在“十四五”规划圆满收官、“十五五”蓝图徐徐展开之际，金融业数智化发展正处于国家战略与行业实践深度融合的新起点，迈入以人工智能、数据要素为核心驱动的新时期。

以《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》为顶层指引，以《银行业保险业数字金融高质量发展实施方案》为实施纲领，金融业的数智化发展已形成从宏观指引到行业执行的层次分明且导向明确的政策体系。金融业数字化转型从过往分散的工具性技术应用，加速迈向以人工智能为引擎、以数据要素为基底的系统性深度融合。这标志着行业的发展主线正转向通过核心技术的系统性整合与全面赋能，驱动金融服务效率的全面跃升与发展模式的深刻变革，最终服务实体经济高质量发展。

一、重庆银行金融科技工作回顾

近年来，重庆银行紧扣“数字金融”与“数字重庆”等战略，构建了涵盖四项架构体系、五个实施路径与六项保障机制的“456”数字化转型框架，将“人工智能+”与“数据要素×”作为系统性工程深入推进，通过将人工智能技术与核心金融业务融合，以智能化创新充分激活数据要素潜能，推动全行从数字化向数智化跃迁，为高质量发展注入强劲动能。

1.前瞻布局人工智能，全面赋能金融生态

重庆银行立足战略部署，持续强化技术储备，不断拓展人工智能能力版图。2023年，在传统人工智能技术基础上，将光学字符识别(OCR)技术与大模型深度融合，创新解决了传统技术处理复杂影像稳定性不足的难题，2025年已实现对全量非标影像的OCR大模型驱动识别与要素自动提取；同时，持续加大研发投入和推广力度，全面推进生物识别、智能语音、流程自动化机器人、自然语言处理、虚拟数字人等技术在智能客服、智能审批、精准营销与智能风控等核心业务场景的规模化应用，加速实现系统架构、数据安全等关键环节的自主可控，形成全方位、多维度的智能化赋能体系。

2.敏锐把握技术浪潮，高效落地AI应用

近年来，重庆银行紧跟以DeepSeek为代表的人工智能技术浪潮，积极抢占技术制高点，成为首批完成大模型私有化部署的城商行之一。同时，重庆银行系统性构建了“1+1+N”人工智能框架体系，即打造1套AI算力基础设施、1个大模型应用与管理平台、N个场景的大模型应用。在算力资源方面，结合自身资源禀赋，统筹算力、网络和基础设施的资源配置与协同，构建安全、高效的统一算力集群体系，实现算力的多元异构和池化动态分配；在智能中台方面，打造企业级向下纳管资源、向上服务场景的全生命周期模型管理平台，满足大小模型协同管理和智能体开发、流程编排、微调训练等功能需求。2025年，全行算力规模提升60%，企业级智能平台“重银晓AI”服务行内用户数突破1000人，应用试点逐步从轻量级场景延伸至部分重要场景；写作助手、合同审核、个人按揭、智能问数等17个场景已成功上线并稳定运行。人工智能应用实现了从局部试点向体系化、平台化赋能的关键跨越，企业级智能能力不断提升，有效支撑业务创新。

通过创新打造“数字员工智能体”，重庆银行将流程引擎、人工智能决策、大模型、RPA等技术深度融入个人按揭贷款业务，这一变革不仅将单环节处理时间从210分钟大幅压缩至15分钟，全流程时效提升50%，更将信息录入(含手写体)准确率稳定在95%，并实现了高分客户的“秒批”，有效推动业务模式从“人工作业驱动”向“智能流程驱动”转变。凭借以上显著成效，数字员工重塑按揭贷款服务案例成功入围“数字重庆建设应用场景大赛”应用场景领跑者榜单，并荣获重庆市2025年度人工智能应用场景典型案例。

3.强化数据底座能力，支撑数据敏捷应用

重庆银行以“MPP+Hadoop”混合架构模式构建起统一高效的数据底座，累计归集1万余张业务数据表，每日处理超2.2万个作业，建设整合1000余个标准数据模型，覆盖零售、公司、运营、风险等重点业务领域；按照数据统一采集加工原则，完成数据入湖入仓，整合内外部、结构化和非结构化数据资源，实现了全行重点数据资源的充分汇聚与高效共享；同时，为满足业务用数低延迟、高并发、高可靠的要求，持续推进数据底座迭代升级与规模扩容，2025年，数据底座集群规模较上一年提升近一倍，处理数据时效提升40%。

