21世纪经济报道记者 边万莉 实习生 余姿桦 上海报道“当算法读懂人性的金融需求，银行将不再是一座冰冷的金库，而成为流淌着智慧与温情的金融生命体。”近日，重庆富民银行行长赵卫星在2025中国国际金融展上演讲时如是说。

自金融大模型兴起以来，银行业的运营逻辑与服务范式正在经历深层重构。对中小银行而言，尽管面临算力、数据、人才等现实制约，却也因组织灵活、本地贴近、响应快速等优势，捕捉到了智能化转型的突破口。作为中西部地区首家获批开业的民营银行，重庆富民银行在大模型应用上已实现落地成果转化，且正持续深化探索实践。为了解中小银行应用金融大模型的挑战与破局之道，21世纪经济报道“对话数字金融30人”栏目邀请赵卫星进行了深入专访。

赵卫星表示，金融大模型的应用需从战略层面重构认知逻辑，通用大模型与垂直领域专业能力的协同性远胜于孤立开发专业模型。同时，要警惕技术应用误区，大模型应优先解决风控、审计等核心场景的“人机协同”问题，而非盲目追求技术标签化。未来，银行需从“产品主导”转向“客户需求驱动的智能体生态”，让金融产品真正适配企业经营需求，而非受制于传统风险偏好。

大模型催生“算法银行”

《21世纪》：大模型是否正在重塑金融业？给银行业带来了哪些变化？

赵卫星：大模型作为银行业从数字化时代升级到智能化时代的核心引擎，将深刻改变银行业的业务模式。金融业天然具备数据密集、人才密集、资本密集等特性，使其成为大模型应用最成熟的行业之一。有数据显示，2023年全球金融业占全行业AI支出的28%；全球TOP50银行中92%已部署大模型；金融业AI渗透率达35%，远超医疗（15%）零售（20%）等行业；2024年大模型落地案例分布占金融行业比例为36.7%，2024年大模型落地案例分布银行占比15.40%。

金融大模型相当于给金融业重新定义了金融的新范式，完全改变了原来行业对于金融产品的定义。在传统模式下，银行是按照自己的理解来设计产品，再提供给客户，百年来金融业都是如此。现在由于大模型的存在，客户可以基于自身生活与经营需求参与产品定义的过程中，完全改变金融业的运行方式，构建了“算法银行”的新范式。

未来，银行需从“产品主导”转向“客户需求驱动的智能体生态”，通过“通用大模型底座+行业知识库+动态数据流”，让金融产品真正适配企业经营需求，而非受制于传统风险偏好。此外，大模型在营销获客、风险控制、客户服务等多个业务环节的应用，实现了质效提升和成本优化的双重突破。

《21世纪》：如何通过大模型让金融产品真正适配企业经营需求，构建“算法银行”新范式？

赵卫星：具体来说，首先是要与企业协同构建面向大模型应用的数据采集、分析及处理系统。该系统需覆盖数据全生命周期管理，通过标准化流程实现数据的高效整合与价值挖掘，为后续智能体应用奠定数据基础。第二步是将自身产品进行要素化拆解，形成模块化的金融智能体组件并输出至企业。以当前企业广泛应用DeepSeek能力为例，未来银行可参照此模式，向企业输送定制化智能体，由企业自身跟金融智能体结合来产生自己的金融服务产品。

需要注意的是，金融业应避免陷入“技术军备竞赛”，需在算力经济与绿色发展的平衡中寻找突破口，通过混合云架构和敏捷迭代实现“AI价值穿透”，最终让银行从“资金中介”进化为“智慧与温度并重的金融生命体”。

《21世纪》：大模型对金融业的影响大概可以划分为几个阶段，不同阶段有哪些特点？

赵卫星：从行业实践来看，大模型的应用正从辅助工具向AI智能体跃进，推动着金融业人机协作模式的深度变革，其发展路径可划分为三个阶段。

短期来看，大模型在1-3年内率先在客服、风控、合规等标准化场景实现落地应用，通过大模型优化现有业务流程，提质增效。中期阶段，大模型在3-5年时间内将形成智能的决策机制，提升决策流、信息流的优化。长期来看，大模型在5-10年催生“算法银行”新形态。未来银行将不再是以人工服务为主，而是依托算法技术，发现客户需求来实现智能化服务。总结来说，大模型驱动的金融业变革会呈现“优化现有业务-部分替代人工决策-催生算法银行”的三步走状态。

发挥中小银行特色化优势，提升金融业的智能化

《21世纪》：相较于大型银行，中小银行在普惠金融、本地化服务等领域更具优势。对于中小银行来说，应当如何最大化地发挥大模型效用？

赵卫星：本地的中小银行有两个发展趋势：一是越来越扎根于本地化，服务好当地企业与居民；二是像我们富民银行这样，借助技术能力向企业和个人提供差异化、线上化服务。我觉得，未来中小银行更应该把这种特色化能力发挥出来，为大型银行提供样板。大型银行的实验成本比较高，只有中小银行实验出来以后，再加以运用两种银行的不同特色相结合，就能够更好地提升金融业的智能化。

《21世纪》：中小银行应用金融大模型面临着哪些挑战？有何应对建议？

赵卫星：当前中小银行在大模型应用中面临的挑战比较多：一是在发展初期，投入与收益的量化逻辑需精准考量；二是组织架构的挑战，现有组织架构以人与人的协作关系为基础，而未来将转向人与机器的协作模式，这对组织人员及组织流程极具挑战；三是应用层面的挑战，未来将突破传统银行体系的局限，向更广泛的行业领域延伸；四是数据与隐私保护的挑战。

应对上述挑战可以从以下几个方面入手：一方面，基于成本与效率的精准测算，可以通过动态调整实现投入产出的合理平衡；另一方面，着手优化组织架构，以适配人与机器协作的新模式，通过流程再造与人员能力升级，提升组织协同效能；此外，还要加强数据和隐私保护，更重要的是把金融智能体跟行业需求紧密捆绑。

《21世纪》：金融大模型可能存在“AI幻觉”的问题，怎么才能增强模型决策的透明度与准确性？你们银行是否建立了人工干预机制以应对关键业务场景？

赵卫星：现在大模型确实还存在“AI幻觉”的情况。因此，我们对大模型的应用采取“三步走”战略，即先对内、再融合场景、最后对客开放。对内的场景包括研发的代码生成、对公的会议助手、内部运营的经营数据分析、审计的路径推荐、风险管理的报告智能撰写等等；“面客”场景包括智能客服、智能电销、网点助手、远程银行助手、催收外呼机器人等。

目前，我们在对内和融合场景的应用过程中，嵌入了人工干预机制，适时调整大模型“幻觉”带来的一些问题。只有在对内以及融合场景应用成熟后，我们才会大面积应用于对客领域。目前，富民银行聚焦降本增效的“真实价值场景”，通过大模型重构内部流程，实现人员精简、自动代码撰写率超50%，验证了“AI+业务流”的高效性。