01

报告综述

近年来，随着宏观货币政策让利实体经济，中国商业银行贷款利率不断下调，导致净息差持续走低。2022年净息差跌破2%，2025年预计将跌破1.5%。净息差也成为银行业利润下滑的主要原因之一。根据国家金融监管总局披露的数据，2024年中国商业银行累计实现净利润2.3万亿元，同比下滑约0.1万亿元。

图1 2020-2024年中国商业银行净息差低息差

时代倒逼银行必须突破传统规模驱动的模式，转向效率驱动与创新驱动模式。

1. 效率驱动：流程精简与成本压缩

在收入增长困难的背景下，银行亟需通过提高运营效率来控制成本。部分银行的北极星指标已经从资产规模增长转为成本收入比。

首先，围绕新的北极星指标，银行运营管理的核心指标体系将发生变化。行内需要将成本收入比指标，逐级拆解至各个地区、业务部门、职能部门，进而在全行范围内建立新的成本控制指标体系。这对于银行的运营指标分析体系提出了新的要求。结合AI大模型技术的智能分析，成为诸多银行2025年内部落地的重要数字化项目。通过智能分析服务，银行不光能提高运营管理取数效率，更需要在经营分析层面构建归因推演、趋势预测等深度推理能力。

其次，银行将大力推进核心业务流程的智能化改造，降低人力依赖，以实现端到端的流程打通与实时监控。过去，RPA等初级AI应用在银行后台运营方面已经落地普及；现在，结合AI大模型能力的数字员工将在反洗钱、企业信贷等核心业务场景中生根发芽。AI数字员工不再是承担简单的重复劳动职责，而是逐步渗透到有一定专家属性的业务场景，提高核心业务产出。

第三，与流程智能化改造同步，银行还需要匹配以组织架构优化工作以实现降本。比如，在骨干团队内部推行矩阵式管理，减少层级审批环节，加速决策与执行的闭环。综合来看，银行通过运营指标体系重塑、流程智能再造、组织优化等多管齐下的效率举措，在压降运营成本的同时，在行业中塑造起新的竞争力。

2. 创新驱动：企业信贷与非息收入增长

面对低息差时代的盈利困境，银行纷纷将重心转向企业信贷和非息创新业务，以寻求新的增长点。

首先，企业信贷成为银行之间差异化竞争的亮点。零售信贷通过互联网发放形式，规模实现了大幅增长，但零售客群被头部大型银行和股份制银行占据，中腰部银行的零售业务收到挤压。反观，企业信贷依然有大量线下工作无法被线上取代，中腰部银行的地域本地化优势得以凸显。正是由于线下展业不可替代，客户现场的弱网环境导致数据留痕和业务办理难度增高，音视频中台成为银行企业信贷业务的刚需。

其次，银行在财富管理、投顾服务等非息业务重点发力。多家银行推出智能投顾平台，通过算法模型为不同风险偏好客户提供资产配置建议，并结合线上线下渠道实现客户生命周期管理，推动客户从单一存贷黏性向持续性理财转化。

第三，AI驱动的产品个性化推荐，也是银行重点发力方向之一。部分银行通过内嵌AI的数字平台，实现产品推介的个性化推荐，使交叉销售率提升30%以上，有效提升单客收入贡献度。

综上所述，通过聚焦企业信贷、财富管理、投顾服务、AI驱动的精准营销等方式，银行在创新驱动路径上不断探索，持续为低息差时代的可持续增长注入新动能。

以下，我们从智能分析、音视频中台两个维度，具体介绍银行在数字化实践层面的最新进展。

02

智能分析

银行作为数据密集型金融机构，每天产生并积累海量的客户信息、交易记录和市场数据。这些数据蕴含着巨大的潜在价值，能够为业务决策、风险管理和客户服务提供支持。同时，银行也是数据驱动运营的典型代表，需要大量数据分析工作以支撑日常运营决策。

