《北京金融信息化研究所：2025金融科技發展趨勢洞見報告（41頁）.pdf》由會員分享，可在線閱讀，更多相關《北京金融信息化研究所：2025金融科技發展趨勢洞見報告（41頁）.pdf（41頁珍藏版）》請在三個皮匠報告上搜索。

1、 主任：主任：潘潤紅 副主任：副主任：黃程林 莊文君 編委會成員編委會成員（排名不分先后，按姓氏拼音排序）（排名不分先后，按姓氏拼音排序）：陳 棟 陳國譽 陳 利 陳 起 陳鐵鋼 陳 維 崔 驥 杜嘯爭 杜彥斌 馮云青 葛 亮 咼亞南 賀冠華 侯 敏 胡利明 胡玉海 紀 鐘 梁 艷 駱 鑒 馬波勇 馬洪杰 沈志勇 史 黎 壽宏宇 宋 宏 孫 莉 汪 航 王豐輝 王 晴 王旭東 吳士榮 吳永飛 俞 楓 虞 剛 張 軍 周 駿 編寫組成員編寫組成員（排名不分先后，按姓氏拼音排序）（排名不分先后，按姓氏拼音排序）：鮑思佳 步君昭 陳 晨 陳 慧 陳理想 陳鵬翔 陳同欣 陳宇磊 陳兆一 程思睿 從平平

2、 黨月文 杜幗男 段紅帥 方 茜 馮曉帥 高昊天 葛在興 耿瑞盈 關春生 郭榮純 郭小可 國語洋 韓東妍 何良杰 何 鵬 胡 俊 胡雪蕾 黃建坤 江 鵬 江 濤 江 旺 姜 瑋 金 昕 金 艷 金楊一葉 孔宇飛 雷 彪 李丁煒 李廣業 李華保 李 慧 李佳妮 李佳原 李 杰 李 坤 李 璐 李 娜 李世平 李 旭 林麗鑫 林芊芊 劉 帆 劉 方 劉凌云 劉文龍 劉文清 劉曦子 劉 巖 陸 錚 駱君柱 牛博強 錢 岳 錢正旸 任 也 沈 偉 史凱捷 蘇東明 孫 鋼 汪 君 王愛玲 王 飛 王浩人 王 楠 王 培 王帥強 王蘇明 王偉南 王彥博 王彥國 王 越 望雅涵 魏 青 吳鑫濤 徐崚峰 徐新

3、平 徐 周 楊 嘉 楊 韜 楊 希 葉 紅 吳 巖 葉 靖 于鵬佳 虞谷云 曾孔喆 張 彬 張 帆 張瀚林 張 蕾 張 立 張連明 張 楠 張 強 張 楊 張語菡 張 月 張 震 趙俊峰 趙 微 趙義斌 鄭金綱 鄭曉峰 周 琛 朱 炎 左銀康 主編單位：主編單位：北京金融信息化研究所 參編單位：參編單位：中國工商銀行股份有限公司 中國銀行股份有限公司 交通銀行股份有限公司 中國郵政儲蓄銀行股份有限公司 中國光大銀行股份有限公司 華夏銀行股份有限公司 中國民生銀行股份有限公司 招商銀行股份有限公司 興業銀行股份有限公司 平安銀行股份有限公司 上海浦東發展銀行股份有限公司 浙商銀行股份有限公司 中

4、信證券股份有限公司 國泰君安證券股份有限公司 華泰證券股份有限公司 國信證券股份有限公司 中國人壽財產保險股份有限公司 中國太平洋保險（集團）股份有限公司 泰康保險集團股份有限公司 龍盈智達（北京）科技有限公司 華為技術有限公司 騰訊云計算（北京）有限責任公司 中電金信數字科技集團股份有限公司 神州數碼信息服務集團股份有限公司 深信服科技股份有限公司 萬國數據服務有限公司 海光信息技術股份有限公司 江蘇博云科技股份有限公司 本報告版權屬于北京金融信息化研究所有限責任公司，并受法律保護。轉載、編摘或利用其他方式使用本報告文字或觀點的，應注明來源。違反上述聲明者，將被追究相關法律責任。I 一、研究

5、概述.1（一）研究背景.1（二）主要發現.2 二、發展現狀.7（一）金融數據應用基礎持續夯實，不斷提升數據綜合應用能力.7（二）新型算力基礎設施加快建設，夯實金融業數字化轉型基礎底座.7（三）金融業大模型應用日益廣泛，加快賦能金融業數智化轉型升級.8（四）金融機構加速主機上云進程，推動核心系統全棧信創落地實施.9（五）數字金融服務能力加快提升，支撐金融與數字經濟高質量發展.9（六）金融業網絡與數據安全形勢嚴峻，多措并舉筑牢數字金融安全底線.10 三、發展趨勢.11（一）金融業數據將加快流通融合，數據要素價值釋放提速.11 1.完善數據流通共享機制，加速金融業數據流通共享.11 2.創新 AI

6、治數新模式，提升金融業全域數據治理能力.11 3.加強新興前沿技術應用，保障金融業數據安全流通.12 4.打造數智融合模式和產品，增強金融業務決策能力.13（二）新型算力基礎設施加快升級，強化安全高效普惠綠色算力支撐.13 1.國產智能算力應用步伐加快，夯實算力自主可控基礎.13 2.多元異構算力管理持續探索，支持算力資源高效利用.14 3.行業算力資源共享亟待探索，促進算力資源平衡發展.15 4.算力基礎設施建設逐綠前行，推進金融算力量質齊升.16（三）大模型金融應用加快落地見效，助力金融產業模式重塑升級.17 1.行業應用生態持續優化，降低大模型金融應用門檻.17 2.大小模型加快協同應用

7、，助力大模型應用降本增效.18 3.場景需求驅動應用深化，促進大模型賦能成效更明顯.19 II 4.風險治理系統實踐加快，支撐大模型金融應用更安全.19（四）金融業主機上云將明顯加速，賦能核心系統現代化建設.20 1.金融主機系統轉型加快，現代化核心系統將重新定義.21 2.現代化核心系統需求增加，建設策略趨于多元化.21 3.金融核心系統上云加速，配套保障措施將不斷完善.22（五）數據與技術雙輪驅動更深化，促進金融服務質效進一步提升.22 1.金融數字化邁向深水區，加快數字金融體系構建.22 2.支撐科技企業定價風控，助力科技金融提質增效.23 3.強化綠色低碳數據應用，賦能綠色金融深化發展

8、.24 4.大力發展數字普惠金融，促進普惠金融精耕細作.25 5.加強養老場景生態建設，持續豐富養老金融服務.26（六）金融安全工作將不斷迭代升級，夯實數字金融安全能力底座.26 1.多部配套法規細則出臺，促進安全防護更加規范.26 2.技術防護手段不斷豐富，增強安全風險應對能力.27 3.增強安全防御的主動性，提升安全運營智能水平.28 四、發展建議.30（一）加強統籌規劃與協同.30（二）強化需求與場景驅動.30（三）加強數據治理與應用.31（四）深化新技術應用賦能.31（五）引導基礎設施共建共享.32（六）促進重點領域標準化建設.32（七）支持差異化路徑選擇.33（八）加強數字化人才培育

9、.33 1 一、研究概述（一）（一）研究背景研究背景 2023 年以來，中央金融工作會議、習近平總書記在省部級主要領導干部推動金融高質量發展專題研討班開班式講話、黨的二十屆三中全會審議通過的中共中央關于進一步全面深化改革 推進中國式現代化的決定等對我國金融業高質量發展進行全面擘畫，為金融強國建設指明方向，要求做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章，錨定了走好中國特色金融發展之路的著力點。2019 年以來，中國人民銀行連續發布 金融科技（FinTech）發展規劃（20192021 年）金融科技發展規劃（20222025 年）兩份規劃，通過試點示范、提升工程、伙伴行動等措施

