作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
银行业在我国金融体系中占据着重要核心地位，银行业的数字化转型对整个金融业数字化发展、实体经济和数字经济深度融合、金融强国建设等具有重要现实意义。
在十四五期间，国家政策自上而下引导银行业数字化转型，深化数字技术应用，数字中国、数字经济、数字金融一脉相承。数字金融作为“五篇大文章”的底座，为科技金融、绿色金融、普惠金融、养老金融四篇大文章提供数字化基础。
2025年作为“十四五”规划收官之年，多家银行在2025年工作会议中将深化“五篇大文章”作为重点工作任务部署，加强数字金融基础设施建设。
大模型作为银行数字化转型的重要驱动力，已成为数字金融的核心引擎，将深刻改变银行业的经营模式与服务模式。
基于对银行业大模型应用的长期跟踪调研，沙丘智库发布《2025年中国银行业大模型应用跟踪报告》，旨在帮助其他银行洞察技术趋势、识别市场机会、学习成功经验，在报告中我们：
· 全面解读银行业大模型落地进展、分析DeepSeek对银行业产生的影响；
· 从国有银行、股份制银行、城商行中选择了9家银行（中国工商银行、中国邮政储蓄银行、招商银行、中信银行、中国民生银行、华夏银行、北京银行、江苏银行、青岛银行）作为标杆对象，深入研究这些银行的大模型技术体系、建设路径、应用场景、落地方法论等；
· 针对知识库类、智能客服类、数据分析类、代码类以及创新场景类应用，精选了22个银行业大模型典型案例，旨在为其他银行提供经验借鉴。
以下内容节选自：沙丘智库《2025年中国银行业大模型应用跟踪报告》（97页PPT）（可前往“沙丘智库”查阅）
01
银行业大模型应用进展
银行业数字化转型基础良好，且资金、数据、人才等密集度相对较高，具有大模型应用的先天优势。通过对2023年和2024年大模型落地案例的长期跟踪，沙丘智库观察到银行业连续2年均为大模型落地占比最高的行业。
当前银行业对大模型的采纳呈现出积极的发展态势，但不同类型的银行在应用范围和深度上存在差异。
· 国有大行和股份制银行在技术应用上占据领先地位，几乎所有银行都在积极探索大模型，搭建相对完整的大模型能力体系；
· 城商行/农商行以及其他类型银行对大模型的态度从谨慎观望逐渐转向单/多场景试点，其中头部城商行以及头部民营银行的探索进程较快。
02
DeepSeek对银行业大模型的影响
DeepSeek的开源特性推动银行业形成“技术普惠”生态，大型银行通过矩阵化部署巩固优势，中小银行则获得低成本缩小技术差距的机会，整体加速银行业数字化转型进程。根据沙丘智库调研与统计，截止3月15日，至少有21家银行部署应用DeepSeek大模型。
· 从部署方式上看，大部分银行选择本地化部署。虽然DeepSeek降低了大模型使用成本，但数据安全和隐私要求这一核心约束依然存在，基于数据隐私和安全的考虑，银行（尤其是大型银行）仍然会选择自行搭建大模型技术体系，而不是完全使用外部服务。但对银行来说，DeepSeek R1的私有化部署周期明显缩短（从过去方案的6-8周缩短到2-3周），微调数据需求也从百万级样本降低到十万级样本；
· 从部署类型上看，以DeepSeek R1蒸馏版32B和70B居多。32B和70B模型更适合企业级应用，部署成本在几十万。部分头部银行会选择部署满血版671B模型，部署成本一般在200-300万；
· 从应用场景上看，当前银行主要是利用DeepSeek增强原有大模型应用场景的逻辑推理能力。例如邮储银行利用DeepSeek增强企业级问答“小邮助手”的服务能力。DeepSeek R1目前尚未在银行的业务场景中产生颠覆性创新应用，但作为一款低成本的开源推理模型，其技术特性与潜力将重塑银行业AI落地的想象空间。
