2025年上半年，銀行依舊以將大模型裝進(jìn)手機(jī)銀行作為要務(wù)，六大行率先對其大模型進(jìn)行了升級優(yōu)化，例如工商銀行在同業(yè)中率先發(fā)布企業(yè)級千億金融大模型技術(shù)體系 “工銀智涌”，累計調(diào)用量超 10 億次，賦能 20 多類業(yè)務(wù)、200 余個場景，較 2024 年在應(yīng)用場景數(shù)量和調(diào)用量上有顯著提升，其大模型技術(shù)能力在同業(yè)中率先輸出至中小銀行，拓展了技術(shù)影響力。

農(nóng)業(yè)銀行發(fā)布的《“人工智能 +” 創(chuàng)新實(shí)施綱要》推進(jìn)“AI+”全面建設(shè)與深度應(yīng)用，完成 DeepSeek 全系列大模型在行內(nèi)的部署運(yùn)行，在智慧辦公、智慧營銷等多個領(lǐng)域深入應(yīng)用，相比 2024 年，大模型的應(yīng)用領(lǐng)域得到拓展，加入了DeepSeek 模型的部署。

一些頭部的城商行在2025年也不甘示弱，例如江蘇銀行率先將DeepSeek應(yīng)用于智能合同質(zhì)檢和自動化估值對賬場景，利用DeepSeek - VL2模型提升合同質(zhì)檢準(zhǔn)確率。相比2024年，在大模型的業(yè)務(wù)場景應(yīng)用上有了新的拓展，實(shí)現(xiàn)了從無到有的突破，并且通過模型應(yīng)用提高了業(yè)務(wù)的準(zhǔn)確性和效率。北京銀行發(fā)布自主研發(fā)的百億級參數(shù)“京智”大模型，構(gòu)建“京智大腦”人工智能平臺。2025年，其持續(xù)構(gòu)建以大模型技術(shù)平臺為基礎(chǔ)的交付能力和應(yīng)用體系，通過整合前沿的大語言模型和自動化技術(shù)構(gòu)建了京騎智能體平臺，旨在實(shí)現(xiàn)大模型應(yīng)用需求的快速落地與交付，較2024年在大模型的研發(fā)和應(yīng)用方面更加深入和系統(tǒng)，不僅完善了模型本身，還構(gòu)建了多個平臺來支持模型的應(yīng)用。重慶銀行利用Deepseek大模型對智能客服知識庫進(jìn)行深度解析，實(shí)現(xiàn)更精準(zhǔn)的語義理解、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(wù)體系建設(shè)為契機(jī)，運(yùn)用大模型打造更多營銷、風(fēng)控以及內(nèi)部管理智能體。與2024年相比，在大模型的應(yīng)用上從單一的智能客服場景向更多業(yè)務(wù)場景拓展，展現(xiàn)出對大模型應(yīng)用的進(jìn)一步規(guī)劃和布局。

其中最值得關(guān)注的是上海銀行的AI原生大模型，在其2024年度暨2025年第一季度業(yè)績說明會上談及AI在銀行的應(yīng)用，副行長兼首席信息官胡德斌提到，以文字識別、人臉識別為代表的小模型在上海銀行已經(jīng)全面布局，并且已經(jīng)在普惠金融、消費(fèi)金融、提升運(yùn)行效率等方面得到了廣泛的使用。胡德斌介紹，上海銀行四月份灰度發(fā)布了一個基于鴻蒙系統(tǒng)的新的手機(jī)銀行，在服務(wù)客戶模式上發(fā)生了比較大的變化：客戶不再是在現(xiàn)有的菜單中選擇功能，而是直接訴說自己的訴求。他指出，這不僅僅是一種服務(wù)模式的改變，更多的是通過客戶對銀行服務(wù)訴求的闡述，能夠更加直接和廣泛的收集客戶的訴求，同時通過客戶訴求去不斷豐富和研究新的產(chǎn)品服務(wù)形式的變化。

本文對上海銀行的新版手機(jī)銀行和江蘇銀行、浦發(fā)銀行、平安銀行、招商銀行等多個在金融科技方面領(lǐng)先的銀行的手機(jī)銀行APP進(jìn)行對比，發(fā)現(xiàn)上海銀行AI原生大模型的優(yōu)勢主要體現(xiàn)在以下三個方面：

技術(shù)架構(gòu)與場景深度融合，上海銀行大模型突破"服務(wù)找人"邊界

上海銀行AI原生大模型突破傳統(tǒng)“功能嫁接”模式，從底層架構(gòu)到交互界面全面重構(gòu)。例如，其AI原生手機(jī)銀行采用自然語言理解（NLU）和多模態(tài)交互技術(shù)，用戶通過語音或文字指令即可完成賬戶查詢、轉(zhuǎn)賬匯款、理財咨詢等操作，實(shí)現(xiàn)“對話即服務(wù)”，通俗來說，這種設(shè)計使金融服務(wù)從“人找服務(wù)”轉(zhuǎn)向“服務(wù)找人”，顯著降低操作門檻，特別是對于老年人和殘障人士。

