中金公司程龙：从效率提升到价值创造，AI重构金融行业竞争范式

今天论坛的主题聚焦场景，因此借此机会向各位报告人工智能在一家金融企业的应用实践。通过解剖具体案例，期望为大家带来启发。

金融行业是一个知识密集和高度专业的领域，具有数据密集、知识密集、人员密集等特征，因此非常重视金融科技的发展。回顾中国金融行业的科技发展史，从信息化到网络化再到下一步的数字化，每一波浪潮中，无论是金融机构还是合作伙伴，如果抓住了新技术发展的机遇并积极应用，就可以在这一过程中建立自己的竞争优势、超越竞争对手。

基于此，中金公司高度重视人工智能发展。于2021年启动人工智能“九章平台”建设，2022年大模型出现后，将大模型研究列为重点发展方向。目前已完成近百个模型的二次训练和微调，支撑公司几十个大模型应用场景，并在2025年11月公布的2024年度人民银行金融科技发展奖中获得一等奖。

在应用大模型建设过程当中，中金公司始终坚持“价值为纲，场景为王”，围绕产品创新与竞争力的提升、防控关键风险、提升运营效率与降低成本三类场景，促进新技术和业务场景深度融合，不仅提升了运营效率与用户体验，更在风险防范与产品创新领域实现新突破。

一是在赋能提效方面，已经将大模型应用于多个领域。例如在投行文档智能撰写领域，针对公司186种场景类型，每年自动生成约两万份文档。此外还覆盖了员工助手、智能问答、客户销售服务、智能运营、投顾助理、IT研发等场景。其中，IT研发领域每年的代码采用率超过30%，通过多场景应用极大提升了公司的运营效率。

二是在创新增收方面，通过AI创新产品创造新收入，提升业务竞争力。中金有比较强的研究实力，为了将分析师能力有效沉淀并转化为7×24小时服务全行业的分析师助理，中金借助大模型打造了“中金点睛”，为机构投资者提供数字化投研服务，这也是证券公司第一家向机构客户提供大模型服务的人工智能应用。目前该服务已覆盖100多家外部买方机构，同时在内部服务财富顾问、投资经理、研究员等1万余人，年创收超两千万元。从投入产出来看，每年两千万元的收入已完全覆盖“中金点睛”在大模型领域的投入。2025年公司基于这一成效加大了对投研大模型领域的投入。

三是赋能风险防控。正如前面提到的，证券行业是一个文本非常密集的行业，尤其在是注册制实施后，过去三年需要披露的文档数量增长了4倍，报送和披露的文档类型多达几十种。行业在过去几年发生了因为信息披露文档质量问题引发的舆情风险。为此，中金基于金融语料精调了大模型文档审核工具，实现语义错误检查率90%、语法拼写错误检查率85%。同时，在2025年的年报披露季，中金联合上交所、深交所为5000多家上市公司提供免费服务，使得因信息披露质量发生的问题显著减少。通过创新性的技术，中金解决了过去困扰行业多年的难题，为行业的智能化发展贡献了中金力量。

总结而言，中金在场景实践中重点围绕三大类场景。一是精选场景带来体验提升、增效降本，每年为公司节省运营成本超1.2亿元。二是防范资本市场运行风险、破解行业发展难题，通过“中金智阅”文档审核工具月均审核文档数超过5万份，新工具助力投资银行履行资本市场守门人职责。三是创新客户服务，打造新产品和新收入模式，提升公司投研领域竞争力，每年创造的新单品带来的收入超过两千万。

在这一过程当中，中金总结出场景选择的核心原则，即小切口、大纵深、高密度、一体化。其中，小切口就是功能要聚焦，要解决某个具体的问题，而不是泛化的问题；大纵深就是效果要突出，要给业务带来极大提升，不是在传统方法做的已经很好的基础上做一点升级，而是解决用传统技术解决了不好或者解决不了的场景；高密度就是价值密度要高，要么是影响范围广，要么是使用量或用户量大；一体化就是在产品设计上，要把大模型集成到现有流程当中，增强客户的体验，来打造一个基于大模型的整体产品。

展望未来，新的人工智能技术的出现会带来行业的巨大变革，未来的一到两年将是关键期。随着行业的基础设施包括算力、算法、大模型等的发展，未来在应用场景上的突破将使得行业实现从“AI+”到“AI×”的范式转变。对于中金公司而言，希望未来能够为每一位客户配备一名AI财富顾问，为每一名员工配备一个数字孪生助手，为公司配备一支人机结合的数字员工队伍。

从判断标准来看，当前诸多企业应用AI时，核心问题在于未找到有价值或高价值的场景。从第一性原理出发，AI领域算力投入大，对于机房、电力等的要求也高，高技能算法、高密度算法人才稀缺，技术发展迭代的速度快，新项目失败概率高。在此情况下，如果所选择的场景业务价值不显著好或者不够好，就很容易出现上线后投入中断、用户体验不佳的问题。因此，必须寻找业务价值大的场景。

中金曾经尝试了大量为员工提效的场景，发现员工对提效的效果有感知但不明显。后续选择了文档审核场景，一方面是因为对于投行而言，这一场景用过去的技术难以解决，另一方面，金融行业对风险高度重视，问答类场景容不得差错，这也是金融行业基本没有放开2C领域应用的原因，而合规风控场景只要误报率控制好就可以接受，因此应用效果非常好。在合规风控场景，即使准确率只有95%、90%也是没关系的，而在对客场景，90%的准确率意味着10%的差错率，就会引发客户投诉、监管处罚、舆情风险等问题。

此外，中金选择“中金点睛”投研服务这样一个To B场景，主要基于To B场景的两个特点。一是都是高价值用户，具备付费意愿；二是客户投研智能体服务回答中一些不妥当或不准确的地方具备接受度与沟通空间。上述两个场景实践都取得很好效果。在此情况下，公司希望将其复制到更多团队，创造更多的收入，因此也就愿意去投入，形成正循环。例如，到2025年第三季度在算力方面的投入已经较2024年翻了一番。综上，能产生高业务价值的就是好的场景。从对AI与金融的认知来看，如果认可AI是革命性的新技术，就必然会产生革命性的作用和变化。如果相信这一点，就要坚定朝着具备高业务价值、传统人力或技术难以解决的场景深挖。

高价值的标准很清晰，就是要么带来收入的显著增加，要么创造新的产品。任何一个新技术在行业当中的应用都是如此。初期从提效场景出现，但是决定它能不能对行业产生巨大作用的核心不是简单提效，而是提效之后，实现新产品创造、新收入增长、企业竞争力提升，或风险防控能力提升等。

本质而言，AI应用是生产力与生产关系的问题。AI在促进生产力极大提升的同时，生产关系一定要发生相应变化，否则会束缚生产力的发展。过去“业务提需求、IT来施工”的模式已经不适用，而是需要业务、算法、工程师、合规人员一开始就作为一个团队同步工作，只有这样产品设计和最后应用才能真正释放生产力。