作者：繁晟

随着数字化浪潮深入全球金融体系，人工智能（AI）已逐渐成为驱动金融业转型的核心“引擎”。从“表层应用”进入“深层重构”——这场“变革”的意义远不止于“降本增效”，而是在于深刻重构金融机构的运营模式、风控体系及服务生态。

从华尔街的智能投顾到东南亚的普惠信贷，从保险业的自动理赔到银行业的全流程风控，从欧洲的“嵌入式金融与个性化推荐”到中国香港的“智能合规与反洗钱”，再从拉美地区的“实时反欺诈与信用评分”到亚太地区的“车险反欺诈”、“智能视觉反欺诈”等产品应用……“AI”并非在颠覆金融行业，而是在全球范围内重塑金融服务的基本逻辑，推动金融回归本质——资金融通、普惠大众、风险管理和服务实体经济。

对于资产规模超500万亿的中国金融市场而言，通过AI驱动的数字化“转身”更具挑战性。特别是面对数据孤岛、模型可信度、合规差异、技术落地瓶颈等多重挑战下，如何在数字金融方面赋能金融机构全面数字化转型，如何在科技金融方面推进产融升级，如何在绿色金融领域助力“双碳”战略，又该如何在普惠金融方面精准助力实体经济发展呢？

从一个个“AI”实践案例中，金融机构和金融科技服务商们，正在寻找答案。

“用AI”VS“推AI”

在“用AI”的早期阶段，人工智能仅限于“表层应用”，更多被当作业务补充的“助手”。比如智能客服处理简单的余额查询、OCR识别替代手工录单、信贷初筛等单点应用，虽降低了人工费用，却面临高昂的系统成本及功能使用率的严重不足。

如今，随着AI技术不断成熟，“推AI”也已成为金融机构的共识——“业务+技术”双驱动，即将AI深度融入核心业务全链路，从“单点效率提升”转向“驱动核心业务”，再到“应用于全服务流程”的跨越。

以银行业为例，某国际银行巨头利用自然语言处理（NLP）技术开发了COIN（合同智能分析）平台，实现了商业贷款合同中的条款自动解析，将原本需要律师团队耗费数万小时完成的工作压缩至秒级，极大提升了合规审查效率。

高盛则在交易与风控领域深度引入机器学习模型，通过实时数据分析预测市场波动，辅助交易决策。该公司的MARQ平台整合多源数据，支持全球多个市场的资产组合优化，显示出AI在复杂金融环境中的强大适应力。

此外，花旗、美国银行也相继推出智能客服与财富管理系统，通过AI实现客户需求的精准识别与个性化产品匹配，在提升服务质量的同时有效降低运营成本。

国内银行业的“推AI”也有不少成熟的案例。比如湖南银行借助金融壹账通的“业务+AIGC”赋能，实现“房抵快贷”创新产品的获客多元化、审批自动化、风控智能化与运营数智化，助力当地不少科技企业主快速获得房地产抵押贷款，有效支持企业技术研发与科技成果孵化。

在个人金融领域，建设银行“帮得”个人客户经理智能化运营能力场景应用也是一个典型应用，该应用可以通过自然语言描述客群特点，运用大模型生成客群筛选条件，结合客户360度画像标签精准定位客群，不仅提高了客群圈选的便捷性，也提升了用户体验。

此外，保险业的“推AI”也主要体现在“营销辅助”“风险防控”与“理赔效率”的同步突破。以中国平安为例，在AI智能体赋能下，该公司“需求分析+个性化推荐+话术支持”的组合事半功倍，不仅大幅提升转化率和客户体验，还提升了整体营销队伍的专业水平。受益于此，2025年上半年，该公司辅助销售额达661.57亿元。

众所周知，“风险防控”是保险行业的痛点和刚需。平安利用AI模型分析海量赔案数据，精准识别欺诈模式（如团伙作案、重复索赔等）。2025年上半年，该公司实现“精准狙击”的同时，通过产险反欺诈智能化理赔拦截成功减损64.4亿元。

“理赔效率”方面，中国平安打造“111极速赔”已成为寿险理赔“新名片”，通过“一句话报案、一键上传、一分钟审核”的极简流程，将理赔时效压缩至秒级。叠加AI数字机器人、智能相机识别、AI理赔审核、外部数据互联等前沿技术助力，该公司2025年上半年闪赔占比达59%。

“湖仓一体”VS“数据困境”