然而，传统的数据分析方法往往依赖人工操作，效率低下且易出错，无法满足快速变化的市场需求和日益严格的监管要求。例如，许多银行在处理分支行业绩报告时，需要数据分析师和业务人员耗费数天时间手动提取数据并撰写分析报告。这种低效模式不仅增加了运营成本，还可能因延误决策而错失市场机会。因此，引入智能分析技术，快速实现从数据获取到数据洞察的全流程，成为银行提升竞争力的迫切需求。此外，智能分析还解放了大量数据分析师和业务人员的时间，使其工作效率得以提升、人员规模得以减少。

银行落地智能分析的关键成功要素之一是数据质量与数据治理。智能分析的可靠性依赖于数据的准确性、完整性和一致性。如果数据质量不过关，分析结果可能出现偏差，影响决策效果。因此，银行业已建立起来的完善数据治理体系，成为智能分析项目成功的关键基石。数据治理不仅是技术问题，还涉及组织协作，要求银行打破数据孤岛，实现跨部门的数据共享与标准化。只有夯实这一基础，智能分析才能发挥最大价值。

技术选型是另一个关键要素。银行需要选择数据获取准确性高，且可以做归因分析的智能分析工具。技术选型时，准确性是核心。一旦数据准确性出现问题，业务人员对此丧失信心，智能分析项目失败概率陡增。此外，数据洞察是另一个关键要点，业务人员能力参差不齐，能够做数据洞察、归因分析的智能工具才能真正在项目落地过程中产生价值。

人才与组织文化的转型同样不可忽视。智能分析的落地需要复合型人才，他们既懂数据分析技术，又熟悉银行业务，能够将技术与实际需求结合。尽管智能分析工具降低了业务人员上手的门槛，但长期沉淀的分析模板才是银行持久的经验knowhow。这些沉淀离不开具备业务洞察的数据团队支持。

综上所述，智能分析对银行业的重要性体现在其提升数据分析效率和降低成本等方面，尤其在数据爆炸的背景下已成为不可或缺的竞争力来源。然而，成功落地需要银行在数据治理、技术选型及人才文化三方面全面发力。以下，我们以某城商行为例，具体介绍智能分析落地案例。

典型案例1：城商行借助数势科技Agent实现智能分析，降本增效

随着智能化转型的加速，越来越多的银行开始探索大模型技术的应用，以提升运营效率、优化服务质量、优化成本结构。数据分析作为大模型落地的重要场景之一，备受关注。然而，许多银行基于大模型的数据分析项目仅停留在取数阶段，无法实现报告生成这一更深层次的需求，导致大模型在银行数据分析领域的应用价值较为有限。

在这种背景下，某头部城商行与数势科技的合作，为这一难题提供了创新解决方案。通过引入先进的技术和架构，该城商行成功实现了从自然语言取数到深度洞察报告生成的跨越，显著提升了数据处理效率，同时大幅降低了人力成本。本文将详细探讨这一合作项目的背景、解决方案及实施成果，为其他银行提供参考。

01 大模型驱动，某城商行开启数据分析降本增效新路径

某城商行的数据管理部拥有一个500 人左右的团队，其中约一半为外包人员。外包成员主要包括数据分析师、产品经理、工程师等角色，其主要服务内容是利用BI（商业智能）工具，为分支行领导及业务人员提供数据提取服务，并撰写相关报告。

以核心报告之一——分支行业绩对比及经营考核报告为例。在总行进行经营分析时，需要完成两项主要工作：一是对所有分支行的核心指标进行排名；二是撰写绩效考核报告。这一过程目前主要依靠人工完成。例如，若围绕10 个指标撰写一份经营分析报告，需先由数据分析师提取相关数据报表，再由业务人员依据该报表制作报告模板，随后数据分析师与业务人员协同手工撰写报告，整个流程通常耗时约两天。

