“行業對科技浪潮的態度已從‘是否擁抱’的選擇題轉變為‘如何擁抱’的必答題。AI的價值，最終要體現在業務成效上。”2025年上半年，成功扭轉去年增收不增利的一家民營銀行人士表示，將AI技術嵌入核心業務場景，真正實現效能提升是民營銀行擺脫傳統業務模式、實現高效獲客的關鍵。
然而，AI技術的落地尚存阻礙，安全、成本以及效益是銀行的主要顧慮。
“近幾年銀行普遍面臨IT預算緊縮的困境，而完整的智能化系統建設成本多在數千萬元級別。”某中小銀行科技部負責人表示，盡管免費的AI模型可降低銀行初始部署成本，但后續的算力資源投入、模型持續訓練、團隊人才建設等對部分民營銀行來說也是不小的成本開支。
頭尾階梯分化態勢顯著
多家民營銀行2025年上半年業績指標隨著其股東財報浮出水面。具體來看，浙江網商銀行、江蘇蘇商銀行、四川新網銀行為“千億俱樂部”成員。截至6月末，這三家銀行的資產規模分別為4835.55億元、1436.08億元、1056.96億元。福建華通銀行、梅州客商銀行、溫州民商銀行的資產規模分別為375.66億元、430.95億元、511.95億元。
經營業績方面，浙江網商銀行、四川新網銀行、江蘇蘇商銀行排名居前。上半年，這三家銀行分別實現營業收入100.05億元、34.12億元、29.36億元；分別實現凈利潤20.47億元、4.86億元、4.19億元。
而其他民營銀行營業收入多在15億元以下，凈利潤多在4億元以下。例如，北京中關村銀行上半年實現營業收入10.31億元、凈利潤1.23億元；福建華通銀行上半年實現營業收入4.49億元、凈利潤1.29億元。
值得注意的是，資產規模為517.44億元的湖南三湘銀行上半年實現營業收入6.51億元、凈利潤-2.41億元。對比去年同期，該行資產規模、營業收入、凈利潤均有所下滑，其中凈利潤同比下降超400%。
對此，該行股東湖南漢森制藥在其2025年半年報主要控股參股公司情況說明中表示，湖南三湘銀行利潤較去年同期大幅下降，主要原因是小微企業經營難度加大，作為主要服務普惠小微企業客戶的金融機構，信用風險上升。
此外，需要說明的是，作為行業龍頭，微眾銀行尚未披露2025年上半年業績。根據微眾銀行2024年年報，截至2024年末，微眾銀行資產規模6517.76億元。2024年，微眾銀行實現營業收入381.28億元、凈利潤109.03億元。
資源稟賦與科技能力是關鍵變量
“民營銀行業績分化顯著的核心原因是在資源稟賦、生態支撐和科技能力等方面差距明顯。”上海金融與發展實驗室主任曾剛表示，例如網商銀行背靠阿里巴巴生態，能夠高效獲取海量的小微企業客戶和個人客戶，同時能夠深度利用阿里巴巴平臺的大數據等資源，形成數字驅動的業務發展模式，從而實現業績增長。
曾剛表示，許多中尾部民營銀行自有客戶基數有限，主要依賴傳統存貸款業務，抗風險和盈利能力薄弱。此外，頭部民營銀行在金融科技、合規能力等方面投入較大，能夠持續優化成本結構、快速響應市場變化，而不少中尾部民營銀行在IT、人才、風控等方面存在明顯短板，經營步伐落后，導致分化愈演愈烈。
事實上，民營銀行聚焦發展零售信貸，主要為小微企業、個人消費等提供信貸支持，客戶下沉特點明顯。隨著其他銀行業務下沉，民營銀行面臨的同業競爭加劇，差異化競爭優勢弱化。對于部分民營銀行來說，業務結構相對單一，科技實力不足，導致其業務觸角延伸受限，整體存貸款業務拓展均面臨壓力。
因而，常有民營銀行以高息攬儲來吸引客戶，但長期維持過高、不合理的存款利率勢必會增加銀行自身經營成本，對經營利潤形成擠壓。業內人士普遍認為，民營銀行應在運營管理中更多依賴金融科技，此舉不僅有利于覆蓋更多的客戶群體，還能降低成本支出。
在人工智能技術飛速發展的當下，AI無疑成為民營銀行破局的關鍵。
“我們的目標是人人AI，處處AI。讓每位員工都能便捷使用AI工具，覆蓋全行各條線。”2025年上半年營業收入、凈利潤同比實現兩位數增長的新網銀行信息科技總監毛航直言，該行正在實現從數字化到數智化的轉型。2024年新網銀行以試點形式落地了首個智能體應用，探索解決了十余個業務痛點，這些嘗試為后續規模化應用積累了經驗。
破解AI落地難題成轉型“勝負手”
“從2023年小范圍測試大模型到2025年規模化應用相關技術，我們能夠明顯感受到技術創新的周期越來越短，但真正將AI技術嵌入核心業務、實現AI技術落地在現階段仍是難題。”一家民營銀行科技部負責人表示，主要原因有三：一是安全問題，出于安全考慮，各家銀行一般會采取大模型技術的本地化部署，對于銀行算力等科技能力提出了更高的要求。二是成本問題，近幾年銀行普遍面臨著IT預算緊縮的困難，小銀行IT預算整體規模小，與大銀行每年數十億元，甚至百億元的科技投入形成鮮明對比。三是效益問題，業內鮮少有大模型技術嵌入核心業務場景當中，并帶來實際效益的案例。
在中國郵政儲蓄銀行研究員婁飛鵬看來，AI技術在落地過程中面臨多重挑戰，如數據治理難，小銀行普遍存在數據規模有限、質量不高、治理基礎薄弱的問題。通用AI工具對金融行業的理解不夠深入，難以契合中小銀行的審批和數據流程。
幻覺問題也是一大困擾。AI大模型在金融場景中可能出現幻覺問題，導致決策失誤。因此，需要在關鍵環節引入人工干預，確保大模型運行的可靠性。在此過程中，人工復核等環節對銀行而言又是一筆支出。
此外，投入與產出不匹配也是重要問題。“AI項目的投入周期較長，見效慢，部分銀行在短期內難以看到明顯收益。此外，如果AI應用未能與業務緊密結合，可能會導致資源浪費。”婁飛鵬表示，中小銀行在科技投入方面需要采取更加務實和精細化的策略，以確保投入與效益的平衡。
具體而言，應聚焦高價值場景，優先選擇能解決具體痛點、快速見效的業務場景進行AI應用；輕量化部署，例如采用大模型訓練后形成的小模型與客戶進行交互；加強數據治理，建立或完善數據治理委員會，統一數據標準和口徑；推動生態合作，借助開源生態的力量，與其他機構合作開發AI應用；持續優化與迭代，在實際應用過程中不斷優化模型和服務。
來源： 中國證券報
掃一掃分享本頁
