NEWS · 行业观察

53.5% 的银行用上了大模型,只有 1% 算得清账:金融 AI 新规的四条硬约束

· 瀚钦(丹东)智能科技有限公司

53.5% 的银行用上了大模型,只有 1% 算得清账:金融 AI 新规的四条硬约束

先看两个数字。

一个是 53.5%——据沙丘智库《2026 银行业 AI 应用白皮书》,2026 年已有超过半数(53.5%)的银行落地采用大模型,比 2025 年的 39.0% 提升了 14.5 个百分点;明确表示暂无采用计划的银行只剩 2.4%。智能体的采纳率也从 25.0% 升到 32.3%,超过九成银行已进入采用或规划阶段。

另一个是 约 1%——据公开分析,全球银行业已公开的 AI 用例中,只有约 1% 披露了具体的财务回报。

用的人过半,算得清账的不到百分之一。 中间那一段差距,就是治理。

2026 年 6 月 18 日,国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》,从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督七个方面,提出了 32 项指导性意见。这份文件管的是银行和保险机构,但它回答的问题,每一家把智能体接进业务流程的企业都会遇到:AI 替你做了决定,出了事谁负责?

一、「大模型为底座、智能体为载体」是什么意思

《2026 中国银行业排行榜 200 强研究报告》给这个阶段下了个定义:以大模型为底座、以智能体为载体,推动银行业从「人操作工具」向「人机协同决策」跃迁。

两句话,说的是两件事。

底座换了。 过去银行做 AI,是一个场景一个模型,风控一套、营销一套、客服一套;现在是大模型做底座,各场景在上面长应用。招行上半年日均 Token 吞吐量同比增长超过 78%,领域模型数量较去年末增长 40%;邮储日均输入输出词元超过 300 亿;兴业上线主流大模型 21 个,日均调用量超 210 万笔。这些数字不是算力炫技,是底座在承载业务的证据。

载体变了。 智能体把大模型的能力接到了具体的动作上。平安银行的 140 个运营审核类智能体覆盖了 55 个业务场景,南京银行累计建成 156 个 AI 智能体,中信银行 AI 落地场景超过 1900 个。入口也从网点、手机银行 App,延伸到 AI 手机、智能车载、智能家居——服务模式从「人找服务」变成「服务找人」。

这里有个容易被跳过、但很关键的转折:治理对象变了。

一个只会写文案的模型,出错是错字;一个能自主调用风控引擎、交易接口、完成端到端操作的智能体,出错是划错账。前者的问题在「输出」,后者的问题在「行为」。

二、32 条里,四条最硬

文件很长,但对企业真正构成约束的,是这四条。

第一条:谁使用谁负责。

《指导意见》明确,金融机构开发应用人工智能应坚持「谁使用谁负责、自主可控、务实高效、安全发展」的原则。

「谁使用谁负责」这六个字,把一条退路堵死了——不能再说「这是供应商的模型,出事找厂商」。你用了,你负责。对外采购可以分担技术风险,分担不了主体责任。

第二条:分类分级,高风险必须留人工闸门。

文件要求把 AI 风险纳入全面风险管理体系,实施风险分类分级管理和高风险应用准入管理;在高风险应用的关键环节,要建立人工监督和干预机制。

翻译成操作语言:给场景分档。智能客服、文档整理、内部培训这类低风险场景,可以简化流程;信贷终审、大额资金划转、投资建议生成这类高风险场景,AI 只能出建议,签字的人必须是人。

这也是整份文件里最不该被简化的一条。熔断机制不是不信任 AI,是不让一次模型失误变成一串连续错误。

第三条:全生命周期管理,开发和测评都要留痕。

文件要求建立健全人工智能全生命周期管理体系,完善开发与测评体系,实现模型开发部署全流程管理,「稳妥探索人工智能技术研发和金融智能体建设」。

「稳妥探索」四个字很有分寸——不是不许做智能体,而是要先有测评体系再上。模型换了版本、提示词改了、接了新接口,都应当重新测过。这一条和我们在智能体进网新规里看到的要求,是同一个逻辑。

