AI+金融技术与投入趋势 [page::0]

• 2023年金融机构科技投入达3558.2亿元，国有六大行科技投入同比增长5.4%至1228.2亿元，证券业信息技术投入也显著增加。

- 金融业数据密度大、流程标准化强，天然适合AI赋能，助力风控和营销等主要应用场景。

金融IT服务商与大模型应用案例综述 [page::2][page::3][page::4]

| 公司名称 | 应用方向 | 合作大模型厂商 | 核心升级案例 |
|--------------|------------------------|------------------------|----------------------------------|
| 宇信科技 | 智能信贷助手、数据资产 | DeepSeek、文心一言、通义千 | 全生命周期信贷助手升级，提升报告生成效率 |
| 新致软件 | 智能销售、智能调度 | DeepSeek、腾讯云、百度智能云 | AI可穿戴设备及全栈国产化AI方案 |
| 恒生电子 | 智能客服、研发任务 | DeepSeek、华为晟腾 | 金融数据调取效率提升15% |
| 奇富科技 | 客户对话、精准营销、催收 | DeepSeek-R1 | AI伴侣"小奇"0人工服务，实现全链路智能工作 |
| 信也科技 | 营销、风险控制、客服支持 | DeepSeek-R1 | 欺诈识别准确率98.8%，用户转化率提升8.9% |

• 多家公司基于DeepSeek大模型升级风控、信贷、投研、智能客服等系统，推动业务效率和智能化提升。

AI模型在金融核心业务赋能及探索 [page::0][page::2][page::3]

• DeepSeek等AI工具已广泛应用于非核心业务环节如智能客服和运营支持，核心决策和风险控制领域正在加速探索与落地。

- 金融机构通过大模型提升审批效率、智能投研能力和风控准确性，实现多场景智能化服务升级。

• 金融科技公司利用AI大模型实现营销活动优化、代码审查自动化和智能推荐系统，助力运营效率持续提升。

行业风险与未来展望 [page::1]

• AI应用推广节奏可能低于预期，且行业竞争加剧存在不确定性。

- 技术进步和政策支持为未来AI+金融行业规模化落地奠定基础，产业价值重估机遇明显。

中金研究报告详尽分析

报告标题、作者与主题概览

• 标题：《AI智道（6）： AI+金融有望迎来规模化拐点》

- 作者和发布机构： 于钟海、魏鹳霏等分析师，中金公司，中金研究部，发布日期为2025年3月4日。

• 主题： 该报告聚焦金融行业中AI技术（尤其是以DeepSeek为代表的大模型技术）的应用现状、发展趋势及其带来的产业升级机会，讨论AI与金融行业的深度融合，特别是AI推动金融IT服务商、银行、保险和证券等分支的智能化转型，以期预判该领域的规模化拐点及重要投资机会。

- 核心论点摘要：
- 基于技术成熟度、数据完整性和付费模式的成熟，AI+金融进入了新一轮全面赋能期。
- 金融业IT投入大幅增加，政策与行业环境有力支撑AI场景落地。
- DeepSeek大模型已成为金融领域智能升级的关键推手，覆盖智能信贷、风控、投研、理赔等多端核心业务。
- AI不仅提升非核心运营效率，更在核心决策环节进入加速探索阶段。
- 报告强调AI将带来产业价值的重大重估，投资者应关注相关机遇与潜在风险。
- 报告未直接给出评级和目标价，但整体传达“看好AI+金融的长期发展潜力和技术赋能价值”的积极判断。
[page::0] [page::5]

---

逐章深度解读

1. 引言与行业背景

• 关键论点：

- AI（尤其大语言模型与智能化工具）正在推动金融行业的IT变革，金融科技投资显著增长。
- 2023年金融行业科技投入规模达3558.2亿元，其中六大国有商业银行金融科技投入同比增长5.4%至1228.2亿元，证券业信息技术投入提升至430.3亿元。

• 支撑依据与分析：

- 具体资金投入体现金融机构对数字化转型和智能化建设的高度重视，形成了AI技术应用的硬核资金保障。
- 与此同时，中央金融工作会议提出推动数字金融五大方向，政策层面的导向为AI技术落地提供宏观环境保障。
- 金融行业数据量极大、流程标准化，天然适合AI深入风控、营销等高价值场景应用，形成需求端强劲动力。

