一場1800億的銀行科技暗戰

4月14日，郵儲銀行與長光衛星聯合研制的遙感衛星搭乘運載火箭，在酒泉成功發射；

這顆具備優于0.5米分辨率的全色高清光學遙感衛星，已被納入“吉林一號”星座體系，郵儲銀行也由此成為國內第4家自行參與研制并發射衛星的商業銀行。

從地面的網點柜臺一躍步入太空軌道，如今的銀行業，正被一種濃厚的極客氛圍所籠罩。

農業銀行的業績發布會上，董事長谷澍向市場展示了最新成果——農行版“龍蝦”。

谷澍表示，公司已針對近期爆火的開源智能體OpenClaw，推出定制版“龍蝦（ABC-Claw）”，幫助客戶經理自動交叉驗證數據、智能生成盡調報告，提效信貸流程。

興業銀行的發布會則呈現出更為直觀的科技感，副行長孫雄鵬的數字分身登臺亮相，流暢地向投資者們報告了興業銀行的科技家底。

戰略層面的定調在各家報表中同樣清晰：

招商銀行提出“AI First”理念，在現有零售優勢之上構建全新智能引擎；

平安銀行在收縮高風險業務之際，將科技視為穿越周期的核心競爭力；

興業銀行則在財報致辭中，將數智化轉型定義為關乎未來的生死存亡之戰。

這是一場押注未來的豪賭。

13家A股上市國有大行、股份行的年度科技總投入整體在1800億元以上。

樞紐調研發現，龐大的數字背后，各家銀行具體打法已呈現分化。當凈息差收窄成為常態，評判銀行科技投入的標尺，也從規模轉向了效能。

科技賬怎么算

從年報數據看，如今國股行的金融科技正處于一個微妙的十字路口。

剔除未公示具體數據的平安銀行與浙商銀行，A股13家國有大行及股份制銀行在2025年的信息科技投入累計達到1838.78億元，較上年的1813.17億元微增1.41%；

2023-2025年，科技投入占營收的整體比重，在4.53-4.57%的區間內小幅波動。

在這條平緩的均線之下，不同梯隊的銀行呈現出截然不同的演進邏輯。

國有大行依托營收底盤，維持著穩定的投入與占比。

2023-2025年，國有六大行的信息科技總投入已由1228.22億元增至1300.91億元，占營收比重維持4.0-4.5%左右，呈現小幅向上的趨勢。

態度最積極的交行，科技投入占比常年高居5%以上，相對克制的郵儲銀行則不足4%；

工、農、中、建四大行保持著高度一致的步調，2025年投入占比均緊貼4.5%的中樞地帶，分別為4.39%、4.39%、4.52%、4.51%。

更突出的分化發生在股份制銀行之間。

招商銀行、興業銀行、中信銀行等規模第一梯隊的股份行，已經開始踩剎車：

例如，招商銀行的科技投入從2023年的141.26億元一路回落至2025年的129.01億元，營收占比也由4.87%降至4.46%；

興業銀行的科技投入連續三年下滑、已降至3.62%，中信銀行則由7.80%回落至5.97%。

部分規模居中的股份行，仍在加速追趕：

例如，光大銀行的科技投入占比從2023年的5.79%一路沖高至2025年的7.17%，浦發銀行與華夏銀行的科技投入規模、占比，也同步呈現出上升態勢。

這是一組反常的背離——為何當金融科技與大模型的敘事在市場上愈發火熱時，頭部機構真實的資金流向并未大幅跳躍，反而趨于收斂？

頭部機構降速的底層原因，或許并非戰略性收縮，而是IT基建完成了代際躍遷。

近年來，銀行業正陸續進行底層架構更迭：

2025年一季度，農行召開分布式核心工程收官總結會議，宣告完成大型主機切換下線，這意味這該行逐漸擺脫了對集中式硬件的依賴，轉向更敏捷的云架構；

建行完成分布式轉型后，境內外全量業務已由新系統穩定承載，從底層打通數據孤島；

股份行中，平安銀行也在2025年底成功投產新一代分布式核心系統，完成關鍵業務系統從集中式向分布式、單元化架構的跨越，為后續高頻AI大模型調用鋪平道路。

百億級別的IT基礎設施建設宣告收官，或意味著對于投入較早的頭部銀行，昂貴的硬件采購與基礎軟件授權的集中支出期，正逐漸過去。

完成鋪底建設后，頭部銀行的前期科技投入，也在逐步釋放效能：

例如，招商銀行的兩大App維持了1.5億月活高位，AI數字員工攤薄了單客運營成本，基于多維圖計算的風控中樞年內攔截逾百億高風險授信，讓不良率停在0.94%的低位。