10、，推動金融機構優化組織架構、布局金融科技、加強外部合作，全面加強數據和科技能力建設。2024 年 11 月，中國人民銀行等七部門聯合發布推動數字金融高質量發展行動方案，提出數字金融發展總體要求和具體措施，為數字金融發展明確了方向、目標和重點任務，支撐做好金融“五篇大文章”，助力金融強國建設并促進數字經濟高質量發展。近年來，金融業圍繞金融科技發展規劃（20222025年），加快數字化轉型，賦能金融服務提質增效，助力金融高質量發展。2025 年，規劃即將迎來收官之年，如何提前規劃部署金融科技的發展，成為金融機構普遍關注的焦點。北京金融信息化研究所作為專注于金融業數字化轉型發展的研究機構，通過行業研

11、究、機構調研、學術研討等形式，2 聯合金融管理部門、金融機構、科技企業、高校院所等多方力量，開展 2025 金融科技發展趨勢洞見系列研究活動，深入探討金融機構在金融科技領域面臨的難點問題及解決措施，前瞻性研判金融科技發展趨勢，引領金融科技健康有序推進，助力數字金融高質量發展。為總結相關成果，系統展示和發揮成果價值，北京金融信息化研究所基于前期研究積累，聚焦“金融業數據流通共享與利用”“金融業新型算力基礎設施”“金融業人工智能大模型應用”“金融業核心系統主機上云”“數字金融服務與運營”“金融業網絡和數據安全建設與風險防范”等六個研究主題，開展金融科技發展情況調研，充分吸納學術交流專家觀點，組織編

12、制2025 金融科技發展趨勢洞見，供金融管理部門、金融機構、產業機構借鑒和參考。（二）（二）主要發現主要發現 近年來，金融業堅決貫徹落實黨中央、國務院關于金融工作的決策部署，堅持目標導向和問題導向，以金融科技為關鍵驅動，全面推動金融業數字化轉型發展，積極支撐金融服務實體經濟和數字經濟高質量發展，取得積極成效但也存在不少問題和挑戰。展望 2025 年度我國金融科技工作規劃部署，經多方調研、研討、論證，形成以下十大發展趨勢十大發展趨勢：趨勢一：在新技術賦能下，數據治理將加快由“以數治趨勢一：在新技術賦能下，數據治理將加快由“以數治數”向“數”向“AIAI 治數”模式邁進。治數”模式邁進。面向更加海

13、量、多源、異構數據資源以及日益多元化、高質量數據處理需要，金融業將借助數據標注、數據分類分級、數據質量監測與修復等領域自 3 動化、智能化技術，以及數據編織、數據網格等新型數據治理架構，積極搭建數據治理一體化平臺及工具庫，推動金融業數據治理向“AI 治數”發展，促進金融業數據資源高效開發與利用，為金融業發展提供高質量數據基礎。趨勢二：密態計算將加快支撐金融業可信數據空間落地，趨勢二：密態計算將加快支撐金融業可信數據空間落地，釋放金融業數據要素潛能。釋放金融業數據要素潛能。在國家數據相關制度框架指引以及數據基礎設施底座支撐下，金融業將加強數據要素權屬、估值定價、收益分配等機制的探索與實踐，加快建

14、設以隱私計算、機密計算等技術為底座的行業可信數據空間，同時推動相關可信數據基礎設施的互聯互通，加快滿足規?；臄祿踩尚帕魍ㄐ枰?。趨勢三：數智融合模式和產品將加速涌現，促進金融機趨勢三：數智融合模式和產品將加速涌現，促進金融機構經營管理向“數據驅動”轉變。構經營管理向“數據驅動”轉變。金融業將發揮數據和技術雙輪驅動作用，依托日益豐富的金融行業數據、公共數據、商業數據等內外部數據資源，以及豐富技術能力、強大智能模型，推動數智融合創新模式與產品涌現，加快賦能高強度操作性崗位降本增效、數字化人才培育、風險管理智能化等經營管理的重點領域發展，有力支撐五篇大文章相關場景的數據分析應用，促進金融業務決策

15、和資源配臵模式從“經驗驅動”向“數據驅動”發展。趨勢四：多元異構算力融合以及存算網協同發展步伐加趨勢四：多元異構算力融合以及存算網協同發展步伐加快，支撐算力資源集約高效利用?？?，支撐算力資源集約高效利用。面向數字經濟與金融業創新發展的澎湃算力需要，以及國內外、東中西、云邊端等泛在、多元、異構算力“百花齊放”，金融業將通過國產化算 4 力替代、多元異構算力融合與智能調度、存算網協同等方式，保持超前布局節奏并加快推動算力基礎設施升級發展，不斷增強金融領域算力精細化運營管理能力以及綠色低碳水平，為金融業提供更加安全、高效、普惠、綠色的算力支撐。趨勢五：金融業大小模型將協同進化，促使大模型應用趨勢五：

16、金融業大小模型將協同進化，促使大模型應用成效更明顯。成效更明顯。隨著大模型金融應用實踐案例不斷豐富，大模型開發平臺與工具鏈、模型即服務（MaaS）、智能體（AI Agent）等產品不斷出現，以及大模型應用標準規范、工程化方案以及相關方法論逐步成熟，金融業逐步形成對大模型技術與能力邊界認知。未來，金融大模型應用將加快大小模型協同，更注重應用場景挖掘和落地，推動從訓練向推理階段發展，持續釋放大模型賦能成效，加快促進金融業智能化升級。趨勢六：金融業大模型應用治理框架與標準規范將加快趨勢六：金融業大模型應用治理框架與標準規范將加快健全，治理工作逐步從理論原則落實到實踐應用。健全，治理工作逐步從理論原則

17、落實到實踐應用。為有效防范和應對大模型在金融領域應用中可能產生的安全風險，金融業將積極推進大模型金融應用的治理框架和標準規范建設，從基礎設施安全、數據安全、模型安全、系統安全及應用安全等多維度構建全生命周期安全治理體系，并強化對大模型的合規性和倫理審查。同時，針對大模型固有的技術局限性和潛在安全風險，發展大模型價值觀對齊、大模型生成信息檢測等安全技術，推動紅隊測試、評估評測等工具的細化落地，持續監控和評估大模型安全性能，不斷提升大模型金融應用的安全性、可靠性、可控性及公平性。趨勢七：金融業主機上云將明顯加速，賦能核心系統現趨勢七：金融業主機上云將明顯加速，賦能核心系統現 5 代化建設。代化建設

18、。由于傳統主機系統無法適應新時期金融業務創新發展需求，金融業核心系統上云更加迫切，金融業也積極開展了核心系統上云實踐。未來，面向核心系統與其他系統在穩態、敏態方面差異化發展需要，金融業核心系統的功能和定位需要重新梳理和定義。針對不同金融機構科技能力參差不齊現狀，金融機構核心系統上云需因地制宜，審慎選擇差異化發展路徑。面對核心系統主機上云對科技系統提出的更高更復雜挑戰，資金、人力、考核等上云配套需進一步完善，助力建設更強大的金融核心。趨勢八：在科技創新賦能下，金融五篇大文章建設將進趨勢八：在科技創新賦能下，金融五篇大文章建設將進一步提升金融服務實體經濟質效。一步提升金融服務實體經濟質效。面向數字

19、經濟蓬勃發展及金融高質量發展需要，金融業將圍繞數字化轉型的規劃部署更系統、雙輪驅動更有力、服務質效更突出、配套保障更健全等四個方面持續發力，加快構建與支撐金融強國建設和數字經濟發展相適應的數字金融體系。同時，數字金融將積極發揮金融領域新質生產力作用，加快支撐科技金融提質增效、綠色金融深化發展、普惠金融精耕細作、養老金融加快發展，助力數實深度融合，并實現與其他四篇大文章的融合創新及互促互動發展，一體推進金融強國建設與目標實現。趨勢九：金融業網絡和數據安全能力建設將更加規范和趨勢九：金融業網絡和數據安全能力建設將更加規范和智能，筑牢數字金融安全底線。智能，筑牢數字金融安全底線。隨著國家網絡安全與數