• 意义和影响： 这意味着AI应用从试点走向大规模推广的基础条件已经到位，金融机构的技术架构和业务流程正在智能化改造中。[page::0]

2. AI赋能场景与产品升级案例

• 银行领域：

- 以宇信科技、长亮科技、神州信息等银行IT服务商为代表，全面引入DeepSeek大模型，实现智能信贷助手、自动需求分析、智能测试等场景升级。
- 新网银行、四川农商联合银行等银行自研和应用AI，实现信贷材料识别及自动化审批，提升效率与合规性。

• 保险领域：

- 新致软件发布国产化AI一体机，辅助智能核保、理赔及销售，显著降低人工成本。
- 平安集团、万通保险、太平人寿等大型保险集团均积极部署DeepSeek系列，推动智能风险评估、客户服务及营销升级。

• 券商及财富管理领域：

- 恒生电子、顶点软件、简科技、奇富科技等券商IT服务商依托DeepSeek-R1打造智能投研平台、AI会议助手和智能客服，提升数据调用效率和研究深度。

• 供应链金融及大数据服务商：

- 盛业、联易融科等积极探索AI驱动的合同自动审核和流程自动化，提高处理效率和风控能力。

• 推动逻辑：

- 报告强调供给端技术厂商升级产品，结合需求端银行、保险、券商业务特点，形成AI产品和服务的持续迭代。
- DeepSeek大模型因其推理能力强、开源策略和广泛兼容性，成为AI赋能金融的核心技术平台。

• 关键数据点：

- 例如，恒生电子投研平台提升数据调取效率和准确性15%。
- 四川农商银行信贷材料综合识别率85%，报告生成时间缩至小时级。
- 水滴公司通过AI质检方案降低人工成本50%。
- 奇富科技AI生成测试案例占比达到40%，代码生成占30%。
- 江苏银行邮件分类、估值表解析识别成功率超过90%。

• 整体影响： AI从智能辅助向智能重构进化，覆盖场景不断深化，效率和合规性双提升形成行业竞争力核心。

[page::0, page::2, page::3, page::4, page::5]

3. AI在核心决策和风控的探索

• 论点：

- 过去AI应用多集中于非核心环节（如智能客服、信息整理），当前以DeepSeek为代表的大模型已开始参与核心分析决策辅助，尤其在风控、投研领域加速应用。

• 案例描述与趋势：

- 奇富科技推出整合DeepSeek-R1的ChatBI产品，能够拆解复杂数据分析任务，结合多层次指标和实时新闻，实现营销活动的精准优化。
- AI大模型逻辑推理能力提升，有望突破传统辅助，介入核心策略制定和风险评估流程。

• 推断与影响：

- 这代表AI技术能力驱动的金融业务模式创新，未来可能出现新的业务流程和岗位职能重塑。
- 金融机构科技投入的持续增长，为AI模型在更高价值链条上的应用奠定资金与技术基础。
[page::0]

4. 风险因素评估

• 主要风险：

- AI应用开发及落地效果不及预期。技术成熟度、场景适配度和商业化进展均存在不确定性。
- 行业竞争加剧，市场玩家众多，存在技术迭代风险以及市场份额争夺压力。

• 潜在影响：

- AI技术预期落地迟缓可能影响投资回报周期和信心。过度竞争可能压缩盈利空间，降低企业创新积极性。

• 缓解策略与说明：

- 报告未详细披露风险应对方案，但通过多厂商、多场景合作模式、多元业务落地降低单点失败风险。
[page::1]

---

图表与数据表格深度解读

图表：AI+金融领域主要公司合作及产品升级进展（页2至页5多张表）

• 图表内容描述：

- 表格分类展示了银行IT服务商、保险及券商IT服务商、供应链金融科技服务商及金融大数据服务商等多家核心企业在AI方向（如智能信贷、智能核保、智能投研等）相关的大模型合作厂商情况（DeepSeek、文心一言、通义千问等），及具体AI赋能解决方案实例。

• 数据与趋势解读：

- 发现DeepSeek及其系列模型在整个金融生态链广泛部署且持续迭代，成为行业内标杆性AI技术平台。
- 银行业重在提高信贷流程智能化，如信贷材料识别率达85%，审批效率大幅提升。
- 保险领域通过智能核保、自动理赔和质检等实现大幅降本增效，人工成本下降达50%。
- 券商和财富管理依托AI平台提升投研效率，数据调取效率提升15%，智能客服实现精准营销。
- 供应链金融和大数据分析借助AI完成合同自动审核、交易流水解析等流程智能化，效率提升数倍。

