九卦｜2025金融科技洞察：大模型驱动创新，上云重塑核心系统_

来源 | 北京金融信息化研究所

研

究

报

告

本文是关于2025年金融科技发展趋势的研究报告，由北京金融信息化研究所主任潘润红等人撰写。参编单位包括工商银行、中国银行、交通银行和邮储银行等（名单附后）。报告旨在探讨金融科技的未来发展方向，为金融机构提供前瞻性的指导。

报告强调了金融科技在推动金融业高质量发展中的关键作用，并指出数据治理、新型算力基础设施、大模型应用、主机上云、数字金融服务、网络安全等方面的现状和发展趋势。报告呼吁金融机构加强统筹规划、需求驱动、数据治理、新技术应用、基础设施共建共享、重点领域标准化建设、差异化路径选择和数字化人才培养，以实现金融科技的健康有序推进和数字金融的高质量发展。

一、研究背景

2023 年以来，我国金融业高质量发展进入新阶段。

近年来，金融业围绕《金融科技发展规划（2022—2025年）》，加快数字化转型，赋能金融服务提质增效，助力金融高质量发展。2025 年，《规划》即将迎来收官之年，如何提前规划部署金融科技的发展，成为金融机构普遍关注的焦点。北京金融信息化研究所作为专注于金融业数字化转型发展的研究机构，通过行业研究、机构调研、学术研讨等形式，联合金融管理部门、金融机构、科技企业、高校院所等多方力量，开展2025金融科技发展趋势洞见系列研究活动，深入探讨金融机构在金融科技领域面临的难点问题及解决措施，前瞻性研判金融科技发展趋势，引领金融科技健康有序推进，助力数字金融高质量发展。

为总结相关成果，系统展示和发挥成果价值，北京金融信息化研究所基于前期研究积累，聚焦“金融业数据流通共享与利用”“金融业新型算力基础设施”“金融业人工智能大模型应用”“金融业核心系统主机上云”“数字金融服务与运营”“金融业网络和数据安全建设与风险防范”等六个研究主题，开展金融科技发展情况调研，充分吸纳学术交流专家观点，组织编制《2025 金融科技发展趋势洞见》，供金融管理部门、金融机构、产业机构借鉴和参考。

二、主要发现

展望 2025 年度我国金融科技工作规划部署，经多方调研、研讨、论证，形成以下十大发展趋势：

趋势一：在新技术赋能下，数据治理将加快由“以数治数”向“AI 治数”模式迈进。面向更加海量、多源、异构数据资源以及日益多元化、高质量数据处理需要，金融业将借助数据标注、数据分类分级、数据质量监测与修复等领域自动化、智能化技术，以及数据编织、数据网格等新型数据治理架构，积极搭建数据治理一体化平台及工具库，推动金融业数据治理向“AI 治数”发展，促进金融业数据资源高效开发与利用，为金融业发展提供高质量数据基础。

趋势二：密态计算将加快支撑金融业可信数据空间落地，释放金融业数据要素潜能。在国家数据相关制度框架指引以及数据基础设施底座支撑下，金融业将加强数据要素权属、估值定价、收益分配等机制的探索与实践，加快建设以隐私计算、机密计算等技术为底座的行业可信数据空间，同时推动相关可信数据基础设施的互联互通，加快满足规模化的数据安全可信流通需要。

趋势三：数智融合模式和产品将加速涌现，促进金融机构经营管理向“数据驱动”转变。金融业将发挥数据和技术双轮驱动作用，依托日益丰富的金融行业数据、公共数据、商业数据等内外部数据资源，以及丰富技术能力、强大智能模型，推动数智融合创新模式与产品涌现，加快赋能高强度操作性岗位降本增效、数字化人才培育、风险管理智能化等经营管理的重点领域发展，有力支撑五篇大文章相关场景的数据分析应用，促进金融业务决策和资源配臵模式从“经验驱动”向“数据驱动”发展。

趋势四：多元异构算力融合以及存算网协同发展步伐加快，支撑算力资源集约高效利用。面向数字经济与金融业创新发展的澎湃算力需要，以及国内外、东中西、云边端等泛在、多元、异构算力“百花齐放”，金融业将通过国产化算力替代、多元异构算力融合与智能调度、存算网协同等方式，保持超前布局节奏并加快推动算力基础设施升级发展，不断增强金融领域算力精细化运营管理能力以及绿色低碳水平，为金融业提供更加安全、高效、普惠、绿色的算力支撑。

