2025年国有六大行在金融科技领域的投入合计超过1300亿元，相当大比例流向了AI领域——这折射了银行业的整体趋势。

巨额投入背后，更深刻的是战略的转变：

比如，工商银行将实施了四年的“数字工行”（D-ICBC）战略全面升级为“数智工行”（AI-ICBC），其核心“工银智涌”大模型已在超过30个业务领域落地500余个应用场景。

又如，招商银行提出“AI First”战略；北京银行则以“All in AI”为指引重构技术体系。

“数智化”全面取代“数字化”写入银行战略报告，市场普遍将AI应用视作银行数字化转型的“进阶版”。

但事实上，数字化和智能化是人类历史上不同的技术革命范畴。从更为领先的银行实践来看，真正拥抱AI，并非是在现有银行框架下的AI嫁接。“愉见财经”的观察认为，AI应用不是一种特定工具对既有流程和场景嵌入，而是银行主体能力的跃升，以及由此带来的体系、流程的重构、以及运行逻辑的升级。

银行“数字化”与“数智化”具有不同的使命、任务与挑战，这也决定了其战略和策略上具有不同的逻辑与路径。

从连接交互到主体重塑：

两场战役的本质差异

原本的“数字化”，主要工作在于业务和渠道从线下到线上的迁移，系统的整合以及通过数字化对外部的广泛连接。

从网上银行、手机银行等电子渠道的发展，到中后台数据集中与运营集约，银行“数字化”的核心任务是降低时空对业务的约束、降低成本、提高效率。

所以在“数字化”的上半场，最高形态是平台生态——聚合流量、连接生态、构建入口。

而在“数智化”的下半场，AI的崛起却正在改写这套逻辑。当大模型具备越来越强的语义理解与自主决策能力，银行App作为连接入口的竞争价值似乎并未因此被加强，反而可能有所削弱。

因为用户不需要在多个应用、多个界面之间反复跳转了。比如，一个智能助手即可完成账户查询、投资建议、信贷申请等全流程操作。

综上，“数字化”为银行与客户之间、或银行内部不同节点或不同主体之间提供了泛在的、超越时空限制的、互动的载体、渠道以及平台；而“数智化”改变的并非是银行工作的载体与环境，而是主体和节点本身。

在智能化背景下，原有的人工重复性作业或被替代，或形成新的人与人工智能相互融合的主体形式。

数字化的“原生性挑战”

与AI应用的“内生性任务”

在“数字化”的上半场，银行业转型的挑战或许来自，渐进式线上迁移造成的线下逻辑与线上逻辑冲突、系统叠加与数据孤岛，构成了所谓的“数字原生问题”。不少银行的“数字化”成果是功能堆叠的产物——核心系统外部再加装一层移动端界面，底层逻辑难言“互联网化”。

正如《数字原生银行》作者刘兴赛所言，银行数字化时代，银行最大的挑战就是如何消除自身行为与互联网的天然隔阂，用互联网思维和逻辑去思考和行动。

而到了下半场，“智能化”时代的银行挑战则完全不同，它来自于建构AI应用的内生性——它关乎大模型本身固有的技术风险，以及银行如何将其内化为自身能力的系统工程。

其一，是模型幻觉、数据投毒、算法“黑箱”等问题，使AI在强监管的银行业落地尤为棘手。在推进大模型落地过程中，相比其他领域，金融行业对数据质量、推理准确性及管控、合规、安全层面的要求都更高。银行必须在模型训练的可解释性、数据隐私保护、监管合规之间寻求平衡。

其二，是模型的“本地化”与“专业化”问题。通用大模型无法直接应用于金融核心场景，各家银行必须构建自己的大模型治理体系。正如工行行长刘珺所言：“将先进技术融入运营流程，必须以系统验证为前置条件”。

其三，是银行金融属性，决定了智能化发展必然是机器与人的有机融合。而不是单向的对人的替代，它决定了银行智能化时代的银行形态和运营体系。

以工行的实践为例观察。2026年，工行将原有的“数字工行”（D-ICBC）战略全面升级为“数智工行”（AI-ICBC），明确提出要打造AI原生的金融生产力范式：

- 打造全栈自研的"工银智涌"的大模型技术体系；

- 在同业中率先建成以国产算力为主的千卡规模算力集群，实现算力资源的弹性供给与精细化管理；

- 构建了多层次、多模态的模型矩阵，集成了十余款主流大模型，并在海量金融数据上进行了二次训练；

- 建设万亿级Token金融数据集和“1+4+X”人工智能知识工程体系，为模型训练和应用提供优质数据资产；

- 构建覆盖模型、数据、内容等全链路的AI安全防控体系，并首创全栈安全检测平台，确保应用安全合规。

在强大的技术底座支持下，工行已在超过30个业务领域落地了500多个AI应用场景。

从渐进拓展到全面赋能：

两条路径的分野

路径上的差异同样显著。

• 早期的“数字化”表现为网络的连接、电子计算机的应用，电算化、ATM机、银行卡、通存通兑是其关键性进展；
• 中期“数字化”则表现为渠道的电子化发展，电子银行、手机银行是主要标志；
• 后期“数字化”则为银行服务的平台化、场景化以及生态化。

“数字化”转型以场景驱动为典型特征——“发现痛点、设计方案、上线产品”，像一个产品公司那样迭代。

银行投入大量资源打造直销银行、线上理财、消费信贷等场景化产品，追求的是触点的增量和用户体验的改善。与之相适应，随着系统的堆叠、线上服务主导地位的逐步确立，整合系统、建立线上逻辑主导的银行体系，即追求银行“数字化”的原生性就成为银行“数字化”的终极目标。

相对于“数字化”从局部到全局、从线下主导到线上主导的渐进发展路径，“数智化”或者说智能化主要基于三个阶段：

• 一是从外部大模型发展到银行智能化内生能力的建构；
• 二是基于智能化内生能力，重构决策与运营的主体；
• 三是基于人与人工智能相互融合的新主体，重构银行的流程与体系，也包括重构银行与客户的连接方式。

不难看出，智能化的路径更多基于自上而下的推广方式，具有鲜明的全面赋能特征。

结语

“数字化”转型积累的海量数据和科技人才储备，为银行拥抱AI提供了重要支撑。“愉见财经”统计发现，2025年末，六大行科技人才总数突破13.58万人，这些人才的工程化能力、数据思维与项目管理经验，是AI落地不可或缺的基础。

当前银行业拥抱AI，并不简单停留在现有“数字化”架构中嵌入模型应用，而是藉由AI的内生化，重构银行的流程与体系，其中就包括“数字化”框架本身。

以电子计算机和互联网为基础的数字化和以人工智能大模型为标志的智能化是人类历史上不同的科技革命。同样，银行业正在经历的，也并非是“数字化”的“又一个篇章”，而是一个重新书写底层代码的新时代。