由于效率偏低，虽然数据管理部人数较多，但仍常出现工单积压的情况。并且，该城商行目前每年在200 多名外包人员上的成本约为7,000 万元。为优化成本结构，银行管理层期望借助大模型技术，提升数据处理效率，以及节省相应的人力成本。

02 指标语义层+推理模型+Agent，数势科技为城商行降本增效提供新解法

在考察了一些智能分析厂商后，该银行发现目前的智能分析产品大多仍停留在查数这一基础场景上，价值比较有限。然而，银行内部真正高频且亟待解决的痛点是报告生成。例如，员工在向领导汇报工作时，往往需要先制作一份业绩复盘报告，其中不仅要包含数据表格，还要有对数据的解读以及相应的策略建议。只有真正满足报告生成这一核心需求，才能有效赋能团队，实现智能决策。

在此背景下，该银行与数势科技展开接触，并认识到数势科技的独特优势，进而与之展开合作。具体而言，数势科技的三点独特优势如下：

• 高回答准确率：回答准确率是银行做数据应用的基础。当前市场上的ChatBI类产品多采用NL2SQL 技术路线，通常准确率在60%，且存在数据安全风险，而数势科技SwifAgent产品则在2023年便首创了大模型+指标平台的技术路线，在取数环节采用选NL2Semantic Layer的方式，也就是在自然语言和数据底表间构建指标语义层，让大模型去做擅长的自然语言意图理解，让指标语义层去做和底表数据之间的业务逻辑和映射关系，从而解决大模型幻觉问题，将自然语言取数准确率实现100%。
• 深度需求满足：在满足了精准问数需求的基础上，数势科技SwiftAgent也在2025年实现版本升级，通过融入DeepSeek R1 推理模型和企业知识库，可自动化的沉淀企业知识，降低对于微调的依赖，更好地满足银行进行数据波动归因、预警分析和报告生成等深度需求，为银行提供一站式智能指标平台和智能分析方案。
• 成功案例背书：据公开资料了解到，2024 年数势科技与中原银行合作智能指标平台建设，项目以数势科技智能分析助手SwiftAgent为核心产品，为中原银行构建统一指标管理平台，确保指标定义的统一性和标准化，通过低代码、自动化的指标生产代替人工开发进而提高指标交付效率，以便更好地挖掘数据中的价值。在此基础上，项目还融合大模型能力构建智能分析平台，实现指标问答、图表生成、报告生成以及归因分析等灵活应用，有效提升了业务分析决策效率，助力银行业务发展。银行内部人员对该项目给予了高度评价。这一成功案例为数势科技的技术实力和产品可落地性提供了有力背书。

03 数势科技SwiftAgent的产品架构与核心落地场景

SwiftAgent产品最新版本的核心架构分为三层：数据层、引擎层和应用层。

数据层支持多源异构数据接入，提供灵活的数据集成方案，包括存算一体、存算分离和存算外置。通过这些方案，确保不同数据源能够无缝连接并进行高效处理。

引擎层是整个产品的智算核心，包含三个关键模块：

• 数据语义模块：通过精准的指标和标签平台，解决大模型的幻觉问题，确保自然语言与数据之间的精准映射。该模块通过结构化转译消除语义鸿沟，并利用预计算加速引擎将复杂查询响应时间压缩至秒级，确保实时决策需求的满足。
• 智能模型引擎模块：采用混合智能架构，结合大模型和小模型的动态协同。大模型负责语义理解与逻辑推演，调用行业知识增强的百亿参数模型；小模型则专注于结构化分析，处理时序解析和指标计算等任务。动态路由控制器根据任务自动分配算力，实现推理成本与精度的最优平衡。
• 数据分析技能池：涵盖从数据提取到归因分析再到报告生成的完整闭环，提供全面的数据分析能力，帮助决策者获取精确的洞察。

