应用是必然趋势目前大部分金融机构的AI应用仍在探索和积累阶段。由于技术基础和发展规划的差异，不同类型和不同体量的

5、金融机构在大模型应用落地的节奏方面呈现差异化。我们将金融机构AI应用分为三个阶段：1）开始探索大模型应用；2）有一定模型应用能力且有微调数据积累；3）实现大模型深度应用。我们认为，目前大部分金融机构的AI应用处在前两个阶段，正在进行技术积累和应用探索，尚未实现规模化深度应用，尤其在复杂业务场景。(divcenter)图1：金融机构AI应用可分为三个阶段(/divcenter)大模型在金融领域的深度应用，仍需攻克金融行业属性带来的多重痛点。在大模型深度落地金融领域的过程中，主要面临的瓶颈有：一是技术适配难题，AI模型幻觉风险与金融业务对确定性、高精度的需求错位，需大模型+小模型多智能体协作；二是

6、数据支撑瓶颈，金融数据敏感分散、格式不统一，隐私计算拉高训练成本，数据质量制约模型精度；三是合规监管挑战,AI“黑箱特性与监管可解释、可追溯要求冲突，缺乏统一标准；四是价值转化困境，AI项目投入大、周期长，中小机构资源匮乏，ROI难达预期;五是生态协同缺失，跨机构数据确权与标准接口缺失，模型兼容性差。尽管如此，考虑到金融行业数智化转型需求与大模型技术特性高度契合，且模型技术能力的跃迁与模型部署成本的下降为金融机构探索AI应用提供了良好的“孵化器”，我们认为，实现大模型深度应用将是金融行业发展的必然趋势，目前少量具备良好技术基础和投入预算的头部大型金融机构已开始探索更深层次的AI业务赋能。2.2