20、據安全相關法律法規及配套細則的出臺，金融業將積極貫徹和落實相關要求，推動網絡與數據安全治理的規范化和體系化，同時面對日益嚴峻的新技術威脅和挑戰，金融業將“以技術 6 對技術”，積極探索零信任安全、生成式人工智能、商用密碼保護技術等技術研究與應用，推動建設智能化安全運營平臺或“安全大腦”，加快建立多層次、端到端有效防護，不斷提升主動防御、智能防御能力。趨勢十：金融業將加快量子威脅應對方面的創新探索，趨勢十：金融業將加快量子威脅應對方面的創新探索，增強安全風險應對能力。增強安全風險應對能力。面對量子技術帶來的對密碼算法“先存儲，后破解”威脅，金融業將依托商用密碼改造契機，持續強化抗量子密碼遷移研究

21、與實踐，探索形成深層加密防御的創新解決方案，不斷增強金融核心資產安全性，同時積極利用量子通信的無條件安全性和高效率，通過量子密鑰分發技術開展量子安全通信傳輸試點，不斷增強金融業網絡與數據安全的新技術應對能力。7 二、發展現狀（一）（一）金融數據應用基礎持續夯實，不斷提升數據綜合金融數據應用基礎持續夯實，不斷提升數據綜合應用能力應用能力 一是金融業數據治理體系不斷完善一是金融業數據治理體系不斷完善。金融機構通過制定數據戰略規劃、設立數據管理部門、完善制度規范、開展數據標準管理等加強數據治理頂層設計，同時通過建設一體化的數據治理、數據資產管理等技術平臺，推動數據治理模式從傳統的“制度+人”到“體系

22、+平臺”轉變。二是金融業流二是金融業流通共享能力持續提升通共享能力持續提升。金融機構積極利用大數據、人工智能、隱私計算、區塊鏈等技術，建設隱私計算平臺，研究布局可信執行環境，與同業機構、政務平臺、數據公司及互聯網公司等開展數據流通共享合作，推進跨域數據流通共享。三是三是金融業數據綜合應用不斷深化。金融業數據綜合應用不斷深化。金融機構通過建設企業級大數據平臺、數據倉庫、數據湖等持續夯實數據應用底座，并在運營、風控、營銷及普惠金融、綠色金融、科技金融等領域探索數據應用場景落地，加快助力金融機構做好客戶精準畫像、業務機會捕捉、潛在風險發現以及業務決策智能化。（二）（二）新型算力基礎設施加快建設，夯實

23、金融業數字化新型算力基礎設施加快建設，夯實金融業數字化轉型基礎底座轉型基礎底座 一是數據中心建設布局持續優化，一是數據中心建設布局持續優化，為滿足日益增長算力需求，金融業堅持適度超前原則建設數據中心，同時通過布局優化、多地多活規劃及升級改造等方式保障數據中心高可用及安全穩定運行，目前超過 30%銀行機構進行了數據中心新建、縮減或改造升級，超過 80%銀行實現兩地多中心布局。8 二是算力設施智能化水平逐步提升，二是算力設施智能化水平逐步提升，金融業不斷擴充智能算力規模，近年來銀行業新型算力規模實現倍增發展，占算力總規模比重超過 40%；同時通過采用容器、虛擬化等技術以及建設運維中臺、研發高效運維

24、工具等方式，不斷促進算力資源管理與運維的智能化。三是算力設施綠色節能成效初顯，三是算力設施綠色節能成效初顯，金融機構積極采用液冷、節能制冷設備等綠能技術與產品推動數據中心節能降耗，近年來銀行業數據中心運行 PUE 有所下降，其中 21 個銀行數據中心獲評國家綠色數據中心。（三）（三）金融業大模型金融業大模型應用日益廣泛應用日益廣泛，加快賦能金融業數，加快賦能金融業數智化轉型升級智化轉型升級 一是大模型金融應用加快探索實踐。一是大模型金融應用加快探索實踐。金融業成為大模型應用熱門行業，應用實踐不斷豐富，如大型銀行多開展數據、算法、算力等全技術體系的系統研究，而中小銀行及保險、證券等機構偏向采用試

25、點落地、逐步遷移策略快速開展應用探索；應用場景也從客服輔助、知識問答、文檔生成等領域逐步向智能風控、智能投研、財富助手、金融安全等價值鏈高端環節延伸。二是大模型金二是大模型金融應用基礎能力不斷增強。融應用基礎能力不斷增強。金融機構積極推進數據、算法、算力等大模型應用底座建設，其中國有大行、頭部券商和保險機構等大型機構搭建起具有本機構特色的大模型應用技術體系和企業級大模型應用平臺，而中小金融機構則多停留在調研、匯報和 POC 測試階段。三是大模型金融業安全應用面臨挑戰。三是大模型金融業安全應用面臨挑戰。目前，多數金融機構應用外部開源基礎模型，從模型引入到應用落地存在多重風險隱患，如在預訓練和微調

26、階段面臨潛在的后門攻擊和投毒 9 攻擊風險，影響模型性能或存在侵犯隱私數據威脅；在推理階段，攻擊者通過 API 接口訪問黑盒大模型，帶來對抗樣本、模型竊取、推斷攻擊等多重威脅。此外，還存在大模型應用的倫理挑戰及不合理或惡意使用導致決策錯誤等安全挑戰。（四）（四）金融機構加速主機上云進程，推動核心系統全棧金融機構加速主機上云進程，推動核心系統全棧信創落地實施信創落地實施 一是核心系統上云需求迫切。一是核心系統上云需求迫切。隨著數字經濟快速發展，傳統主機系統橫向擴展能力有限、技術生態封閉、擴容價格高昂等缺點無法適應新時期發展要求。同時，金融機構加快構建“一云多芯”信創云平臺，為核心系統提供高可用、

27、易運維、更敏捷的基礎設施支撐。二是核心系二是核心系統升級實踐驗不統升級實踐驗不斷豐富。斷豐富。頭部金融機構作為先行者，從核心業務上云改造試點落地，逐步驗證了通過主機上云支撐核心業務系統轉型升級的可行性，存款、貸款、信用卡、超級網銀、快捷支付、投資理財甚至總賬系統等核心業務系統陸續上云，進入全量核心業務系統上云改造階段。三是核心系統主機上云對系統三是核心系統主機上云對系統提出更高挑戰。提出更高挑戰。核心系統主機上云不僅涉及技術架構根本性變革，還深刻影響業務流程、數據管理、運維模式等多個層面，需全面考慮系統的可擴展性、高性能、高可用性、業務連續性和穩定性以及數據的一致性、安全性和隱私保護。（五）（

28、五）數字金融服務能力加快提升，支撐數字金融服務能力加快提升，支撐金融與數字經金融與數字經濟高質量發展濟高質量發展 一是一是金融業數字化轉型深化并取得顯著成效。金融業數字化轉型深化并取得顯著成效。統籌規劃方面，多數銀行已制定數字化轉型規劃，同時設立數字化轉 10 型委員會、數字辦等為數字化轉型提供組織保障；數字金融服務方面，數字貨幣、數字支付、數字信貸、數字證券、數字保險、數字理財等創新業態加速涌現，其中移動支付、數字信貸等走在全球前列，我國數字金融服務能力明顯提升。二是金融科技加快支撐做好五篇大文章。二是金融科技加快支撐做好五篇大文章。金融科技驅動的數字金融，具有時空不受限、服務效率高及服務普

29、惠、信息透明等特征，為科技金融、綠色金融、普惠金融、養老金融等領域發展起到重要促進作用。過去 5 年，我國高技術制造業中長期貸款余額均保持 30%以上增速，科技型中小企業獲貸率提升至 47%；截至 2024 年 10 月末,普惠型小微企業貸款余額同比增長 14.98%,超出各項貸款增速 7.47%。（六）（六）金融業網絡與數據安全形勢嚴峻，多措并舉筑牢金融業網絡與數據安全形勢嚴峻，多措并舉筑牢數字金融安全底線數字金融安全底線 一是金融業網絡與數據安全挑戰不斷加大。一是金融業網絡與數據安全挑戰不斷加大。隨著數字化轉型深化以及新技術快速發展，金融網絡和數據安全形勢日益復雜和嚴峻，如數據流動導致數據