AI原生手機(jī)銀行以語音/文字指令替代傳統(tǒng)菜單操作，用戶無需記憶功能入口，直接通過對話完成服務(wù)請求。根據(jù)公測結(jié)果顯示，用戶詢問“我適合買什么理財”時，大模型結(jié)合實(shí)時市場數(shù)據(jù)、用戶持倉情況及風(fēng)險偏好，生成個性化產(chǎn)品列表，并通過多輪對話明確需求（如“希望保本嗎？”、“投資期限偏好”等）。相比之下，其他銀行的手機(jī)銀行還止步在僅僅推薦理財排行榜前列的產(chǎn)品，智能客服還無法細(xì)探用戶的需求，操作起來更具有選項(xiàng)遞進(jìn)性。

以上海銀行、平安銀行以及招商銀行為例（下圖依次是：上海銀行、招商銀行、平安銀行），當(dāng)用戶需要給他人賬戶進(jìn)行轉(zhuǎn)賬或者一些銀行卡基礎(chǔ)作用時，只需要輸入或者語音說明“我要給XXX轉(zhuǎn)賬”，上海銀行以及招商銀行的智能客服就可以在歷史轉(zhuǎn)賬中定位出這個人的全部賬戶信息，再進(jìn)一步詢問確認(rèn)所需轉(zhuǎn)賬的賬戶信息以及轉(zhuǎn)賬金額，并進(jìn)一步生成轉(zhuǎn)賬服務(wù)，而平安銀行并無法識別這種指令。

圖片來源@各銀行手機(jī)銀行

針對老年用戶，上海銀行的數(shù)字員工“海小慧”通過語音識別技術(shù)自動適配大字版界面，并以更緩慢、清晰的語速引導(dǎo)操作，解決“數(shù)字鴻溝”問題，這一點(diǎn)在大部分銀行的手機(jī)銀行中也可以體現(xiàn)，只不過操作的方式和指令有所區(qū)別。老年客戶占上海銀行客群近30%，上海銀行通過“數(shù)字人+大模型”構(gòu)建“陪伴式服務(wù)”，例如用戶只需說“查養(yǎng)老金”，系統(tǒng)自動關(guān)聯(lián)代發(fā)賬戶，展示歷史發(fā)放明細(xì)并推薦養(yǎng)老金理財組合（如國債+定期存款），數(shù)字人在交互中也會融入問候語（如“最近天氣轉(zhuǎn)涼，注意身體”），并根據(jù)用戶反饋調(diào)整服務(wù)節(jié)奏，顯著提升老年用戶滿意度，多了這點(diǎn)“人性化”是其他銀行暫時提供不了的服務(wù)。

除了適用人群增加外，上海銀行構(gòu)建的“大模型+微模型”的協(xié)同體系包括大模型（如DeepSeek、Qwen）提供通用智能能力，支持復(fù)雜任務(wù)處理和跨領(lǐng)域知識整合，例如使用通用模型分析宏觀經(jīng)濟(jì)趨勢、市場熱點(diǎn)，識別用戶潛在需求。微模型（如文字識別、人臉識別）聚焦細(xì)分場景，在普惠金融、消費(fèi)金融等領(lǐng)域?qū)崿F(xiàn)高效應(yīng)用。這種分層架構(gòu)既保證了模型的靈活性，也進(jìn)一步提升針對特定場景的精準(zhǔn)度，如反欺詐微模型通過圖計算技術(shù)挖掘欺詐團(tuán)伙，識別率超80%；人臉微模型實(shí)現(xiàn)智能柜員機(jī)“刷臉取款”，誤識率低于0.01%。

據(jù)公測表現(xiàn)顯示，用戶每次交互后，系統(tǒng)自動更新相關(guān)標(biāo)簽。例如，用戶通過手機(jī)銀行購買理財產(chǎn)品后，“風(fēng)險承受等級”標(biāo)簽即時調(diào)整；每月對用戶資產(chǎn)變動、消費(fèi)模式等數(shù)據(jù)進(jìn)行批量分析，更新“財富健康度”“消費(fèi)活躍度”等中長期標(biāo)簽；還基于深度學(xué)習(xí)模型預(yù)測用戶潛在需求，生成“教育金規(guī)劃意向”“跨境投資傾向”等預(yù)判標(biāo)簽。

大模型驅(qū)動智能風(fēng)控與精準(zhǔn)服務(wù)雙升級

上海銀行的大模型技術(shù)已深度嵌入風(fēng)險評估、反欺詐系統(tǒng)和信貸審批流程。據(jù)官方數(shù)據(jù)顯示，通過深度學(xué)習(xí)優(yōu)化風(fēng)險控制模型，顯著提升了風(fēng)險識別的精準(zhǔn)度和反應(yīng)速度，反欺詐識別率超過80%。此外，大模型還可自動解析金融文本、識別敏感信息，生成風(fēng)險評估報告，助力合規(guī)管理。通過大模型+私域知識庫構(gòu)建知識問答體系，知識檢索效率提升60%，準(zhǔn)確率提升80%，智能客服接通率從86%提升至95%，期間累計部署超400名數(shù)字員工，覆蓋營銷、運(yùn)營等場景，節(jié)約人工成本超40人/年。

