《AI产业全景图谱》新书节选｜AI+金融：智能投研、风控与服务闭环

T-4o输入2.5美元/百万token，输出10美元/百万token）。这种“低成本、高性能”的特性，结合其本地化部署、适配国产GPU和开源生态，使得金融机构无须进行重资本的底层模型研发投入，大幅降低了试错成本和二次开发难度，促进数字化转型的技术基础更加“对创新友好”，让更多机构有能力启动或加快推动数字化项目。三、AI在金融领域的应用场景移动互联网时代，通过抢占支付入口与线上流量入口，零售端金融业务实现了普惠化和便捷性，为银行的信贷风控、保险的资产定价等领域带来了大幅提升。AI时

代，同样会带来类似的进步和迭代，并推动金融机构数字化转型。以大模型为代表的AI技术在金融领域有巨大的商业化机会，目前已在非核心决策业务环节实现落地应用，且能创造一定的业务价值。金融行业具备数据密集、人力密集、内容密集的特征，这为DeepSeek带来了广阔的应用空间。在数据层面，金融机构积累了海量结构化历史数据与专业知识资产，包括实时交易数据流、覆盖全市场的投研报告、上市公司财务公告、客户行为数据以及监管政策文件等多元异构的信息资源，为AI提供了丰富的训练基础与应用场景。在人力层面

，金融行业高度依赖人力投入，据统计，金融机构人力成本占总成本的比重普遍在30%~50%，显著高于全行业平均水平，为AI驱动的流程自动化创造了需求。而在工作类型方面，金融行业与内容创作或语言相关的工作占比较高，大模型可以在更大程度上实现自动化赋能。根据埃森哲的一份报告估计，美国银行业和保险业分别有54%和48%的工作更有可能被大模型自动化，其中分别有12%和14%的工作更有可能被大模型促进。应用现状层面，当前以大模型为代表的AI技术在金融行业主要应用于业务场景简单的非决策类环节，正

逐步赋能金融业务各细分场景。根据2024年英伟达的调研数据，在中国，32%的受访金融机构已经开始使用生成式AI，29%的受访者已经开始使用大语言模型，主要将这两者用于提升客户体验或增加互动（42%）、合成数据生成（42%）、报告生成（37%）及市场营销（37%）等环节。业务场景层面，在通用的内部办公应用场景之外，AI在支付、信贷、投顾、投研、保险等诸多细分场景已存在落地应用，如在支付领域被用于提升支付机构的风险识别及反欺诈能力等；在信贷领域被用于营销获客、客户运营、贷后催收、信息

市场环境中占据优势地位。AI能够整合和梳理企业内外部各类数据，打破数据孤岛，为企业决策提供坚实的数据基础。同时，AI助力打破传统协同壁垒，以项目或业务线为导向，构建矩阵式组织架构。（二）保险领域在保险业新“国十条”的指引下，保险行业要切实转变发展方式，从追求速度和规模向以价值和效益为中心转变，加快数字化转型。同时，坚持内涵式发展、特色化经营和精细化管理，以此推动实现降本增效。保险公司负债端面临的痛点及AI在相关场景的应用价值包括三个方面。其一，报行合一政策的实施助力保险公司改善盈

本文作者：新浪财经