30、風險暴露面擴大、勒索組織及手段持續進化升級導致勒索威脅事件頻發，此外 AI攻擊、量子計算、極端風險等新型潛在安全威脅與日俱增。二是金融業網絡與數據安全防護體系加快構建二是金融業網絡與數據安全防護體系加快構建。金融業加快落實國家政策規范要求，不斷完善網絡與數據安全制度體系，加強各類安全威脅應對研究，深化數據治理、數據分類分級、研發管理、漏洞管理、應急管理、安全監測評估等安全與合規管理運營，積極探索人工智能等新技術在安全領域的應用，加快構建和完善安全防護體系，扎牢數字金融安全底線。11 三、發展趨勢（一）（一）金融業數據將加快流通融合，數據要素價值釋放金融業數據將加快流通融合，數據要素價值釋放提速

31、提速 1.1.完善數據流通共享機制，加速金融業數據流通共享完善數據流通共享機制，加速金融業數據流通共享 在數字經濟時代，數據已成為新興生產要素，蘊含著巨大的經濟和社會價值。數據的流通共享和重復利用對實現數據價值至關重要，數據只有在使用、共享中流轉，才能實現數據要素的價值釋放。當前，數據要素流通共享的外部環境日趨完善，但在數據權屬、估值、收益分配等機制方面仍存在阻礙，未來需要進一步探索完善。在數據權屬方面，在數據權屬方面，隨著推動數字金融高質量發展行動方案的發布，金融業將加快建立數據資源持有權、數據加工使用權、數據產品經營權“三權分臵”的制度框架，金融業未來可通過數據分類分級授權加快探索數據確權

32、與授權落地實踐，研究實操細節，明確金融數據在不同環節的權屬歸屬，確保數據流通共享在合法合規的框架內安全有序開展。在數據估值定價方面，在數據估值定價方面，目前已有部分金融機構對數據進行估值定價，但仍缺乏統一的標準，金融業將逐步探索和完善數據估值定價機制，推動形成統一的數據估值定價標準指引，以推進數據資產化進程，加速數據交易流通。在數據收益分配方面，在數據收益分配方面，金融業將積極探索和建立公平、公正、透明的數據收益分配機制，通過設定合理的收益分配比例、加強監管和審計等方式，確保數據收益的公平分配，激發各方參與數據流通共享的積極性。2.2.創新創新 AIAI 治數新模式，提升金融業全域數據治理能力

33、治數新模式，提升金融業全域數據治理能力 12 數據治理是數據流通共享和綜合應用的重要基礎，良好的數據治理能夠提高數據質量，促進數據要素價值充分釋放，未來數據治理能力提升仍將是金融機構數據應用重點工作。另外數據顯示截至 2023 年末調研的 210 家銀行數據總量累計達 1074.59PB，同比增長 37.9%，隨著金融業數據規模持續增長，數據治理的復雜度將不斷提升。為滿足日益增長的數據治理和應用需求，金融機構未來將借助數據編織、數據網格、人工智能、區塊鏈等理念和技術，打造面向更加廣泛領域、更加智能的數據治理能力，提升數據治理的效率和準確性，加速推動金融業數據從資源化向資產化、資本化階段的演進，

34、同時確保數據流通利用全流程的數據可確權、數據安全可管控、各方收益可分配、流通過程可存證、監管合規可審計，實現由“以數治數”向“AI 治數”模式邁進。3.3.加強新興前沿技術應用，保障金融業數據安全流通加強新興前沿技術應用，保障金融業數據安全流通 安全性是數據流通共享的前提，傳統的數據加解密等數據安全技術主要集中在數據的傳輸和存儲環節，在數據計算過程中仍存在數據暴露風險，難以支撐數據可信高效使用，尤其在云、端、邊協同的新興金融業務場景上，該問題將更加突出。當前已有一些解決數據安全使用和可信流動的可信管控技術，如基于密碼學的安全多方計算、聯邦學習等傳統隱私計算技術路線，基于可信執行環境的 TEE

35、隱私計算路線，基于機密計算的密態數據庫、密態虛擬機、密態容器等技術，基于國密算法指令集的內存加密、存儲加密、IO 加密等技術，這些技術在安全性、性能指標和實用性上的表現不同，金融 13 機構將加強新興前沿技術研究應用并結合具體的業務目標選擇合適技術，不斷提升自身的數據流通共享能力。另外，金融業在數據基礎設施方面的技術、平臺和能力具有較高的成熟度和領先優勢，未來有望搶抓國家數據基礎設施規劃布局的發展先機，加快構建金融行業可信數據空間，貢獻數據要素規?；魍ü蚕硎褂玫慕鹑谥腔酆徒涷?。4.4.打造數智融合模式和產品，增強金融業務決策能力打造數智融合模式和產品，增強金融業務決策能力 近年來數據爆炸式增

36、長，金融機構對數據的綜合利用程度不斷加深，數據驅動金融業務決策已成為金融業數字化的前沿方向。在大數據、人工智能大模型等新技術蓬勃發展的背景下，數據驅動的金融業務決策能力正步入快速強化階段。隨著我國數據要素市場逐步完善，公共數據產品、商業數據產品等供給能力將不斷增強、供給機制將不斷豐富和完善，為金融業基于廣泛渠道數據、豐富技術能力、強大智能模型打造數智融合的新模式和新產品提供了重要契機。金融機構未來將加快構建以數據和技術為重要驅動的新質生產力，聚焦高強度操作性崗位降本增效、數字化人才培育、風險管理智能化、高價值業務環節創新發展等經營管理重點領域數字化能力提升，并深化數字金融、科技金融、綠色金融、

37、普惠金融、養老金融等場景數據分析應用，加快實現金融業務決策與資源配臵模式由“經驗驅動”向“數據驅動”轉變。（二）（二）新型算力基礎設施加快升級，強化安全高效普惠新型算力基礎設施加快升級，強化安全高效普惠綠色算力支撐綠色算力支撐 1.1.國產智能算力應用步伐加快，夯實算力自主可控基礎國產智能算力應用步伐加快，夯實算力自主可控基礎 14 隨著大模型及智算算力快速發展，國內金融業積極探索大模型應用，但普遍基于 PyTorch、TensorFlow 等深度學習框架以及英偉達芯片進行模型訓練，隨著信創工作深度推進，建設更加自主可控的算力基礎設施勢在必行。從供給端看，從供給端看，近年來國內 AI 芯片百花

38、齊放，初步形成 GPGPU+NPU 雙技術路線，國產智算頭部機構逐步出現并具備基于全國產芯片的千卡計算集群建設能力，算力性能加快向國際一線廠商看齊；國產 AI 存儲快速發展，如我國 AI 存儲系統首次獲得全球權威的人工智能 MLPerf 存儲基準測試第一名；國產 GPGPU 加速卡快速迭代，從生態方面與英偉達 CUDA 高度兼容，支持金融業務應用的迅速遷移。綜上，國產供應鏈逐步成熟將為國產智算產品在金融業廣泛應用奠定堅實基礎。從應用端看，從應用端看，當前國內不少金融機構正有序開展國產算力產品應用測試、適配驗證乃至落地實踐等工作，積極為算力資源替代、智算擴容或算力底座平移做準備，同時與供給端協同

39、發力并探索構建自主可控算力生態，如金融業已開始嘗試國產芯片替代國外芯片，OCR 等重要業務組件也實現了成功替換。未來，金融業將持續推進國產智能算力產品、高性能 AI 存儲以及高通量網絡設備的規?；瘧煤吞娲?，為金融高質量發展提供自主可控安全高效的算力基礎保障。2.2.多元異構算力管理持續探索，支持算力資源高效利用多元異構算力管理持續探索，支持算力資源高效利用 目前，全球范圍都面臨算力短缺問題，國內由于供應鏈受限短缺問題尤為明顯，同時算力需求快速增長及算力資源投入成本高，更加劇了金融業算力瓶頸問題。未來，金融業 15 將通過促進多元異構算力融合、加強算力資源精細化管理，加快存算網協同挖掘算力潛能