作为金融机构普遍存在的问题，“数据孤岛”不仅导致金融机构数据利用率不足20%，数据质量参差不齐更令AI模型“巧妇难为无米之炊”。那么，如何打破各部门间的数据壁垒，如何确保数据的准确性和一致性，又如何确保数据的安全性和合规性？而数据的潜在价值又该如何最大化利用以推动金融业务发展呢？

“湖仓一体”架构正逐渐成为破题之道。该模式通过统一数据存储与计算环境，支持多模态数据融合与实时分析，为AI应用提供高质量的“燃料”——数据基础，并助力金融机构实现结构化数据与非结构化数据的融合存储、实时计算与离线分析的协同、数据安全与高效利用的平衡。

如今，不同规模的金融机构，正根据自身需求探索适配的“湖仓一体”。

在国际案例中，摩根士丹利较早推进企业级数据中台建设，打通零售银行、财富管理与投资银行业务数据，实现客户视图统一与跨业务协同。荷兰ING银行则通过建立统一数据治理框架，明确数据所有权与使用规范，在保障合规的前提下显著提升数据利用效率。

国内方面，某国有银行通过构建“三横两纵一线”的数字资产运营服务体系，以“数据+分析+展现”的三层架构，为数据资产的共享、分析应用、服务提供和价值创造提供全面、敏捷、精细的能力支撑。该行此举不仅打通数据仓库与数据湖的数据通道，实现湖仓融合，也为数据治理各项工作奠定坚实基础。

在金融科技服务商领域，金融壹账通基于“湖仓一体”架构构建数据底座，通过隐私计算与可信数据空间，实现跨机构数据的安全共享和价值释放，并应对金融机构普遍存在的数据孤岛、数据利用率低、数据质量差以及数据安全与合规难题。据了解，该公司的“金融数据隐私计算平台”已吸引逾50家金融机构参与试点，并获央行多地分支机构推广。

随着《金融数据安全分级指南》、《商业银行数据资产管理指引》等金融数据治理规范出台，金融科技服务企业也将推出各类智能数据治理平台，协助金融机构完成数据建设。未来，随着隐私计算、联邦学习等技术的成熟，数据协作与共享机制有望进一步突破瓶颈，推动金融行业向真正意义上的数据驱动转型。

技术空白VS全球AI化

AI治理正逐步纳入全球监管议程：欧盟推出《通用人工智能模型提供商指南》，建立基于风险分级的AI应用监管框架，并对高风险领域的AI系统提出严格透明度与问责要求；英国则通过算力投资与OpenAI合作推进技术基建，加大在算力基础设施、模型可信赖性及跨境协作方面的投入，强化技术安全与创新能力。

与发达金融市场不同，在金融科技基础设施仍在建设中的“全球南方”市场，东南亚、拉美等地区因成年人无银行账户、信贷覆盖率过低、移动互联网渗透率不足等情况限制，其“AI+金融”领域仍以“填补服务空白”的早期应用为主。

在此背景下，中国金融科技企业凭借在风控、反欺诈、智能客服等领域的成熟经验，积极拓展海外市场，并与当地机构共同推进数字金融建设。

马来西亚某区域性银行因线下网点不足，难以覆盖农村地区用户，腾讯云为其定制了多语言AI客服解决方案，支持马来语、华语、英语三种语言交互，可处理账户查询、转账指引、贷款咨询等80%的常见问题。蚂蚁集团则针对印尼小微企业“无信用记录、缺乏抵押物”的特点，联合当地银行开发了基于AI的“微型信贷评估模型”。

除提供数字化银行、保险等解决方案外，东南亚地区庞大的汽车市场也亟需AI赋能。越南某交通运营集团牵手金融壹账通，打造数字车生态平台，涵盖交易、金融、服务汽车产业全场景服务，致力于打造东南亚标杆性项目。

事实上，借势AI出海，也让中国金融科技企业找到了增长第二曲线。2025年第二季度，信也科技国际业务营收已占总营收的22.3%，业务布局持续多元化拓展。嘉银科技在印尼的合作伙伴业务发展放款金额同比增长超200%；在墨西哥业务第二季度内放款金额和注册用户数环比增长近40%。如今的金融壹账通已将境外业务扩大到20个国家及地区，覆盖客户达214家。同时，得益于境外客户对开发后维护服务的需求增加，2025年上半年金融壹账通该类收入同比增长了32.3%。

AI浪潮对于全球金融业的赋能与重塑才刚刚开启。随着AI技术持续演进与监管框架日益清晰，无论从“用AI”到“推AI”，还是从“湖仓一体”破解数据困境到全球化AI适配进行时，所有演变方面最终将回归金融的本质——服务实体经济，普惠民生。