上海銀行新手機(jī)銀行可以通過NPS（凈推薦值）模型分析用戶對話滿意度，例如某類產(chǎn)品推薦的拒絕率超過閾值，系統(tǒng)自動調(diào)整推薦策略，建議其降低該產(chǎn)品權(quán)重或優(yōu)化。相比之下，其他銀行的對于理財推薦并不能很好進(jìn)行配比，更多是推薦單一的產(chǎn)品（“單一”是指他們沒辦法做到推薦多款產(chǎn)品并給出對應(yīng)比例的意見，只能提供推薦或者相關(guān)的產(chǎn)品列表）。

例如，當(dāng)用戶需要進(jìn)一步體驗(yàn)智能客服的服務(wù)例如理財推薦、財富診斷等，也可以向智能客服輸入“財富診斷”、“資產(chǎn)分析”等需求（上為平安銀行、下為招商銀行）。可以看出每家銀行有不同的資產(chǎn)評分體系，但評估都是從流動資產(chǎn)、固收資產(chǎn)、權(quán)益資產(chǎn)、另類資產(chǎn)四個方面著手。在推薦理財產(chǎn)品更多還是傳統(tǒng)的選項(xiàng)模式遞進(jìn)，這樣做出的推薦就相對“死板”，并且無法給客戶進(jìn)行產(chǎn)品配比。

圖片來源@各銀行手機(jī)銀行

此外，在信貸審批場景中，上海銀行的新手機(jī)銀行可以整合“收入穩(wěn)定性”、“負(fù)債比例”、“消費(fèi)集中度”等標(biāo)簽，生成類似于“還款能力指數(shù)”的數(shù)據(jù)；在財富管理場景中，結(jié)合“持倉偏好”、“市場敏感度”等標(biāo)簽，推薦個性化產(chǎn)品組合。

全棧智能體平臺+靜默感知交互雙引擎，定義城商行數(shù)字基建新高度

上海銀行整合螞蟻數(shù)科等頭部科技公司的技術(shù)生態(tài)，構(gòu)建了從“算力-數(shù)據(jù)-模型-應(yīng)用”的全鏈條智能體開發(fā)平臺，支持多云、多芯異構(gòu)算力調(diào)度，算力利用率顯著提升。此外，其千卡云算力集群可支持千億級大模型的訓(xùn)練與推理，為業(yè)務(wù)規(guī)模化應(yīng)用提供了堅實(shí)基礎(chǔ)。作為首家通過數(shù)據(jù)管理能力成熟度（DCMM）四級認(rèn)證的城商行，上海銀行手機(jī)銀行實(shí)現(xiàn)了動態(tài)行為捕捉，即通過AI原生手機(jī)銀行的對話交互記錄，實(shí)時分析用戶提問關(guān)鍵詞、操作頻次等，動態(tài)調(diào)整風(fēng)險承受等級標(biāo)簽。同時，它也實(shí)現(xiàn)了跨渠道數(shù)據(jù)融合，整合線上（手機(jī)銀行、微信公眾號）與線下（網(wǎng)點(diǎn)智能柜員機(jī)）交互數(shù)據(jù)，構(gòu)建360°用戶視圖，例如，可以允許老年客戶在智能柜員機(jī)的操作軌跡與手機(jī)銀行使用數(shù)據(jù)交叉驗(yàn)證，優(yōu)化養(yǎng)老金理財推薦策略。

上海銀行2025年部署的新一代智能柜員機(jī)融合ASR（語音識別）、VPR（視覺感知）、NLP（自然語言處理）技術(shù)，可通過手勢識別和情緒感知理解用戶意圖，例如靜默服務(wù)觸發(fā)，客戶凝視理財產(chǎn)品宣傳屏3秒以上，系統(tǒng)自動推送相關(guān)產(chǎn)品介紹，并同步調(diào)取用戶風(fēng)險測評結(jié)果，生成定制化投資方案。相比之下，大多數(shù)銀行的智能客服的VPR（視覺感知）更多是運(yùn)用在人臉識別方面，暫時還沒有靜默服務(wù)等功能。

作為首個AI原生手機(jī)銀行，其依托鴻蒙系統(tǒng)端的手機(jī)銀行以對話交互為核心，打破傳統(tǒng)功能界面，被業(yè)內(nèi)視為金融服務(wù)模式的重大革新。通過與高校、科技企業(yè)合作，上海銀行探索“技術(shù)+場景+資本”的協(xié)同模式。

AI原生手機(jī)銀行的橫空出世背后，是“對話即服務(wù)”理念的落地。這一模式的核心在于，金融服務(wù)不再依賴固定流程，而是通過自然對話動態(tài)滿足需求。或許以后使用手機(jī)銀行，不需要再自己在眾多菜單和界面中尋找需要的服務(wù)，而只需要“交代”智能客服，用戶就會像身處銀行大廳有1對1的大堂經(jīng)理進(jìn)行手把手服務(wù)。（本文首發(fā)于鈦媒體APP，作者｜李婧瀅，編輯｜劉洋雪）