40、，不斷提升算力資源利用效率。多元異構算力融合方面，多元異構算力融合方面，探索應用容器化、虛擬化、云原生混合部署等技術，促進多元異構算力資源池化和云化發展，為算力資源調度共享提供技術底座；加強多芯算力規劃部署，通過搭建一元多芯算力架構，促進多元算力兼容和統一納管；與產業側聯合推動多元算力架構、技術等標準化、模塊化、預制化，促進不同生態互通融合，支撐多元異構算力融合應用。算力資源管理方面，算力資源管理方面，探索真實負載感知調度、在線離線混合部署、GPU 虛擬化、GPU 資源池化、訓推一體化發布管理、跨集群調度等工具和機制，促進算力資源在不同業務場景、不同時段的合理調配，減少算力資源浪費；采用智能管

41、理軟件進行算力應用資源智能畫像，提供更精確的應用資源需求描述，推動負載分布更合理。存算網協同方面，存算網協同方面，加強高性能計算網絡建設，增強異構算力與網絡融合能力，探索建設多層級算力調度平臺，促進存儲與網絡和計算協同發展，引導合理配臵存算比例，加快部署新型數據存儲平臺，推進全閃存、存算分離、近數計算、數據編織等先進存儲應用，不斷增強算力網絡和存儲底座支撐。3.3.行業算力資源共享行業算力資源共享亟待探索，促進算力資源平衡發展亟待探索，促進算力資源平衡發展 出于安全考慮，金融機構算力資源尤其是智算資源多數采取私有化方式部署，金融機構在算力基礎設施建設上存在重復建設以及大中小機構發展不平衡現象。

42、此外，地方政府以及各行各業均在積極部署和建設算力基礎設施但也存在 16 算力資源利用效率不高的情況。未來，金融業將加快探索算力基礎設施共建共享或開展不同渠道算力資源的共享利用，促進算力資源平衡、高質量發展，探索形式包括：一是聯合產學研用多方力量，探索建設金融領域的算力公共平臺，為行業提供公共訓練算力同時支持機構通過私有化部署進行特色化需求訓練，既避免金融算力建設各自為戰和重復建設，也能增強中小金融機構算力應用能力；二是在保障安全前提下，探索接入國家算力互聯網絡或應用地方政府、科技企業等外部的智算、超算乃至量子算力資源，既可降低金融機構算力資源投入、促進算力供給渠道的多元化，也可促進富余閑臵算力

43、資源的盤活，助力國家算力基礎設施高質量發展。4.4.算力基礎設施建設逐綠前行，推進金融算力量質齊升算力基礎設施建設逐綠前行，推進金融算力量質齊升 目前，數據中心成為我國僅次于鋼鐵和化工的第三大耗能行業，智能算力基礎設施高功率、高能耗特征更明顯，為落實國家“雙碳”戰略，金融管理部門及地方政府對數據中心用電、用能監管也將更嚴格，發展綠色算力已成為不可逆轉趨勢。針對這一趨勢，金融機構將圍繞提升能源使用效率、引用可再生能源、加強水資源管理、促進資源回收利用等方面，分步驟、系統化推進算力基礎設施綠色低碳發展，具體具體包括：包括：一是采用 AI 技術、智能巡檢工具等智能技術與產品，促進數據中心運行智能化，

44、提升中心運維整體效率；二是采用自然冷源、液冷技術、間接蒸發冷卻技術、帶外監測技術以及智能變頻空調、高效率低功耗 IT 設備、高效能供配電系統、智能能源管理系統等新型綠色節能技術和產品，降低 17 基礎設施的運行能耗；三是優化數據中心的內部格局，采用高密機柜，推進配電側架構層級縮減、彈性部署等管理升級，支持傳統數據中心改造升級和效能提升；四是加大太陽能、風能、氫能等新能源應用，探索分布式能源，促進能源低碳應用同時還可增強能源自給率，減少傳統電網依賴；五是優化用水方案，通過 WBUE 等指標考核，減少冷卻水的消耗，探索水資源循環利用可能性；六是加強算力基礎設施的電子廢棄物等回收和再利用，減少環境污

45、染。（三）（三）大模型金融應用加快落地見效，助力金融產業模大模型金融應用加快落地見效，助力金融產業模式重塑升級式重塑升級 1.1.行業應用生態持續優化，降低大模型金融應用門檻行業應用生態持續優化，降低大模型金融應用門檻 隨著大模型技術持續發展、行業實踐日益豐富以及監管清晰化等行業生態不斷成熟，大模型金融領域應用將更廣泛。技術升級方面，技術升級方面，Transformer 模型、知識蒸餾技術、多模態技術等新技術將提升模型訓練效果，Co-pilot 通過智能輔助的人機協同方式有望嵌入更多場景，AI Agent 通過自主學習方式有望精簡和重塑展業模式，半精度浮點算力突破 P 級別等不斷提升大模型算力

46、性能并從新技術獲得更大支持；同時，云廠商的云服務基礎設施日益完善，部署應用成本不斷降低，以及大量預訓練模型、開源框架、研發工具涌現，有效降低金融機構大模型應用的技術開發難度與周期。實踐豐富方面，實踐豐富方面，隨著金融機構加快大模型在各業務場景應用探索以及賦能成效逐步顯現，將加快積累形成從試點應用、測試評價、基礎能力建構到工程化實踐等豐富落地經驗和案例，形成正向 18 反饋，吸引和幫助更多金融機構應用大模型。監管規范方面，監管規范方面，隨著大模型應用政策法規完善以及人工智能算法金融應用信息披露指南人工智能算法金融應用評價規范金融大模型應用評測指南 等標準出臺，將營造更清晰監管環境，指引大模型穩妥

47、安全應用。產業生態方面，產業生態方面，DeepSeek、豆包、Dify 等國產開源大模型的加快發展和成熟，為金融業大模型應用營造良好氛圍并提供應用底座支撐，同時“百模大戰”等市場競爭促使科技企業與金融機構形成更緊密合作關系，雙方聯創聯用模式逐步出現并受認可，既有助于提升大模型易用性和針對性，也將便利更多金融主體應用大模型。2.2.大小模型加快協同應用，助力大模型應用降本增效大小模型加快協同應用，助力大模型應用降本增效 隨著大模型應用探索深化，金融業意識到大小模型長期共存將是常態，基于二者特性實現協同應用和進化更有助于推動大模型應用降本增效。一方面，一方面，大模型比較優勢在于語義理解、信息歸納、

48、內容生成，而傳統判別式 AI 優勢在于可控性強、精確度高，適合于資產定價、風險管理等高精度的分析決策環節，這決定了大小模型并非“非此即彼”關系。即便考慮大模型復用后邊際成本降低，小模型優秀可解釋性與針對性也能吸引機構持續使用。另一方面，另一方面，基于大小模型特性，通過二者彼此賦能、協同進化將有助于促進大小模型能力更快進化。金融業已探索出大模型串聯流程、小模型散點賦能這種相對高效的應用模式，例如大模型由于專業性不足直接用于風險決策可能存在精確性不足等問題，但結合傳統有監督機器學習的風控決策引擎，可使智能風控更加實時 19 和主動。此外，大小模型協同也將幫助中小機構通過復用大模型能力，在享受大模型

49、便利同時避免承擔大模型高昂投入?？煽梢灶A見，以預見，大模型未來服務模式并不是完全取代之前的小模型或其他技術產品，更有可能通過串聯調用、混合外掛、融合替代等方式實現大小模型的漸進優化、協同應用，在降低大模型應用成本的同時攜手促進金融業智能化變革。3.3.場景需求驅動應用深化，促進大模型賦能成效更明顯場景需求驅動應用深化，促進大模型賦能成效更明顯 大模型真正價值體現，是走入場景中去創造真實的業務增長與提升客戶體驗。目前，金融大模型已在對客服務、輔助辦公等非核心和非決策場景賦能金融機構降本增效。伴隨大模型技術的高可靠性和分析能力繼續發展，金融機構將更精準地把握業務場景的具體需求并和大模型應用結合：在

50、前臺，打造前端智能客服，建立多元化客戶標簽，進入核心客服領域；在中臺，挖掘客戶數據，提升智能分析和推理水平，提供決策支撐；在后臺，融合金融服務與新興技術，不斷迭代升級，設計開發出能夠解決實際問題的創新方案和產品。目前，已有機構嘗試將大模型應用在如交易智能報價助手、信貸材料審核評估預處理、承保理賠審核輔助等場景。未來大模型將不斷應用于金融產品定價、投資決策等重要金融場景中，為客戶產品和服務體驗帶來更大突破。此外，未來大模型開發和應用將重塑軟件開發流程，推動業務部門和數據、科技部門融合更加緊密，邊界更加模糊，部分領先銀行已經通過工作坊或實驗室等共創方式推進業技融合。4.4.風險治理系統實踐加快，支