興業銀行的科技投入占比僅為3.62%，ROE為8.69%、處于股份行中間水平；

得益于“企金+同業”數字化平臺的全面打通，該行的線上財富代銷與撮合交易規模大幅增長，直接拉動非息收入占比逆勢突破30%。

算力暗戰

當云原生改造的階段性收官，頭部銀行間的角力場，也從軟件架構轉向支撐人工智能的硬件基石——GPU智算集群。

在數據安全的合規底線之下，銀行業早已形成核心數據不上公有云的共識。

以工、農、中、建、交、郵儲為首的國有大行，在2025年均已對外披露全面啟動并深入推進主流開源大模型的私有化本地部署，將核心模型與數據資產鎖定在行內體系中；

樞紐調研發現，如今已有工行、農行等3家以上的國股行，開啟了龍蝦的本地化部署。

將模型請入內網，是合規的第一步。

一名股份行科技部門人士指出，在大模型落地的深水區，傳統外置安全網關因規則僵化，極易導致業務體驗受損與誤殺，行業往往會構建“分級診療”式的縱深防御：

系統會先判斷用戶的提問意圖，將普通的常規問答分流，將涉及核心數據等高風險指令，自動交給經過嚴格安全訓練的專科模型處理；

同時，技術團隊會通過高頻的模擬攻擊測試（紅藍對抗），逼迫模型從內部建立起免疫防御，讓外部僵化的攔截網關退居二線，只做最后的安全兜底。

不過，無論是培訓專科模型，還是支撐海量數據的私有化流轉，都代表各大行必須更多資源，轉向重資產的算力基礎設施建設。

建行披露，截至2025年末，其“建行云”總算力規模（含通用、智能、高性能算力）已達568.36 PFlops（FP32）；

工行、農行也在業績會中提及了萬卡（GPU）級別的智算集群規劃。

不過現實的另一重考驗是，底層的硬件資源能否穿透組織壁壘，轉化為一線的業務產能。

早在2023年，銀行業平均離柜率的官方數字已超過97%；

但現實物理網點的真實運轉中，仍有大量智能柜臺設備因交互門檻與適老化不足，日均有效業務辦理量不及預期。

內部的研發環節，同樣存在硬件算力與基層流程的斷層。

樞紐自業內了解到，如今銀行科技團隊的精力，常被EAST（檢查分析系統）等高頻的監管數據報送任務大量消耗。

同時，盡管核心交易系統的云原生迭代已在進行，但外圍分支與僵化管理機制仍存。

全球IT咨詢巨頭凱捷（Capgemini）在行報告中披露，銀行仍需將高達43%的IT預算用于維護傳統外圍系統，這嚴重擠壓了用于AI創新的資源；

IT研究機構高德納（Gartner）則指出，至2026年，全球銀行業將有30%以上的生成式AI項目，在概念驗證后被迫放棄；

這些AI項目的核心制約因素并非模型能力，而是基礎數據質量、預算限制、復合型人才短缺以及商業價值不明確。

以上種種，均說明國股行的算力布局要想更進一步，就必須從單純的硬件采購，演變為涉及組織流程、數據治理和業務邏輯重構的系統工程。

組織重構

當算力布局演變為系統工程，必然倒逼組織架構的洗牌。

過去，銀行傾向于將大量IT外圍研發與測試環節打包給外部技術公司；

盡管適度引入外部技術服務仍是行業常態，但在大模型深度應用與數據資產化的趨勢下，過度依賴外包，已引發了監管層對數據泄露與運維失控的警惕。

2025年下半年，監管曾密集開出多張相關罰單，建行因外包管理機制缺失被罰290萬元，光大銀行、民生銀行也因系統運維外包風險分別領受430萬元、590萬元罰單。

連串的罰單指向了一個底層邏輯——

傳統外包模式固有的管理盲區，已多次觸及合規與安全的紅線。

這不意味著銀行業將徹底拋棄外包，而是宣告了算力驅動的新周期里，必須將關鍵系統的架構控制權與核心業務邏輯的研發收歸行內。

對于體量龐大、且科技部門自身實力較強的國有大行而言，這種核心研發能力的向內收斂尤為堅決。

這催生了近年國股行科技條線的擴編潮：

據樞紐統計，持續披露科技人員數量的11家國股行，2024年末科技員工數量較上年末整體增長7.81%，至2025年末，漲幅顯著擴大至17.79%；

其中，建行、中行、工行均出現大幅擴招。