趋势五：金融业大小模型将协同进化，促使大模型应用成效更明显。随着大模型金融应用实践案例不断丰富，大模型开发平台与工具链、模型即服务（MaaS）、智能体（AI Agent）等产品不断出现，以及大模型应用标准规范、工程化方案以及相关方法论逐步成熟，金融业逐步形成对大模型技术与能力边界认知。未来，金融大模型应用将加快大小模型协同，更注重应用场景挖掘和落地，推动从训练向推理阶段发展，持续释放大模型赋能成效，加快促进金融业智能化升级。

趋势六：金融业大模型应用治理框架与标准规范将加快健全，治理工作逐步从理论原则落实到实践应用。金融业将积极推进大模型金融应用的治理框架和标准规范建设，从基础设施安全、数据安全、模型安全、系统安全及应用安全等多维度构建全生命周期安全治理体系，并强化对大模型的合规性和伦理审查。同时，针对大模型固有的技术局限性和潜在安全风险，发展大模型价值观对齐、大模型生成信息检测等安全技术，推动红队测试、评估评测等工具的细化落地，持续监控和评估大模型安全性能，不断提升大模型金融应用的安全性、可靠性、可控性及公平性。

趋势七：金融业主机上云将明显加速，赋能核心系统现代化建设。由于传统主机系统无法适应新时期金融业务创新发展需求，金融业核心系统上云更加迫切，金融业也积极开展了核心系统上云实践。未来，面向核心系统与其他系统在稳态、敏态方面差异化发展需要，金融业核心系统的功能和定位需要重新梳理和定义。针对不同金融机构科技能力参差不齐现状，金融机构核心系统上云需因地制宜，审慎选择差异化发展路径。面对核心系统主机上云对科技系统提出的更高更复杂挑战，资金、人力、考核等上云配套需进一步完善，助力建设更强大的金融核心。

趋势八：在科技创新赋能下，金融五篇大文章建设将进一步提升金融服务实体经济质效。金融业将围绕数字化转型的规划部署更系统、双轮驱动更有力、服务质效更突出、配套保障更健全等四个方面持续发力，加快构建与支撑金融强国建设和数字经济发展相适应的数字金融体系。

趋势九：金融业网络和数据安全能力建设将更加规范和智能，筑牢数字金融安全底线。金融业将“以技术对技术”，积极探索零信任安全、生成式人工智能、商用密码保护技术等技术研究与应用，推动建设智能化安全运营平台或“安全大脑”，加快建立多层次、端到端有效防护，不断提升主动防御、智能防御能力。

趋势十：金融业将加快量子威胁应对方面的创新探索，增强安全风险应对能力。面对量子技术带来的对密码算法“先存储，后破解”威胁，金融业将依托商用密码改造契机，持续强化抗量子密码迁移研究与实践，探索形成深层加密防御的创新解决方案，不断增强金融核心资产安全性，同时积极利用量子通信的无条件安全性和高效率，通过量子密钥分发技术开展量子安全通信传输试点，不断增强金融业网络与数据安全的新技术应对能力。

三、发展现状

（一）金融数据应用基础持续夯实

金融机构不断完善数据治理体系，通过制定数据战略规划、设立数据管理部门、完善制度规范等措施，推动数据治理模式从“制度+人”向“体系+平台”转变。同时，金融机构积极利用大数据、人工智能、隐私计算等技术，推进数据流通共享，提升数据综合应用能力，助力客户精准画像、业务机会捕捉和风险发现。

（二）新型算力基础设施加快建设

为满足日益增长的算力需求，金融业不断优化数据中心建设布局，扩充智能算力规模，并采用容器、虚拟化等技术提升算力资源管理与运维的智能化水平。同时，金融机构积极采用液冷、节能制冷设备等绿能技术推动数据中心节能降耗，绿色节能成效初显。