在规划业务应用场景和优先级时，银行应预期训练和推理成本会持续下降。在过去的6-12个月中，大模型的价格已经呈现下降趋势，DeepSeek的定价策略更是推动了这一变化。尽管成本下降，企业不应仅仅因为价格变化而突然改变方向。除非有明确的业务需求或能够显著改变业务模式，否则避免盲目投入。投资AI应确保与企业的战略目标一致，并能够带来显著的竞争优势。
短期来看，银行可以借助DeepSeek升级原来的大模型应用解决方案，以实现更好的效果。以银行常见的知识问答助手应用为例，可以利用DeepSeek生成追问从而更好地理解用户意图，以及生成更高质量的长文本问答结果。
03
标杆研究——中国邮政储蓄银行（节选）
2024年10月，邮储银行正式发布“邮智”大模型，具有“全面能力构建、全栈自主可控、全域场景赋能”三大特点。全面能力构建是将全部的AI服务以原子化、组件化、范式化等形式支持积木式快速搭建场景应用；全栈自主可控是从底层算力、数据、模型算法，再到顶层应用场景的研发，全部自主可控；全域场景赋能是打造覆盖零售、公司、风险、资管等六大领域的应用范式和场景，赋能产品创新。
在大模型应用落地方面，邮储银行以业务场景为发力点，构建“场景+技术”双重闭环，持续拓展场景覆盖面，打造全域金融生态体，形成“点、线、面、体”四维发力的特色业务赋能方法论，保障AI能力与业务场景持续演进，全面赋能业务高质量发展。
基于“点线面体”方法论，邮储银行提出银行业大模型九大业务闭环场景，以价值创造为导向，以业务场景为驱动，通过提效研发、专业陪伴、做精零售、发力对公、突破资管、提升信贷、协同工作、强化运营、促活消费，构建丰富的金融生态系统，为客户提供更优质的金融服务。
依托 “邮智”大模型，邮储银行本地部署并集成DeepSeek V3模型和轻量DeepSeek R1推理模型。通过引入并应用DeepSeek能力，“邮智”大模型旨在增强复杂多模态、多任务处理、算力节约、效能提升等方面的能力。
* 以上内容节选自沙丘智库《2025年中国银行业大模型应用跟踪报告》
///
完整报告：沙丘智库《2025年中国银行业大模型应用跟踪报告》（97页PPT）（可前往“沙丘智库”查阅）
报告目录
第一部分 银行业大模型应用进展
1.银行业大模型市场概况
1.1 银行业数字化转型政策框架
1.2 2025年银行业重点工作任务部署
1.3 银行业成为大模型应用的先行者
1.4 2025年企业IT预算收紧但大模型投入增加
2.银行业大模型落地现状
2.1 银行业大模型采纳情况
2.2 银行业大模型应用决策路径
2.3 银行业大模型能力建设方式
2.4 银行业大模型应用场景优先级评估
3. DeepSeek对银行业大模型的影响
3.1 大模型发展进入深度推理时代
3.2 国内外厂商发布的推理模型梳理
3.3 DeepSeek系列模型对比
3.4 从DeepSeek R1看推理模型的进化路径
3.5 DeepSeek R1带来的性能突破
3.6 推理模型的提示词思路变化
3.7 银行业DeepSeek部署与应用情况
3.8 银行业DeepSeek大模型建设路径
3.9 银行业DeepSeek大模型应用场景
3.10 大模型技术栈与DeepSeek的结合思路
第二部分 银行业大模型标杆研究
1.国有银行大模型标杆研究
1.1 中国工商银行
1.1.1 工商银行：大模型技术体系布局
1.1.2 工商银行：面向云智融合的智算能力建设
1.1.3 工商银行：大小模型协同的算法矩阵
1.1.4 工商银行：企业级金融知识工程
1.1.5 工商银行：大模型全域安全加固