应用层是SwiftAgent向上为企业提供功能场景的重要支撑，通过Multi-Agent架构，将多个数据应用智能体协同工作。在不同业务场景下，智能体可以联合调用，如分析报告场景需要同时调用取数Agent、分析Agent和报告Agent，实现高效协作，满足业务需求。

图2 数势科技SwiftAgent产品架构图

基于以上产品架构，在与该银行的合作中，数势科技通过SwiftAgent智能分析助手的核心能力，显著提升了企业的数据分析准确性以及洞察决策的效率和质量。

1. 低门槛取数与数据洞察

SwiftAgent利用自然语言交互技术结合DeepSeek大模型，使业务人员无需掌握复杂的技术工具，便能通过对话式查询快速获取数据和可视化结果。该功能不仅极大降低了数据获取门槛，还能够将数据结果清晰地呈现给决策者，在该银行的应用，支持业务人员迅速生成包含资产配置优化建议、市场趋势预测等关键报告，帮助金融机构精准研判市场动态，提升决策的专业性和效率。

2. 多端适配与决策敏捷性

SwiftAgent的多端适配能力，确保无论在PC端还是移动端，该银行领导也团队都能随时随地获取数据分析结果，使日常运营决策更加迅速和高效。

3. 智能报告生成与深度分析

结合DeepSeek大模型的能力，SwiftAgent在深度思考、归因解读、智能报告生成和决策建议四大维度实现了飞跃。在该项目落地中，SwiftAgent能够在5至10分钟内给提供精确、符合银行需求的深度分析报告，报告内容不仅全面，还支持该城商行提供模板定制分析维度，具有高度的可用性性和决策支持价值，使得银行的管理层能够迅速调整战略，提高决策效率。

图3 数势科技SwiftAgent生成AI报告功能展示

04 从2天缩短至10分钟，数势科技SwiftAgent赋能银行报告撰写效率

数势科技SwiftAgent报告生成能力是在自然语言精准取数的基础上，结合DeepSeek的深度思考能力和沉淀的金融行业分析模板，结合自研小模型和多Agent架构调用共同实现的。具体而言，报告生成的过程包括以下几个关键步骤：

1. 报告框架生成：首先，基于企业数据库和行业通用知识，自动化生成报告框架，作为后续内容填充的结构基础；

2. 子问题生成：根据指标语义层，SwiftAgent生成报告中每个子问题，严格依据存量指标进行构建；

3. 数据提取与分析：针对每个子问题，自动化调用相应的Agent进行数据取数、分析，并生成相应的内容；

4. 结果填充：最终，生成的分析结果被填充到报告框架的相应位置，完成报告的形成。

通过这种创新的AI报告生成能力，SwiftAgent能够为用户提供结构化的报告，如金融领域的资产配置优化建议和市场趋势预测。这种报告不仅帮助用户精准研判市场动态，也提升了投资决策和风险管控的专业效能。

05 六周完成项目落地，该城商行信用卡部门报告生成效率提升40倍

1. 项目落地步骤一：分析报告场景与指标体系梳理（约2周）

在引入AI 报告生成技术的初期，关键任务是将抽象的业务需求转化为可量化的分析指标。项目团队首先与业务部门合作，确定从信用卡用户活跃度和营销策略分析两个场景入手。通过从银行数据中台接入信用卡交易数据、手机银行行为日志以及第三方支付渠道等数据，团队构建了涵盖DAU（日活跃用户数）、MAU（月活跃用户数）、消费频次、绑卡交易占比、留存率等指标的活跃度分析体系。