4.释放数据资产价值，提升数据经营水平

为持续提升数据服务质效，重庆银行打造了一批具有行业辨识度的数据应用，充分释放数据资产潜在价值。通过经营驾驶舱“领行者”、报表服务平台“悟空”等数据平台，为产品运营、客户服务、风险管理等场景提供便捷的用数工具，切实推动数据“可见、可懂、好用”。在实时数据应用方面，打造个人存款、普惠“两增”贷款监测等典型场景，为全行经营指标动态跟踪与精准决策提供全方位支撑；在数据创新服务方面，依托隐私计算等技术开展零售客户群体深度挖掘，构建智能化与差异化定额定价模型，推出基于隐私计算的公积金贷款产品，实现从数据合规共享到场景化金融赋能的创新突破；在数据赋能经营方面，创新研发“数智尽调”平台，有效破解传统人工尽调在效率、数据获取以及真实性等方面的难题，实现报告自动生成，进一步提升客户经理的工作质效；在大数据风控方面，构建了千余个风险指标，创新推出“重银晓警”新型一体化智能风险预警体系，实现风控指标数据集约化管理与智能化服务，筑牢风险防控的数据防线。

二、2026年金融行业数智化发展展望

2026年是“十五五”规划开局之年，金融业将加速“人工智能+”与实体经济深度融合，系统释放数据要素价值潜能，通过激活AI应用动能、强化数据赋能实效，推动数智化转型从“场景渗透”迈向“效能跃升”，实现技术能力与业务价值的协同进化。

1.深度聚焦大模型和大数据互融互促

当前，大模型与大数据正在形成双向赋能的动态循环。一方面，AI技术能够系统化整合分散的多源异构数据，将原始数据转化为可复用的结构化数据资产；另一方面，经过智能标注和质量评估的数据资产为大模型迭代提供了精准的训练样本，形成了“数据治理—模型优化—价值反哺”的增强回路。这种协同效应不仅提升了数据要素的流通效率，更通过智能建模实现了金融数据的深度挖掘，在精准营销、风险防控等领域加速释放数据要素的潜在价值。

2.适度前瞻规划大模型算力发展路径

作为服务地方经济的金融主力军，城商行正通过算力基础设施的科学布局与动态优化，加速构建适配区域经济特征的智算能力体系。面对大模型带来的算力需求跃升与技术快速迭代的挑战，城商行需把握好“前瞻”与“适度”的平衡：既要前瞻布局未来2～3年的算力资源，也要立足自身实际场景需求，结合算力生态演进趋势，持续评估、合理投入。依托区域性金融机构的敏捷特性与场景优势，城商行可通过精细化算力管理、动态化资源配置，探索具有自身特色的算力发展新模式。

3.统筹建设专业垂直领域高质量数据集

随着大模型的深度应用，高质量数据集成为其能力边界和精准输出的根基所在。与通用大模型不同，垂直领域大模型更加依赖专业数据集合。银行业作为数据密集型行业尤为典型，在大模型建设中对数据的专业性、精准性、实效性和完整性有很高的要求。因此，城商行需规范数据采集、治理、标注、应用等环节，统筹推进满足AI场景需求的高质量数据集建设，打造适合银行业特定场景的高精准、高可用、高安全的企业级知识库，构建大模型的数据底座和知识中枢。

4.有序推动应用布局从数量规模向效能跃升转变

过去一年，大模型应用以辅助助手为主实现了爆发式增长，但对刚性需求、应用质效和产出效益的关注不足。在新一轮应用布局上，城商行需将大模型和业务深度融合，重点围绕客户体验提升、风险控制优化、业务流程再造等领域，拓展智能客服、精准营销、智能审批等场景应用，通过“小范围试点、畅通反馈、持续迭代”的闭环机制，确保场景设计与业务需求精准匹配，打造一批质量高、效益好的标杆场景，推动大模型应用从“新鲜热度”迈向“稳定成熟”，实现从“技术应用”到“价值创造”的关键跨越。

5.前瞻性探索新型技术风险和数据治理体系建设

随着生成式人工智能进入规模化应用阶段，模型安全、算法可信、数据合规等新型风险日益凸显，构建适配大模型时代的技术安全与数据治理体系已成为行业共识。城商行需前瞻构建覆盖模型全生命周期的风险管控机制，建立数据质量与数据安全并重的治理新范式，通过完善制度规范、强化技术防护、健全合规审查等多维度举措，推动数智化发展在安全可靠的轨道上行稳致远。