1.1.6 工商银行：“1+X”金融行业大模型应用范式
1.1.7 工商银行：大模型业务落地方法论
1.1.8 工商银行：DeepSeek部署应用
1.2 中国邮政储蓄银行
1.2.1 邮储银行：“邮智”大模型技术体系布局
1.2.2 邮储银行：大模型算力能力建设
1.2.3 邮储银行：数据能力建设
1.2.4 邮储银行：大小模型协同算法
1.2.5 邮储银行：安全可信能力建设
1.2.6 邮储银行：“点线面体”业务赋能方法论
1.2.7 邮储银行：大模型赋能九大业务闭环场景
1.2.8 邮储银行：DeepSeek大模型部署应用
2.股份制银行大模型标杆研究
2.1 招商银行
2.1.1 招商银行：大模型技术体系布局
2.1.2 招商银行：大模型应用场景创新探索
2.1.3 招商银行：大模型应用安全治理体系
2.2 中信银行
2.2.1 中信银行：仓颉大模型应用平台
2.2.2 中信银行：大模型应用场景
2.3 中国民生银行
2.3.1 民生银行：大模型技术体系建设
2.3.2 民生银行：大模型应用场景建设机制
2.4 华夏银行
2.4.1 华夏银行：大模型建设路径
2.4.2 华夏银行：大模型应用场景与效果
3.城商行大模型标杆研究
3.1 北京银行
3.1.1 北京银行：大小模型协同的AI中台建设
3.1.2 北京银行：全栈国产化大模型应用体系
3.2 江苏银行
3.2.1 江苏银行：“智慧小苏”大模型服务平台
3.2.2 江苏银行：DeepSeek大模型部署应用
3.3 青岛银行
3.3.1 青岛银行：AI大模型行动方案
3.3.2 青岛银行：人才组织能力支撑
第三部分 银行业大模型应用典型案例
1.场景1：知识库类应用
1.1 案例1：邮储银行企业级智能问答“小邮助手”
1.2 案例2：北京银行基于大模型的智能合规助手
1.3 案例3：杭州银行制度知识库检索平台
1.4 案例4：宁夏银行基于大模型的智能金融知识库
2.场景2：智能客服类应用
2.1 案例5：中国工商银行坐席智能辅助系统实践
2.2 案例6：光大银行智能知识辅助助手全流程赋能坐席
2.3 案例7：邮储银行手机银行智能助理
2.4 案例8：交通银行云上交行智能客服大模型
3.场景3：数据分析类应用
3.1 案例9：中原银行智能指标和分析平台建设项目
3.2 案例10：工商银行对话式数据分析
3.3 案例11：邮储银行基于大模型的数据智能化服务
3.4 案例12：广发银行基于大模型的智能数据分析助手
4.场景4：代码类应用
4.1 案例13：中国工商银行智能编码助手
4.2 案例14：平安银行AI代码辅助平台CoPArtner
4.3 案例15：微众银行Multi-Agents研发流程提效实践
4.4 案例16：邮储银行研发测试大模型
4.5 案例17：交通银行智能化代码开发助手
5.场景5：创新场景探索
5.1 案例18：工商银行ChatDealing对话交易助手
5.2 案例19：平安银行审计大模型“慧小喵”
5.3 案例20：兴业银行大模型赋能反洗钱报告生成
5.4 案例21：招商银行智能投研助手
5.5 案例22：工商银行个人金融营销助手
▎更多研究（可前往“沙丘智库”查阅）
银行业DeepSeek大模型应用跟踪报告
2025年中国保险业大模型应用跟踪报告
国资央企DeepSeek大模型应用跟踪报告
2024中国大模型技术采纳现状调研报告
2024中国银行业大模型应用场景评估报告
2024年中国银行业大模型案例跟踪报告
2024年AI Agent最佳实践报告
2024年“大模型+RAG”最佳实践报告
...
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