51、撐大模型金融應用更安全風險治理系統實踐加快，支撐大模型金融應用更安全 20 大模型作為具有一定顛覆性的創新技術，將持續對傳統金融模式產生沖擊并不斷重塑金融生態，大模型本身存在缺陷可能給金融系統帶來安全風險，同時大模型金融應用不平衡或加劇金融業“兩極分化”現象，更系統的安全治理逐步受到業界關注。未來，金融業將針對大模型在金融領域安全應用展開以下方面應對和探索：一是一是針對應用安全，通過發布治理框架、制定標準規范、推出測試平臺、加強準入評估、推動負責任模型治理等，全方位提升金融機構的大模型應用安全治理能力，加快貫徹科技倫理基本原則和法律法規及行業規范要求，同時積極響應用戶的安全關切；二是二是針對大

52、模型技術自身缺陷帶來安全挑戰，如數據泄露、算法幻覺、算法偏見等問題，加強數據、算法、算力等核心環節技術迭代升級與風險應對，同時積極應用新技術賦能，不斷提升算法的可解釋性，如通過敏感詞、隱私信息識別、分類過濾等工程化手段，建設安全護欄，嚴格保證訓練數據及輸出內容的可用可控；三是三是針對發展不平衡，引導中小機構通過借助外部算力基礎設施，以及借鑒成熟的基礎大模型、行業大模型，建立符合自身需求的企業大模型，同時提高對大模型的應用能力和掌控力，在風險可控的基礎上推進算力建設、模型訓練和場景應用；四是四是針對監管不明晰，主動尋求監管指導，聯合多方力量開展大模型安全相關標準建設，或引入金融科技創新監管工具，

53、推進大模型安全合規應用。（四）（四）金融業主機上云將明顯加速，賦能核心系統金融業主機上云將明顯加速，賦能核心系統現代現代化建設化建設 21 1.1.金融主機系統轉型加快，現代化核心系統將重新定義金融主機系統轉型加快，現代化核心系統將重新定義 傳統大型機、小型機等主機系統一直是承載金融機構核心業務的關鍵設備，并憑借高可靠、高可用和高運維能力，為金融業信息系統提供重要支撐。隨著主機系統向云+分布式體系轉型，核心系統的概念和范疇將被重新定義。從功能從功能來看，來看，現代化核心系統的范圍將逐步縮小，其中最核心的會計核算、賬務處理、客戶信息等存貸匯基本業務功能仍被涵蓋在內，但涉及產品功能、產品邏輯、業務

54、邏輯的系統需要單獨拆分。從定位來看，從定位來看，核心系統與其他系統將有明顯的區分，在分布式技術體系下，系統之間的邏輯關系需要重新梳理，傳統的上下級層次關系將會逐步打破，會更加注重服務之間的調用，核心系統將更加強調穩定，涉及場景建設、生態建設的其他業務系統會朝著敏態演進。2.2.現代化核心系統需求增加，建設策略趨于多元化現代化核心系統需求增加，建設策略趨于多元化 金融核心系統主機上云現代化建設未來不僅要滿足傳統主機系統的高可靠性、高可用，以增強金融系統的穩定性和業務連續性，未來還將具備易運維的特性，以降低后期維護的復雜度和成本，同時也會更兼顧云的擴展性、敏捷性和靈活性，以適應快速變化的市場環境和

55、不斷演進的業務需求，為此集高可用、易運維、更敏捷于一體的金融業主機上云，將成為未來金融機構數字化轉型的重要基石。此外，國內金融機構科技能力參差不齊，不同金融機構將綜合考慮現有核心系統狀況、業務需求、技術趨勢以及成本與風險等因素進行決策，因地制宜，審慎選擇核心平移、核心組件替換、全 22 面重構等模式。頭部金融機構可通過“一步到位”的核心系統自主建設模式，對現有核心系統通過現代化業務建模和技術架構重構方式進行全面改造，然后進行數據遷移，將業務遷至新核心上運行。中小金融機構受制于其自身科技能力，對廠商更加依賴，可考慮以創新業務為契機構筑新底座或者替換部分應用技術平臺組件，逐步推動整體核心業務轉型。

56、3.3.金融核心系統上云加速，配套保障措施將不斷完善金融核心系統上云加速，配套保障措施將不斷完善 隨著核心系統上云步伐的加速，金融機構將不斷完善資金、人力、考核等一系列配套保障措施。在資金方面，金融機構將加大對云計算基礎設施、安全防護及運維管理工具的投資，確保核心系統主機上云有足夠的資源支持。在人力資源上，將通過引進云原生專家、培訓現有員工、建立跨部門協作機制等方式，構建起一支既懂金融業務又精通云原生技術的復合型人才隊伍。同時，考核體系也將隨之調整，將云上系統的穩定性、安全性、效率及業務響應速度等關鍵指標納入考核范圍，激勵團隊不斷優化系統性能和服務質量。（五）（五）數據與技術雙輪驅動更深化，促

57、進金融服務質效數據與技術雙輪驅動更深化，促進金融服務質效進一步提升進一步提升 1.1.金融數字化邁向深水區，加快數字金融體系構建金融數字化邁向深水區，加快數字金融體系構建 隨著數字經濟蓬勃發展，以及外部競爭、監管推動、內需驅動等內外部因素影響下，金融數字化轉型將進一步深化，推動與支撐金融強國建設和數字經濟發展相適應的數字金融體系加快構建，有力支撐中國特色現代金融體系建設。從從轉型部署看，轉型部署看，金融數字化轉型更系統，金融業將進一步加強 23 數字化轉型的戰略規劃、組織管理，完善數字化運營管理、人才培育、發展激勵等配套機制，系統推進數字化轉型落地生根、開花結果。從轉型驅動看，從轉型驅動看，金

58、融數據要素作用和價值將充分釋放，源源不斷為做好數字金融建設提供戰略性、基礎性“原材料”；數字技術將加快貫穿于金融業務全流程、客戶服務全旅程、經營管理全過程，不同數字技術將加快融合創新發展，不斷增強金融數字化轉型的技術支撐。從轉型從轉型實踐看，實踐看，金融數字化經營水平將全面提升，如全員數字化能力明顯提升、數據驅動的業務決策和資源配臵能力明顯增強、高強度操作性崗位提質增效成果突出、數字化人才培養機制更加健全、風險管理體系更加數字智能，數字金融生態有序建設并積極為社會治理數字化貢獻金融智慧。從轉型保障看從轉型保障看，數字金融治理體系將更完善，數字金融風險防范、數據和網絡安全防護、金融監管數字化、金

59、融消費者權益保護等領域有望實現長足發展，支撐數字金融規范健康持續發展。2.2.支撐科技企業定價風控，助力科技金融提質增效支撐科技企業定價風控，助力科技金融提質增效 科技金融在推動科技創新和產業發展中起著至關重要作用，但金融支持科技創新仍面臨著風險評估難、信息不對稱、抵質押手段缺乏、專業服務人才不足等諸多難題。為促進科技金融高質量發展，金融機構將針對科技企業融資需求特點，通過大數據、人工智能等技術賦能，提升科技企業風險評估和管理能力，降低信息不對稱，推動科技企業展業模式重塑，營造科技金融服務生態，進而提升金融服務科技型企業質效，具體包括：一是一是持續引入外部多源、多維數據，24 通過大數據挖掘專

60、精特新、高新技術企業等需求線索，豐富科技企業畫像，對企業資質進行自動篩選和過濾，通過商機分析、營銷追蹤、企業畫像、創新產品推送、授信額度測算，清晰定位、觸達目標客戶；二是二是突破傳統“收入利潤+資產抵押”的信貸思維，創新應用“技術流”等手段量化評價科技企業的人才、團隊、股權、成長價值，搭建科技企業專屬評級與風控模型，增強科技企業尤其輕資產企業融資可得性；三三是是根據科技企業所屬產業鏈環節及所處生命周期特征，應用產業鏈、供應鏈交易數據并針對特定場景開展差異化產品設計研發，為科技企業提供定制化專屬金融服務；四是四是加快營造科技金融服務生態，聯合政府部門、科技園區、產業企業、投融資機構等建設開放銀行