图4 信用卡用户活跃度分析体系建设方法

同时，在信用卡运营策略效果评估方面，团队与银行共同对活动进行了细致分类，针对促活类、增收类、留存类活动分别设计了不同的评估指标和归因分析模型。

2. 项目落地步骤二：分析模板设计与持续优化（约2周）

实现报告生成自动化与智能化的关键在于打造可复用的分析模板。项目团队与银行分析师合作，定义了分析模板的整体架构，并为每种分析范式设计了不同的可视化类型和总结侧重点。针对核心信用卡活跃类指标的归因分析，采用了维度归因、因子归因和分析树归因三种范式的融合方案，确保报告接收方能够从多个视角全面了解指标变化的原因。通过与银行分析师的共同努力，项目团队建立了约20 个分析模板库，按报告类型分类存储，并记录版本迭代历史。这一举措旨在提升AI 生成报告的采纳率。测试数据显示，采纳率由最初的30%提升至80%。

3. 项目落地步骤三：培训推广，从试点到规模化的跨越（约2周）

试点推广是验证项目价值的关键环节。项目团队与银行合作，选择信用卡中心的用户运营与活动运营团队作为试点对象，覆盖超过50% 的分析师团队，并建立了问题反馈通道，每周收集用户需求。经过2 周的试点运行，报告生成时间从原来的2.5 天（纯人工撰写）缩短至30 分钟（大模型生成10 分钟+ 人工辅助优化20 分钟）。

在为信用卡中心快速提效并完成速赢场景后，项目团队制作了培训视频，将报告生成能力推广至对公贷款业务团队，鼓励更多业务团队尝试使用AI 报告工具。

项目效果

经过一系列实践和探索，该头部城商行信用卡部门在AI 报告生成方面取得了显著成效。根据业务团队实测反馈，报告生成效率提升了约40 倍，从2.5 天缩短至30 分钟。这一效率提升使业务团队能够将更多精力投入到信用卡生命周期促活策略的制定和优化中，而非重复进行数据搬运工作。

图5 报告生成用时对比

此外，在项目开展过程中，银行沉淀了20 多个分析模板，涵盖了用户活跃度分析和营销策略分析等场景。这些模板将原本存在于分析师脑海中的“分析经验”产品化，并让大模型得以吸收，为后续分析思路的“可复制性”奠定了坚实的知识基础。

03

音视频中台

随着银行业数字化转型的深入，音视频技术逐渐成为银行提升服务能力、优化客户体验和推动业务创新的重要工具。音视频中台作为一种集成化的技术解决方案，能够为银行提供稳定、高效的音视频通信能力，支持多场景业务创新，尤其在企业信贷展业中具有显著价值。

企业信贷业务通常涉及复杂的审批流程和频繁的客户交互，这种模式虽然显得效率低下且成本高昂，但这也是企业信贷业务的核心竞争壁垒。一方面，音视频中台在移动展业中，通过本地录制功能，解决了弱网或无网环境下数据留痕的难题，确保业务合规性同时提升了业务人员的工作效率。另一方面，音视频中台通过提供远程视频面签、视频见证等功能，推动了信贷业务的线上化转型。这种技术支持不仅优化了信贷流程，还助力银行在企业信贷领域拓展了业务边界，显著提高了服务覆盖率和客户满意度。

银行落地音视频中台的关键成功要素首先在于技术架构的先进性与兼容性。音视频中台需具备高并发处理能力、稳定性以及与现有系统的无缝集成能力。技术选型时，银行需确保中台具备高安全性，支持多终端接入，以应对复杂的业务环境和客户需求。

其次，业务场景的深度融合是成功落地的核心。音视频中台的价值在于其能否紧密贴合银行的实际业务需求，并通过定制化开发赋能具体场景。银行在实施过程中需针对具体场景进行需求分析和技术适配，以充分发挥中台的赋能作用。

最后，项目管理和高效协同是不可或缺的保障。音视频中台的实施涉及多部门协作和技术对接，需要科学的项目管理来确保顺利推进。这种高效协同不仅加速了中台落地，还为其后续维护和功能扩展奠定了基础。银行在推动类似项目时，应注重跨部门沟通和资源调配，以实现技术与业务的最佳匹配。