• 与文本连接：

- 表格充分支持了报告中“AI带动智能化重构”、“技术+场景+数据”的赋能逻辑论证。
- 每一项技术推进案例均体现了AI技术的具体应用进展和产业影响力，显示行业资金投入与政策支持的良性互动。

• 潜在局限性：

- 源数据主要来自企业官方公众号和官网，存在一定宣传性，需谨慎对待实际效果数据。
- 由于AI技术持续演进，表内案例或随时间具有一定时效性。

• 图片示范引用：

-
[page::2, page::3, page::4, page::5]

---

估值分析

• 报告特点：

- 报告并未直接提供具体估值模型或目标价格，体现其更偏重于宏观趋势分析和行业机会洞察。
- 关注技术成熟度、行业投入及应用扩散速率，暗示估值驱动力将来自行业的存量科技投入和增量业务增长。

• 估值逻辑推断：

- 未来估值将考量AI技术在提升效率、降低风险及创新业务带来的盈利能力变化。
- 相关企业可能通过提升研发和运营效率，降低人力成本，从而改善利润率。
- 整体估值溢价可来自于AI+金融的持续供需叠加带来的产业升级红利。
[page::0]

---

批判性视角与分析细节

• 积极性与偏颇：

- 报告整体对AI+金融表现出较强乐观态度，强调技术升级与行业赋能的双循环，可能低估了开发难度和业务复杂性的挑战。
- 依赖企业自报数据和案例，缺乏第三方验证的独立业绩评估或用户反馈，存在标杆示范选择偏好风险。

• 风险警示略显简略：

- 风险章节简短，未详细展开“行业竞争加剧”可能导致的市场格局变化、技术封闭性及监管压力对AI应用的制约。
- 项目落地不及预期风险未结合具体阶段和技术难点进行深度分析，缺乏对时间线和技术迭代可能受阻的描述。

• 内部细节：

- 多次引用DeepSeek大模型作为独家合作核心技术平台，显示中金可能重点关注该技术的产业价值，对其他竞品关注度有限。
- 报告强调“智能化重构”跃迁，但没有细化智能化带来的组织架构或人力资源调整风险。
[page::0, page::1, page::2]

---

结论性综合

本报告通过全面梳理金融领域AI赋能的技术进展、企业实践、资金投入和政策环境，系统展示了AI+金融产业迈向规模化应用的确定性迹象。

• 核心发现包括：

- 技术层面，DeepSeek大模型及其衍生产品已广泛赋能银行信贷、保险核保、证券投研等关键业务环节，实现效率和质量的双重提升。
- 资金投入方面，金融机构对科技的投入继续上升，国有大型银行和券商、保险公司纷纷加码，构筑AI技术落地的坚实资金基础。
- 供需两端的推动：客户需求对高性能、低成本智能产品的渴求与IT厂商持续升级产品形成良性循环。
- 企业案例丰富，具体数据如信贷识别率85%、数据调取效率提升15%、人工成本降低50%等数字，凸显AI带来的实际业务价值提升。
- AI大模型的推理能力进步促进AI从辅助性运营向核心决策环节的深入渗透，标志着从工具赋能向智能重构跨越。
- 风险方面需关注AI应用开发进度和市场竞争，潜在挑战不容忽视。

• 整体判断：

- 本报告传递出AI赋能金融已进入新周期、迎来规模化拐点的信号，建议投资者关注行业技术进步及相关企业的产品与服务能力。

• 图表数据加持：

- 详实的企业合作和案例数据清晰支持了核心论点，是理解AI在金融行业深入落地的有力证据。

• 总结：

- 中金公司团队基于对技术、资金、政策及市场的多维研判，展望AI+金融行业将持续加速智能化升级，释放新一轮产业价值，报告具有较强的行业前瞻性和实践指导意义。
[page::0, page::2, page::3, page::4, page::5]

---

注：以上内容均基于中金发布的《AI智道（6）： AI+金融有望迎来规模化拐点》全文内容及附表数据进行系统解读，文中页码标识用于严格文本溯源。

报告