61、或綜合性金融服務平臺，提供覆蓋科技企業全生命周期的政策指導、資金融通、需求對接、咨詢培訓等服務，支持科技企業發展壯大。3.3.強化綠色低碳數據應用，賦能綠色金融深化發展強化綠色低碳數據應用，賦能綠色金融深化發展 發展綠色金融是支撐美麗中國建設的重要舉措。為深化綠色金融發展，金融機構將聚焦綠色識別、綠色評價、綠色認證、綠色融資、綠色交易等流程缺乏數據與技術支撐的難題，積極發揮金融科技賦能、使能作用，具體包括：一是一是運用數字技術搭建綠色業務識別或綠色金融管理系統，將綠色智能識別與評價納入授信流程，為綠色金融服務提供準入、評價及運營管理支撐；二是二是運用大數據、區塊鏈等技術搭建綠色金融數據庫，支撐

62、綠色主體的數據收集、分析和評估，加強各方綠色數據共享，為綠色主體融資服務提供數據支撐；25 三是三是通過開設企業和個人碳賬戶、創設環境效益測算工具、碳資產管理運營平臺，動態采集分析企業和個人碳排放數據，為碳金融產品創新提供工具支撐；四是四是應用衛星遙感、物聯網等技術，實時動態監測綠色產業發展狀態，支撐氣候災害保險、綠色農業、分布式光伏等場景金融服務；五是五是加強綠色評價體系建設，引入 ESG 評價體系、轉型金融量化評價等評價體系，加強信息披露與結果應用，支撐金融業 ESG 治理。4.4.大力發展數字普惠金融，促進普惠金融精耕細作大力發展數字普惠金融，促進普惠金融精耕細作 普惠金融如何長效發展是

63、全球性難題，數字化作為降低金融服務成本、提升金融服務包容性最受認可的解決方案，已被金融機構廣泛采用并推動普惠金融取得積極成效。未來，金融機構將圍繞服務渠道、產品體系、運營管理、風險防控等普惠金融主要環節做好數字化改造與支撐，不斷優化數字普惠金融服務，支撐我國普惠金融高質量發展，具體包括：一是一是借助移動互聯網、物聯網等數字技術持續完善數字化服務渠道，促進線上線下渠道融合發展，為普惠客戶提供隨時、隨地、隨心的接入和服務體驗；二是二是應用大數據、人工智能等技術，加快外部公共數據、企業數據對接與應用，挖掘普惠客戶商辦經營、供應鏈、生活娛樂、金融服務等各類場景，分析和利用各場景特有的交易數據、行為數據

64、等支撐投融資服務，打造綜合化普惠金融服務社區；三是三是深化應用流程機器人、集約化作業模式等數字手段，加強集約化、數字化運營能力建設，促進業務及運營管理流程再造，提升普惠金融服務效率、降低服務成本；四是四是強化數字化賦能，加強資金 26 流向、貸后預警、反洗錢等方面系統建設力度，運用機器學習等技術持續迭代風控模型，增強風險識別和預警的及時性、前瞻性、有效性，增強普惠金融業務可持續能力。5.5.加強養老場景生態建設，持續豐富養老金融服務加強養老場景生態建設，持續豐富養老金融服務 科技賦能養老金融，不僅有助于擴展養老金融服務邊界，也是養老金融供給側結構性改革的重要內容，將為做好養老金融大文章以及實現

65、內涵式發展提供重要動力。金融機構將積極應用數字技術賦能養老金融服務場景與生態建設，圍繞養老金金融、養老服務金融、養老產業金融，加快構建產品豐富、普惠安全的養老金融體系，支撐養老金融快速發展，具體包括：一是一是開辟養老金融服務專區，打造養老金融數字化平臺，充分挖掘養老金融服務個性化場景、分析特色化養老金融需求、設計定制化養老金融產品，提升養老金融服務效率和深度；二是二是應用數字技術促進金融服務和產品適老化改造，拓展 724 小時咨詢服務、動態監測、緊急呼叫、情感陪護、安全防詐等功能，提高老年群體金融服務的可得性、便捷性、安全性，提供多元化和包容性客戶體驗；三是三是針對老年群體醫養、康養、旅游等多

66、元服務需求，以非金融場景建設為觸角，整合金融、醫養、康養、社區、民政、旅游等資源構建開放式養老服務生態圈，無縫嵌入金融服務與產品，促進老年群體消費需求有效滿足，助力老年人生活品質提升。（六）（六）金融安全工作將不斷迭代升級，夯實數字金融安金融安全工作將不斷迭代升級，夯實數字金融安全能力底座全能力底座 1.1.多部配套法規細則出臺，促進安全防護更加規范多部配套法規細則出臺，促進安全防護更加規范 27 近年來，隨著網絡安全法數據安全法個人信息保護法 以及 網絡數據安全管理條例 等法律法規出臺，我國網絡和數據安全治理體系日益完善。金融業將持續加強自身網絡安全和數據安全管理體系建設，加快推進金融網絡安

67、全管理以及人民銀行業務領域數據安全管理工作，不斷推動“十四五”期間金融業網絡安全和信息化規劃落地實施并進行階段性評估。2025 年，國家互聯網信息辦公室出臺的 網絡安全事件報告管理辦法將定稿發布，提供了更細化的網絡安全事件報告規則，金融業將積極落實行業網絡安全事件報告管理，持續做好金融網絡安全態勢感知平臺管理優化與技術升級，對網絡安全事件進行實時感知、智能理解、預測和響應，不斷強化金融業風險預警與協調管理能力。2.2.技術防護手段不斷豐富，增強安全風險應對能力技術防護手段不斷豐富，增強安全風險應對能力 面向金融業網絡安全與數據安全技防能力建設，未來可重點關注以下方向：一是生成式人工智能。一是生

68、成式人工智能。通過生成式人工智能輔助安全威脅發現、安全信息提取分析、安全策略應對等業務流程，或通過生成式人工智能從攻擊者視角模擬攻擊，預測攻擊模式以及攻擊者未來行動路線等，助力安全管控與策略的迭代升級。二是零信任安全。二是零信任安全。在云計算、分布式系統等新技術推動下，網絡邊界逐漸模糊，基于邊界的傳統安全防護模式難以有效應對內外部威脅。零信任安全模型憑借“永不信任，始終驗證”原則，或成為未來金融網絡安全與數據安全的有效解決方案。三是商用密碼技術。三是商用密碼技術。在數據成為新生產要素背景下，安全和流通成為數據生產要素的一體兩 28 面，數據泄露、濫用、竊取、篡改等風險不斷增加，同時還面臨量子計

69、算“先存儲，后破解”的潛在威脅。未來，傳統與抗量子密碼等前沿商用密碼技術，結合隱私計算等新興技術，將與數據全生命周期深度融合并用于各類數據安全場景，不斷增強金融數據安全防護能力。四是量子技術。四是量子技術。利用量子通信的無條件安全性和高效率，通過量子密鑰分發技術，開展量子安全通信傳輸試點；積極推動抗量子密碼改造試點，可有效增強金融核心資產安全性，形成深層加密防御的創新解決方案。五是加強立體防護。五是加強立體防護。探索建立結合包括軟硬件、網絡等在內的立體化防護手段，如芯片內生安全技術，通過在國產 CPU 等自主可控硬件上嵌入和集成安全處理器、國密指令集、硬件密碼協處理器、內存保護、安全虛擬化、安

70、全啟動、內臵可信根等安全機制，確保實現最基礎層面保護；此外，還有如探索數據面威脅檢測與隔離、“干凈數據”恢復等技術手段，以應對嚴峻的勒索攻擊形勢。3.3.增強安全防御的主動性，提升安全運營智能水平增強安全防御的主動性，提升安全運營智能水平 隨著數字化轉型深化以及網絡攻擊技術發展，以安全產品堆砌、“護城河式”的傳統安全架構效果越來越有限，智能化安全運營將成為網絡安全建設重要方向。一方面，隨著金融業務快速迭代升級，安全廠商缺少對實際業務場景深入了解，不同行業客戶面臨的安全威脅、安全需求各不相同，通用、普適安全產品不再滿足個性化客戶需求，使得傳統安全運營產品難以適應市場需要；另一方面，網絡安全與數據