总而言之，音视频中台对银行业的重要性在于其助力业务创新层面，尤其在企业信贷展业中推动了效率与合规的双赢。成功落地则需在技术架构、业务融合和项目管理三方面综合发力。以下，我们以杭州银行为例，具体介绍音视频中台落地案例。

典型案例2：创新破局，杭州银行音视频中台赋能数字化未来

杭州银行成立于1996年，是一家资产规模超过2.1万亿元的股份制商业银行。2024年，在复杂多变的经济环境下，杭州银行取得了净利润同比增长18.1%的优异业绩。同时，杭州银行正在编制下一个五年战略规划，数字化是其中重要的的一环。

随着业务的快速发展和数字化转型的深入，杭州银行对其音视频平台提出了更高的要求。然而，其原有平台采用的产品技术框架繁重且技术老旧，已无法满足当前的业务需求。

01 音视频平台四大痛点

具体而言，杭州银行的音视频平台面临以下四大痛点。

图6杭州银行音视频平台四大痛点

首先，业务扩展受限。原有平台扩展性差，难以快速适配新业务场景，如移动展业和远程面签，导致业务创新受阻。在移动展业场景中，客户现场的弱网环境进一步加剧了数据留痕和业务办理的难度。

其次，高并发处理能力不足。在业务高峰期，平台频繁出现卡顿和崩溃，用户体验受到严重影响。再次，迭代周期长。由于技术架构耦合度高，高频迭代成本高昂且耗时，无法及时响应市场变化。最后，用户体验差。画质模糊、声音失真、功能单一等问题，使得客户和员工对平台满意度较低。

面对这些挑战，杭州银行急需一个全新的音视频平台，以提升业务服务能力、增强系统稳定性，并满足多渠道、多场景的数字化需求。

02 破局之道，新一代音视频能力平台

针对杭州银行的核心需求，网易云信量身定制了一套全栈国产化适配的音视频能力中台，涵盖技术架构、业务场景与合规要求。具体方案包括以下几个方面：

首先，全栈国产化音视频能力中台。网易云信打造了一个全栈国产化适配的音视频中台，兼容国产芯片、操作系统、数据库和中间件，满足信创要求。这一中台不仅提升了系统的技术先进性，还为后续功能的快速扩展奠定了基础。

图7网易云信音视频平台技术架构

其次，展业外拓。针对移动展业中弱网或无网环境下的质检数据不全问题，网易云信提供了本地/云端多种录制功能，支持单设备多路视频录制。网易云信定制化开发的音视频本地录制功能，可以保障业务办理过程的数据留痕问题。这使得业务人员能够在客户现场高效完成业务受理、现场调查和实地拍照等工作，即使网络状况不佳也能确保数据留痕，满足合规要求。

再次，远程视频双录。网易云信基于音视频能力支持杭州银行实现了多种远程服务，包括首次风险评估双录、微理财双录、社区贷面签、法人面签、核保面签、信用卡激活、远程咨询、企业手机银行密码重置和小微视频看房等。这些功能不仅提升了线上业务覆盖率，还增强了客户体验。

最后，内部培训直播系统。随着杭州银行分支机构和员工规模的扩大，内部培训需求激增。网易云信为其建设了对内直播系统，支持产品知识讲解、新产品上市宣发和业务技能培训，帮助全国各地的员工和合作伙伴高效学习。

通过专家团队的现场沟通和技术方案定制，网易云信精准响应了杭州银行的需求，确保解决方案与业务场景深度契合。

03 价值跃迁，效能提升与多场景覆盖

基于全新的音视频能力中台，杭州银行的业务价值显著提升。不仅解决了之前线下业务拓展受阻的问题，还大幅改善了服务效率和线上服务能力。

业务拓展能力倍增。通过整合行内融合通讯需求，新平台极大降低了对接和运维成本。分布式架构和模块化设计使得新增业务能够快速上线，业务扩展能力显著增强。

多渠道无缝接入。平台支持智能机具端、手机银行、微信小程序等多渠道接入，其中智能机具端实现了客户、环境、屏幕共享和坐席四流输入，满足了多样化的客户交互需求。此外，内部视频会议和智能客服系统也实现了无缝接入。