第四条:特定场景要报告。

文件明确:金融机构面向公众服务或高风险场景应用、使用生成式人工智能技术的,应向金融监管总局或其派出机构报告。

这是从「倡导」到「义务」的分水岭。以前是「建议你注意风险」,现在是「做了要报」。

此外还有两条值得单独提:数据侧要求「针对业务场景持续推进高质量数据集和知识工程建设」;算力侧要求「按需布局建设自主可控、安全高效的智能算力底座」,并鼓励有条件的大型金融机构向中小金融机构输出算力服务、支持同业探索基础设施共建共享。

三、中小机构的三个难题,企业也有

同一批分析把中小金融机构的困境讲得很直白,这三条几乎可以原样搬到中小企业身上:

一是外包带来的「黑箱」依赖。 算法可解释性不足,客户一问、审计一查就答不上来。你买的是工具,交出去的却是对过程的理解。

二是数据治理基础薄弱。 模型和本地客群、本地业务对不上,效果自然打折。通用模型在通用语料上表现好,在你的工艺文件、你的客户档案上未必。

三是合规成本与人才缺口。 想搭一套对等的防御体系,缺人、缺钱、缺方法。

对策其实文件里已经写了:本地化部署解决第一条(数据不出门、过程可查),知识工程解决第二条(把自己的语料整理成数据集),培训和陪跑解决第三条。这三件事没有一件能靠买一个账号完成。

四、落到企业,四个自查问题

不必等监管找上门。四个问题,一次内部会能问完:

1. 分级:把所有 AI 场景按「错了会怎样」排一遍。哪些错了只是难看,哪些错了要赔钱、要担责?后者一律进「高风险」。

2. 闸门:高风险环节有没有人工签字?是「有人看一眼」,还是「必须有明确的审批记录」?

3. 留痕:模型版本、提示词、调用的数据源、输出结果,能不能还原到某一天某一次?

4. 报备:对外提供服务的 AI,内部有没有报备流程?谁批准上线,谁知道它现在是什么版本?

四个问题里,第二和第三最容易被跳过,也最要命。因为出事的时候,能救你的不是模型多聪明,是那份记录。

写在最后

53.5% 这个数字,标志着银行业已经跨过「要不要用」的阶段。接下来的问题不是渗透率,是可信度。

32 条指导意见,说到底是在回答一个问题:当机器开始替人做决定,责任怎么落回人身上。答案也不复杂——分类分级、人工闸门、全流程留痕、特定场景报备。四件事,每一件都不新,难的是真做。

如果你的机构正在上智能体,却说不清哪些场景算高风险、出了事怎么还原,欢迎预约瀚钦的免费 AI 业务诊断。30 分钟,我们按这四条把你的场景过一遍。

常见问题

这份文件的名称、发布单位和时间是什么?

《关于银行业保险业人工智能安全开发应用的指导意见》,由国家金融监督管理总局于 2026 年 6 月 18 日发布,从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督七个方面提出 32 项指导性意见。

文件提出了哪些核心原则?

「谁使用谁负责、自主可控、务实高效、安全发展」四项原则。其中「谁使用谁负责」明确金融机构不能以技术外包为由转移主体责任。

53.5% 这个数据出自哪里?

出自沙丘智库《2026 银行业 AI 应用白皮书》:2026 年已有 53.5% 的银行落地采用大模型,较 2025 年的 39.0% 提升 14.5 个百分点;正在采用智能体的银行占比从 25.0% 升至 32.3%,超过九成银行处于采用或规划阶段。

非金融机构需要遵守这份文件吗?

不需要。文件适用对象是开发应用人工智能的银行业保险业金融机构。但其「分类分级管理、高风险留人工监督、全生命周期留痕、特定场景报告」的治理框架,对企业自建智能体具有直接借鉴价值。

← 返回新闻动态 | 深度内容见 行业洞察专栏