（三）金融业大模型应用日益广泛

一是大模型金融应用加快探索实践。金融业成为大模型应用热门行业，应用实践不断丰富，如大型银行多开展数据、算法、算力等全技术体系的系统研究，而中小银行及保险、证券等机构偏向采用试点落地、逐步迁移策略快速开展应用探索；应用场景也从客服辅助、知识问答、文档生成等领域逐步向智能风控、智能投研、财富助手、金融安全等价值链高端环节延伸。

二是大模型金融应用基础能力不断增强。金融机构积极推进数据、算法、算力等大模型应用底座建设，其中国有大行、头部券商和保险机构等大型机构搭建起具有本机构特色的大模型应用技术体系和企业级大模型应用平台，而中小金融机构则多停留在调研、汇报和 POC 测试阶段。

三是大模型金融业安全应用面临挑战。目前，多数金融机构应用外部开源基础模型，从模型引入到应用落地存在多重风险隐患，如在预训练和微调阶段面临潜在的后门攻击和投毒攻击风险，影响模型性能或存在侵犯隐私数据威胁；在推理阶段，攻击者通过 API 接口访问黑盒大模型，带来对抗样本、模型窃取、推断攻击等多重威胁。此外，还存在大模型应用的伦理挑战及不合理或恶意使用导致决策错误等安全挑战。

（四）金融机构加速主机上云进程

一是核心系统上云需求迫切。随着数字经济快速发展，传统主机系统横向扩展能力有限、技术生态封闭、扩容价格高昂等缺点无法适应新时期发展要求。同时，金融机构加快构建“一云多芯”信创云平台，为核心系统提供高可用、易运维、更敏捷的基础设施支撑。

二是核心系统升级实践验不断丰富。头部金融机构作为先行者，从核心业务上云改造试点落地，逐步验证了通过主机上云支撑核心业务系统转型升级的可行性，存款、贷款、信用卡、超级网银、快捷支付、投资理财甚至总账系统等核心业务系统陆续上云，进入全量核心业务系统上云改造阶段。

三是核心系统主机上云对系统提出更高挑战。核心系统主机上云不仅涉及技术架构根本性变革，还深刻影响业务流程、数据管理、运维模式等多个层面，需全面考虑系统的可扩展性、高性能、高可用性、业务连续性和稳定性以及数据的一致性、安全性和隐私保护。

随着数字经济快速发展，传统主机系统无法适应新时期金融业务创新发展需求，金融机构加快构建“一云多芯”信创云平台，推动核心系统上云改造，提升系统的可扩展性、高性能和高可用性。

（五）数字金融服务能力加快提升

多数银行已制定数字化转型规划，并在数字货币、数字支付、数字信贷等领域取得显著成效。金融科技驱动的数字金融为科技金融、绿色金融、普惠金融等领域发展起到重要促进作用。