端侧统一覆盖。新平台覆盖H5、微信小程序、iOS、Android、鸿蒙、Windows和MacOS七大终端，确保不同设备用户都能获得一致的高质量体验。

服务效率与稳定性提升。视频双录可靠性达到99.9%，线上业务接通率提升至95%，互动视频开画时间压缩至2秒以内，网络延时小于300毫秒。这些量化指标显著提升了业务办理效率和客户满意度。

线上业务渗透率提升。依托新平台，杭州银行在贷款用途核实、贷前调查、视频见证和私人银行理财等场景实现了线上化运作，线上贷款业务成功率和线上业务服务替代率均达到90%以上。这不仅优化了业务流程，还在合规前提下推动了业绩增长。

04 成功密码，科学管理与高效协同

项目的成功实施离不开科学的项目管理和双方的高效协作，以下是关键成功要素：

启动阶段。项目初期明确了范围、目标和内容，并通过定岗定责避免职责重叠或真空。里程碑的合理拆分对齐了阶段性成果，确保项目节奏清晰可控。

规划阶段。通过定义工作分解结构、交付成果和验收标准，项目团队与杭州银行进行了深入的需求分析和系统设计评审，确保双方目标一致。工作计划的细致拆分保证了任务落实到人，提升了执行效率。

执行阶段。团队严格按照计划推进工作，定期对齐进展并明确下一步安排。同时，通过定期风险识别和应急计划应对突发问题，确保项目稳定推进。此外，持续跟踪进展并及时纠正偏差，保证了最终目标的达成。

通过以上措施，网易云信与杭州银行实现了技术与业务的深度融合，不仅解决了原有平台的痛点，还为未来的数字化转型奠定了坚实基础。

未来，银行对于音视频能力平台的要求会进一步提高，逐步延伸至风控监测、客服全生命周期通话质检、智能客服人机协助、用户需求挖掘等诸多新场景。为此，网易云信以AI能力为核心，储备了大量相关新产品，将逐步在音视频能力中台上实现嫁接。

04

结语

在本报告的前三章节中，我们深入探讨了银行数字化转型的迫切需求、市场洞察以及关键技术的应用实践。通过对智能分析和音视频中台的案例分析，我们看到这些技术如何帮助银行显著提升运营效率、优化客户服务并拓展业务边界。展望2025年及以后，银行数字化转型将进入全新阶段，技术和应用趋势将更加多样化、前瞻性，为行业带来新的机遇与挑战。

在技术趋势方面，大模型将在银行业中扮演更加核心的角色。从风险管理、欺诈检测到个性化金融产品设计，大模型将全面提升银行的服务能力。例如，AI驱动的预测分析可帮助银行实时识别市场趋势，优化投资组合管理。

在应用趋势方面，开放银行、嵌入式金融仍然在早期兴起的阶段。通过API共享数据，银行与金融科技公司的开放合作将催生更多创新金融产品，如定制化的贷款和投资服务。嵌入式金融将金融服务无缝融入非金融平台，将是企业信贷未来的主要发力方向。

展望未来，银行数字化转型的成功不仅依赖于技术创新，还需在组织和文化层面进行深刻变革。银行应持续投资于前沿技术，培养兼具技术与业务能力的复合型人才，并建立灵活的组织架构以快速响应市场变化。正如本报告所示，智能分析和音视频中台的案例中复合型人才都是项目成功的关键要素。

创作团队

报告指导人

张扬

爱分析 联合创始人&首席分析师

外部专家（按姓氏拼音排序)

岑润哲

数势科技 数据智能产品总经理

王磊

网易云信 金融行业解决方案负责人

特别鸣谢（按拼音排序）