AI（人工智能）在金融业究竟走到了哪一步？9 月 9 日举行的 2026 Inclusion · 外滩大会 "AI 原生时代 · 信用经济的应用探索 " 论坛给出了答案。
"2025 年中国 AI+ 金融总体市场规模达 1.8 万亿元。金融大模型项目数量与落地金额呈爆发式增长，半数上市银行公开披露部署了大模型应用。" 清华大学五道口金融学院金融发展与监管科技研究中心主任张健华预计，2026 年这一市场规模将突破 3 万亿元，年复合增长率超过 30%，金融 AI 渗透率将达到 58.6%。
银行业率先规模化落地，证券业头部试水，保险业场景突破，基金业局部探索，信托业仍在观望——金融 AI 呈现出显著的梯次渗透格局。浦发银行总行首席人工智能科学家郑波表示，未来三年银行 AI 的分水岭在于生产能力、价值运营能力与组织进化能力，" 领先的银行未必拥有最多的智能体，但一定拥有更快的组织学习速度 "。
然而，AI 技术狂奔的另一面是风险暗涌。中国工程院院士、同济大学教授蒋昌俊警示，金融机构面临事实幻觉、算法黑盒与歧视、数据投毒与隐私泄露三类系统性风险。张健华也强调，监管需在鼓励探索与防范风险之间建立动态平衡。
金融 AI 加速 " 平权 "：从行业共识到场景落地
" 金融机构不用 AI 肯定要被淘汰，但 AI 是必要条件，还不够充分。" 张健华在论坛上的这句话点明行业处境：不拥抱 AI 没有未来，拥抱 AI 也并非一劳永逸。
AI+ 金融增长背后是行业内部的分化：银行业率先规模化落地，2021 年至 2025 年，六大行披露的累计科技投入已突破 6000 亿元。伴随开源大模型普及，行业 "AI 平权 " 加速，A 股上市银行中约九成披露了 AI 技术应用及落地成效。
在张健华看来，AI 是能力提升的倍增器，机构需先明确要解决的业务问题，再判断 AI 能补足哪些能力，技术投入才有机会转化为实际效果。对于中小机构，他建议不必重资产全自研，优先采用 " 采购 / 共建 + 本地化部署 "，从知识库问答、文件解读、客服助手、办公提效等低风险高回报场景起步，再拓展至营销、风控等场景。
金融 AI 落地能否转化为整条业务流程的改善？郑波认为，判断 AI 应用是否进入生产，要看它是否进入核心业务流程、是否承担原先由人完成的关键任务、是否改善客户体验与风险管理。他主张以 " 锥子打法 " 为突破口，用少数入口级旗舰产品打穿高价值流程，再带动底层能力和周边场景建设。
" 小微、普惠信贷业务存在四大行业痛点：人工审批效率偏低，不同行业、地域风险特征差异显著，企业信息不对称突出，还存在贷款黑中介乱象。" 阿里云智能集团新金融行业解决方案副总经理宁江彬表示，Agentic 时代信贷业务智能化跃迁，遵循 L1 感知执行、L2 验证推理、L3 受约束的自主智能三级跃迁框架，推动 AI 迈向可验证、可审计、可回滚的自主决策。
在消费金融领域，蚂蚁消金副总经理兼首席风险官林嘉南分享了 " 精准普惠 " 的实践：升级场景风控，支持识别日常消费、大件消费、旅游、兴趣、进修等 230 多个关键场景消费需求，并提供专项额度。2026 年，场景化精准提额同比增长 30%，相关用户不良率比整体用户平均水平低 20%。其首创的交互式风控产品花呗 " 小红花 "，已支持用户提交职业技能、学历奖项、工作证明等 1000 多种材料申请提额。未来还将进一步引入对话式交互，接纳用户更多维度地表达资金需求和资质能力，AI 自动提取、校验关键信息并作出实时决策。
能力迭代与风险制衡：筑牢金融 AI 合规底线
从仅能依托有限材料完成核验，到千余种材料一键认证，再到未来布局对话式交互，越来越多真实可信的用户信息被纳入风控决策，让普惠服务真正兼顾覆盖面与匹配度。
AI 化解痛点的基础在于风控能力的质变。蒋昌俊指出，知识图谱、图神经网络与大模型的融合，使识别对象从单一账户扩展到账户、设备、IP（互联网协议）地址及其关联关系，推动风险管理由 " 事后拦截 " 转向 " 事前穿透预测 "。AI 的价值，也由提供判断依据，延伸到帮助机构更早看见风险。
AI 越是深入业务，传统金融 IT（信息技术）架构的瓶颈就越突出。蒋昌俊直言，过去十年金融机构多采用 " 一景一模 " 的定制化开发模式，风控、营销、客服各建一套系统，底层算力与算法互不相通，形成大量数据与技术孤岛。在他看来，"AI 基座并非算力与服务器的简单堆叠，而是连接数据与业务的基础设施 "，并将成为金融机构参与战略制定的 " 第二大脑 "。
大模型在释放生产力的同时，也带来前所未有的新型风险。蒋昌俊警示，金融机构面临三类系统性风险：一是事实幻觉，生成式 AI 极易捏造不存在的财务数据、凭空创造监管法条，或引用已过时的产品信息。在合规要求极高的金融场景中，一次事实错误可能导致巨额罚单；二是算法黑盒与歧视，决策过程难以解释，AI 可能放大既有风险；三是数据投毒与隐私泄露，直接威胁机构与用户利益。他强调，安全、合规是金融 AI 落地的生命线，所有 AI 业务必须坚守安全底线。
钱塘征信首席技术官朱乐强调，随着智能提升，AI 会拥有越来越多的 " 探索权 "" 建议权 " 和有边界的 " 执行权 "，但最终决策权目前还不能交给 AI。郑波也表示，授信审批、资金交易等高风险事项，AI 可提供分析与建议，关键决策仍应由人负责。
与会嘉宾认为，让更多人有能力管理信用、有机会凭借信用获得服务，AI 的应用进展才能转化为信用经济更广泛的社会价值。钱塘征信总经理李臻介绍，75% 的用户在发现信用风险后愿主动修复，月复访率达 60%，其中小微经营者占复访群体的 25%。信用服务的价值，正从支持机构判断风险，延伸到帮助用户维护自身信用，未来有望从信贷延伸至民生服务、行业资质管理等领域。
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
