中国国际服务贸易交易会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与应用”。奇富数科总裁周旭强出席并发言。
以下为发言实录：
大家好我是来自奇富数科的周旭强，今年工作刚好20年，在银行，科技公司，甲乙方都工作过。奇富数科是定位为一家为银行做数智化技术服务的服务商，是奇富科技全资ToB业务子公司，我们也算是国内头部的互金平台之一。
主持人刚才提到了三个话题，我就重点谈谈第二点，因为我也比较感兴趣。第二点聚焦的是当前商业银行在AI落地应用及业务价值转化过程中，实施路径的相关建议。
年初DeepSeek刚出来的时候，我做了一件事，我亲自打 *** 访谈了全国60家银行——覆盖国有四大行、城商行、农信社等类型，深入了解其AI相关需求。结合近半年来的内部实践，我总结提炼出银行落地AI的四大实施步骤，形成了相关路径建议。
之一步，每家银行需先找准AI的切入场景，这一点至关重要。我见过部分银行同时推进几十个场景，覆盖多个部门，可大半年过去，几乎没有一个能成功落地。因此，我并不认同“全面推广”的思路，反而更建议优先选择核心切入点——比如，是聚焦对公还是零售？是侧重资产端还是财富端业务？近期优先发力营销侧、风险审批侧，还是运营侧？先把这些想清楚，找准一个方向后，先把这个场景做透、落地见效，再逐步推进第二个、第三个，这样才更高效。
第二步的关键，是在选定AI切入场景后，精准明确银行的核心需求与具体目标。这里可结合两个服务案例具体说明：其一，我们近期为一家中大型城商行提供AI技术支持时，该行选定的切入场景是“抵押类小微经营贷自动化审查与审批”。当前这类业务在该行仍以人工审批为主，导致分支行市场端与总行审批端的协同矛盾突出——市场端抱怨审批效率低、文件退回频繁且补充要求不统一，审批端则认为市场端提交的材料标准混乱。因此，该行的核心需求是通过“大模型+小模型”结合的方式，解决非标准化信贷资料的审查与审批问题，至少先实现审批建议的智能化输出。其二，此前我走访另一家中型城商行时，该行选定的切入场景是“全行2000名客户经理规模化提效”。客户经理需兼顾贷款、个贷、普惠、理财等多项业务，工作内容繁杂且标准难统一。基于此，该行的需求很明确：通过AI为每位客户经理配置专属智能助手，一方面实现日常工作的规范化与标准化，另一方面以AI效果“托底”——既保障基础服务质量不滑坡（避免客户经理能力差异导致的服务断层），又助力后进客户经理向先进水平看齐。这两个案例均印证了：第二步的核心是“场景定方向，需求定路径”，需先把痛点和目标厘清，才能让AI落地更精准。
第三步，在明确选定的场景、自身需求及业务目标后，核心是寻找合适的合作伙伴。若机构内部缺乏足够的人才团队与相关研发预算，建议优先对接靠谱的科技公司，共同推进软硬件开发 —— 其中软件应用层的落地实施方尤为关键。毕竟 AI 大模型应用自今年初爆发以来，多数企业的技术积累仍有限：即便发展较快的公司，也多仅在一两个领域有较深钻研，难以兼顾过多赛道。以我们公司为例，即便规模尚可，也始终聚焦零售与信贷领域：针对获客环节打造了赋能信贷客户经理提效的“AI 信贷员”，还围绕普惠信贷业务的自动化审批开发了“AI 审批官”，暂未涉足财富管理领域。因此，精准选择适配的合作公司深入交流，是这一步的重点。
第四步，我认为关键在于完成必要的POC测试与合作共建。当前无论是行业大厂还是中小型机构，AI大模型在金融核心应用领域的落地都尚未成熟，仍需结合机构内部的业务样本进行二次训练与调优，因此“共建”的过程不可或缺。完成测试与共建后，再推进生产环境的推广落地。
整体而言，这四步推进的思路相对稳妥，以上是我的个人建议，供参考，谢谢。
在金融领域，尤其是银行业的业务场景中，我的判断是——今年正是大模型在银行业应用的元年。往后推一年，最晚到明年年底，届时各位银行业从业者一定会意识到：AI构建的数字员工体系，将彻底颠覆银行业的运营模式、管理模式，乃至营销获客模式。谢谢。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