71、安全威脅快速演進和復雜化，但金融業安全人才不足、告警 29 疲勞、誤報漏報、安全產品聯動響應能力弱等問題突出，傳統安全運營模式越來越捉襟見肘、疲于應付。因此，智能化安全運營將成為網絡安全建設的重要方向。金融機構需提升主動、動態的安全運營能力，建立完善的安全監測與預警系統，制定符合自身業務需求和風險預期的安全運營策略：一方面，加強多層次、端到端有效防護，通過網絡與存儲多層檢測及聯動的數據保護，實現有效的攻擊前預防、攻擊時精準檢測及響應和攻擊后快速恢復，使攻擊防護從被動響應向主動防御轉變；另一方面，針對告警噪聲等問題，通過搭建智能化安全運營平臺，結合生成式 AI 技術主動自適應學習、潛在特征挖掘與

72、關聯等能力，實現智能告警聚合、行為分析、情報關聯，精準檢出真實攻擊行為，在降低告警數量的同時提升告警質量，輔助運營人員精準發現真正有價值、需要關注的安全事件，實現對復雜攻擊模式的精準研判和預警，促進有限安全資源的合理性配臵和管理，驅動安全防護體系更加高效、智能和全面。30 四、發展建議（一）（一）加強統籌規劃與協同加強統籌規劃與協同 深化金融科技發展規劃落實，聚焦數字技術與數據要素雙輪驅動能力建設，繼續組織實施金融數字化轉型提升工程，推動金融機構加強戰略規劃和組織管理，建立健全數字化轉型“一把手”負責制、統籌協調機制、運營機制和成效評價體系，系統提升金融業數字化水平，為中國特色現代化金融體系建

73、設提供科技力量。針對數據要素流通與共享、新型算力基礎設施建設、大模型金融安全應用、金融業核心系統主機上云、數字技術賦能金融五篇大文章、金融網絡與數據安全建設等領域，加強相關領域發展的統籌規劃，推動構建和完善相關領域法律法規、政策、制度體系，促進科學合理布局與建設，強化金融與相關部門協同，注重發揮政策合力。（二）（二）強化需求與場景驅動強化需求與場景驅動 需求驅動方面，支持金融機構業務、科技、運維等部門互動或組建跨部門任務型團隊，推動建立前端業務部門需求驅動的數字技術開發模式，建設支持業務人員的開發工具，提高科技開發的敏捷響應能力，促進數字技術開發質效提升。場景驅動方面，堅持金融機構創新主體地位

74、，發揮大型機構帶動和示范作用，以人工智能等新技術商業落地為主線，聚焦客戶服務、需求分析、定價風控、資產管理等高價值場景以及服務金融五篇大文章重點場景，加快提升場景創新能力、強化場景創新實踐、完善場景創新生態，推動建立“場景科技金融產業”良性循環，助力金融與經濟高質量發展。31（三）（三）加強數據治理與應用加強數據治理與應用 數據治理方面，加強數據治理戰略級協同配合，強化數據分類分級，建立和完善企業級數據資源池，發展合成數據，推動數據治理自動化和智能化，提高數據治理質量和效率，促進高質量數據供給。數據應用方面，國家層面加快建立健全分類分級、確權授權制度，完善數據產權登記、價值評估、收益分配等配套

75、機制，夯實數據要素市場化利用制度基礎；機構層面加強隱私計算、可信計算、機密計算等新技術研究應用，促進數據安全可信流通，依托數據倉庫、數據湖、大數據平臺、數據可視化等技術，深化金融五篇大文章場景的數據分析與服務，加快提升數據驅動和決策能力。（四）（四）深化新技術應用賦能深化新技術應用賦能 技術應用方面，加強隱私計算、可信執行環境等數據要素流通技術開發與應用，促進數據要素潛能釋放；加快算力資源云化、智能調度、存算網協同等技術，以及液冷、AI 參數優化、帶外監測等綠色節能技術應用，打造高效綠色算力；推動建立負責任的企業級人工智能基礎平臺，研究探索人工智能大模型規范科學部署模式，強化對金融業務及金融五

76、篇大文章場景的深度賦智、多向賦能；探索量子計算金融應用并前瞻布局量子安全，促進算力創新發展并助力金融安全。技術管理方面，針對新技術應用帶來的金融業務、科技、運維等管理領域復雜度提升及風險管控難度加大等挑戰，探索應用人工智能等新技術賦能，強化人機協同能力建設，實現“以技術對技術、以技術管技術”，不斷提升科技應變能力。32（五）（五）引導基礎設施共建共享引導基礎設施共建共享 在金融管理部門等政府部門引導下，針對行業共性痛點，聚合金融機構、科技企業、行業組織等多方力量聯合建設行業級公共基礎設施。如數據要素流通方面，探索建設金融業可信數據空間，促進金融業數據在安全可信環境下流通應用，對接公共數據可信流

77、通基礎設施，形成跨機構、跨行業、跨地域的安全可信數據流通環境；在算力基礎設施方面，探索建設行業智能算力公共平臺，通過建設統一算力調度和資源管理平臺，支持跨區域、跨機構調度外部算力服務，并對多種 AI 算力資源統一納管，建立統一資源池，實現資源跨云靈活分配，支持行業機構按需使用算力資源或聯合開展金融業高質量語料集建設以及大模型相關訓練推理。（六）（六）促進促進重點領域重點領域標準化標準化建設建設 針對相對系統化領域發展需要，在主管部門指引下，研究制定相關領域建設的統一標準和規范，避免重復建設，促進技術共享與經驗交流。比如數據方面，探索出臺金融業數據估值定價標準指引，制定統一技術規范，明確數據定義

78、、數據傳輸、數據交換等技術標準及實施細則，引導各方按照標準構建數據服務能力，降低數據對接門檻；算力設施方面，開展多元異構算力融合、智能運維、信創改造、存算網協同等領域標準建設，支持標準化、模塊化和預制化算力產品開發，促進算力資源高質量發展；大模型應用方面，加強大模型金融應用的數據、算法、模型等領域標準建設，促進行業高質量數據集與負責任模型算法建設，促進大模型廣泛賦能。33（七）（七）支持差異化路徑支持差異化路徑選擇選擇 支持金融機構因地制宜、因時制宜探索數字化轉型戰略以及具體技術路線選擇等發展道路。數字化轉型方面，即可選擇全流程、全系統、全方位的數字化轉型，也可優先選擇影響程度深、范圍廣、價值

79、高的業務領域或環節加快開展；算力底座方面，在能力允許前提下可采取完全自建的私有化部署，也可在保障安全前提下借助外部算力資源開展算力應用或作為算力資源補充；核心系統主機上云方面，存在核心平遷、核心組件替換、全面重構等不同路徑，金融機構可結合自身實際審慎選擇最適用的主機上云路徑，確保上云過程平穩、高效；大模型金融應用方面，有條件的可采用體系化方式，通過建立涵蓋算力、算法、數據等全棧自主可控大模型技術體系進行大模型應用實踐，也可采用試點落地、逐步遷移的策略，選擇特定場景或環節快速推進大模型應用。（八）（八）加強加強數字化數字化人才培育人才培育 聯合政產學研用多方力量，推進數據分析、人工智能大模型、智能運維、安全攻防及技業復合型等金融領域數字化人才培育工作。政府部門出臺支持數字化人才發展的財政、稅收及便利化公共服務等配套政策，支持金融數字化人才認證及體系建設，完善數字化人才培育政策支撐。高校院所加強數字化人才相關學科建設，探索聯合培養、交叉培養等校企合作機制，加快輸出符合市場需要的數字化人才。金融機構加快健全數字化人才培養、選拔和任用機制，完善數字化人才考核激勵措施，使數字化人才引得來、用得好、留得下。34