（六）金融业网络与数据安全形势严峻

随着数字化转型深化，金融网络和数据安全形势日益复杂严峻。金融业加快构建网络与数据安全防护体系，积极探索人工智能等新技术在安全领域的应用，筑牢数字金融安全底线。

四、发展趋势

（一）金融业数据加快流通融合

1. 完善数据流通共享机制：建立数据资源持有权、加工使用权、产品经营权“三权分置”制度框架，探索数据估值定价和收益分配机制，加速数据流通共享。

2. 创新 AI 治数新模式：借助数据编织、数据网格、人工智能等技术，打造智能数据治理能力，推动数据从资源化向资产化、资本化阶段演进。

3. 加强新兴前沿技术应用：应用隐私计算、机密计算等技术保障数据安全流通，构建金融行业可信数据空间。

4. 打造数智融合模式和产品：构建以数据和技术为驱动的新质生产力，推动金融业务决策从“经验驱动”向“数据驱动”转变。

（二）新型算力基础设施加快升级

1. 国产智能算力应用步伐加快：推进国产 AI 芯片、存储、网络设备的规模化应用和替代，夯实算力自主可控基础。

2. 多元异构算力管理持续探索：促进多元异构算力融合，加强算力资源精细化管理，提升算力资源利用效率。

3. 行业算力资源共享亟待探索：探索建设金融领域算力公共平台，接入国家算力互联网络，促进算力资源平衡发展。

4. 算力基础设施建设逐绿前行：采用绿色节能技术和产品，优化数据中心内部格局，加大新能源应用，推进算力基础设施绿色低碳发展。

（三）大模型金融应用加快落地见效

1. 行业应用生态持续优化：

随着大模型技术持续发展、行业实践日益丰富以及监管清晰化等行业生态不断成熟，大模型金融领域应用将更广泛。技术升级方面，Transformer 模型、知识蒸馏技术、多模态技术等新技术将提升模型训练效果，Co-pilot 通过智能辅助的人机协同方式有望嵌入更多场景，AI Agent 通过自主学习方式有望精简和重塑展业模式，半精度浮点算力突破 P 级别等不断提升大模型算力性能并从新技术获得更大支持；同时，云厂商的云服务基础设施日益完善，部署应用成本不断降低，以及大量预训练模型、开源框架、研发工具涌现，有效降低金融机构大模型应用的技术开发难度与周期。

实践丰富方面，随着金融机构加快大模型在各业务场景应用探索以及赋能成效逐步显现，将加快积累形成从试点应用、测试评价、基础能力建构到工程化实践等丰富落地经验和案例，形成正向反馈，吸引和帮助更多金融机构应用大模型。

监管规范方面，随着大模型应用政策法规完善以及《人工智能算法金融应用信息披露指南》《人工智能算法金融应用评价规范》《金融大模型应用评测指南》等标准出台，将营造更清晰监管环境，指引大模型稳妥安全应用。产业生态方面，DeepSeek、豆包、Dify 等国产开源大模型的加快发展和成熟，为金融业大模型应用营造良好氛围并提供应用底座支撑，同时“百模大战”等市场竞争促使科技企业与金融机构形成更紧密合作关系，双方联创联用模式逐步出现并受认可，既有助于提升大模型易用性和针对性，也将便利更多金融主体应用大模型。

2. 大小模型加快协同应用：

随着大模型应用探索深化，金融业意识到大小模型长期共存将是常态，基于二者特性实现协同应用和进化更有助于推动大模型应用降本增效。

一方面，大模型比较优势在于语义理解、信息归纳、内容生成，而传统判别式 AI 优势在于可控性强、精确度高，适合于资产定价、风险管理等高精度的分析决策环节，这决定了大小模型并非“非此即彼”关系。即便考虑大模型复用后边际成本降低，小模型优秀可解释性与针对性也能吸引机构持续使用。另一方面，基于大小模型特性，通过二者彼此赋能、协同进化将有助于促进大小模型能力更快进化。金融业已探索出大模型串联流程、小模型散点赋能这种相对高效的应用模式，例如大模型由于专业性不足直接用于风险决策可能存在精确性不足等问题，但结合传统有监督机器学习的风控决策引擎，可使智能风控更加实时和主动。此外，大小模型协同也将帮助中小机构通过复用大模型能力，在享受大模型便利同时避免承担大模型高昂投入。

可以预见，大模型未来服务模式并不是完全取代之前的小模型或其他技术产品，更有可能通过串联调用、混合外挂、融合替代等方式实现大小模型的渐进优化、协同应用，在降低大模型应用成本的同时携手促进金融业智能化变革。

3. 场景需求驱动应用深化：大模型真正价值体现，是走入场景中去创造真实的业务增长与提升客户体验。

目前，金融大模型已在对客服务、辅助办公等非核心和非决策场景赋能金融机构降本增效。伴随大模型技术的高可靠性和分析能力继续发展，金融机构将更精准地把握业务场景的具体需求并和大模型应用结合：在前台，打造前端智能客服，建立多元化客户标签，进入核心客服领域；在中台，挖掘客户数据，提升智能分析和推理水平，提供决策支撑；在后台，融合金融服务与新兴技术，不断迭代升级，设计开发出能够解决实际问题的创新方案和产品。

目前，已有机构尝试将大模型应用在如交易智能报价助手、信贷材料审核评估预处理、承保理赔审核辅助等场景。未来大模型将不断应用于金融产品定价、投资决策等重要金融场景中，为客户产品和服务体验带来更大突破。

此外，未来大模型开发和应用将重塑软件开发流程，推动业务部门和数据、科技部门融合更加紧密，边界更加模糊，部分领先银行已经通过工作坊或实验室等共创方式推进业技融合。

4. 风险治理系统实践加快：构建全生命周期安全治理体系，加强数据、算法、算力等核心环节技术迭代升级，提升大模型应用安全性。