從配置密度來看，科技投入比重相對克制的興業銀行，科技人員占比已高達13.88%，在國股行陣營中遙遙領先。

這或是因為，興業銀行率先嘗試了“科技內生+外部輸出”的差異化路徑。

依托國內唯一對外輸出銀行核心系統技術的子公司興業數金，以及連接近800家機構的“銀銀平臺”，其龐大的科技團隊已化身為直接創收的To B服務部隊。

這一特例也說明，國股行的科技暗戰將不會止步于單純的“招兵買馬”。

與人員擴充同步進行的，還有管理層主導的跨部門組織變革：

2024-2025年，以交行、光大銀行與民生銀行為代表的多家國股行，已相繼設立由行級領導掛帥的“數字金融委員會”或類似頂層機構，試圖通過自上而下的方式，打破業務與技術部門之間的壁壘；

此外，中行重組了金融科技部與業務研發部，從架構上拉齊業務線與技術線的協同步調；

浦發銀行已在內部增設專門的人工智能中心。

將科技與業務深度綁定的組織調整，本質是幫助科技部門擺脫純粹的后臺支撐定位；

當技術投入被納入全行層面的業績統籌，研發產出便面臨更嚴格的投入產出比考量，技術開發也將與真實的業務轉化掛鉤。

要實現這種真實的業務轉化，高質量的業務數據是核心前提。

“實際操作中，強壓業務部門梳理底層數據收效甚微。”一位股份行科技部門人士指出，過去的痼疾在于，治理數據的收益在全行，但干活的成本卻壓在業務自身。

為了打破這種圍繞數據資產的部門博弈，技術側正在重塑底層的協作路徑。

該人士表示，業內正在嘗試將治理成本技術化：由技術團隊先利用工具逆向生成數據草案，業務側僅需在線糾錯；

同時優先在風控等高價值領域打造“黃金數據源”，讓業務部門直觀感受到數據準確性帶來的實質減損，從而真正將技術協作轉化為業務收益。

除了依靠底層工具化解協作摩擦，為了從根本上解決業務、技術互不了解的痼疾，各行在微觀崗位上也開始發力。

例如，2025年民生銀行進一步壯大業務分析師團隊，讓兼具金融邏輯與代碼架構理解的專業人員充當翻譯，降低跨部門的需求傳導與開發損耗；

浦發銀行抽調骨干成立“信鏈工程專班”，用專班模式直接打破條線割裂，協同研發并打通供應鏈金融體系。

在內部轉崗與培訓之余，這樣的趨勢也直接反映在了社會化招聘中。

例如，2025年招商銀行、興業銀行、平安銀行等股份行在總行與分行，招聘貿易融資/供應鏈金融產品經理、數據分析師等職位時，均要求候選人深入理解業務痛點、協調技術開發。

組織的重構與溝通壁壘的打通，也使得AI技術在部分高頻、標準化的中后臺與對公場景中，率先跑通了降本增效的財務閉環。

在中后臺的集中運營與核算環節，工行2024年給出的測算數據顯示，行內打造的AI數字員工矩陣，每年承擔的工作量已相當于5.5萬名員工的全年工時；

在金融市場資金交易這一高標準場景下，中信銀行披露，該行2025年交易自動化率突破80%，交易處理效率提升5倍，進而拉動了相關交易量的攀升；

興業銀行則表示，該行部署的AI編程助手已覆蓋超90%的研發人員，在代碼編寫與基礎測試環節顯著提升了產出效率。

觸角延伸

無論算力如何增長，中臺組織如何敏捷，銀行最終都要面對更加復雜詭譎的真實商業。

長期以來，銀行傳統風控邏輯始終存在結構性盲區——

建立在紙質合同、核心企業擔保與傳統倉單之上的賬本風控，在面對下沉市場復雜的實體資產與蓄意欺詐時，屢屢被輕易穿透。

真實爆雷的重案，已多次剝開過傳統模式的脆弱外衣。

以2019年案發、拉鋸至2026年的“承興系”詐騙案為例，該案中，犯罪分子僅憑偽造的公章與虛構的應收賬款合同，便憑空捏造出龐大的底層貿易流，累計涉案金額突破300億元。

原始的造假手段，擊穿了多家銀行的供應鏈防線，也警示著，當紙面憑證與中介信用不可靠時，銀行更需要的是跨越信息中介，直接掌控物理世界的一手客觀數據。

這種向物理世界延伸的防御，首先體現在對微觀業務場景的滲透。

例如，活體抵押物正在通過物聯網技術變成不可篡改的數字鏡像。

2024年起，農業銀行在新疆等地大面積推廣“AI智能畜臉識別貸款”，通過物聯網設備對牲畜進行全天候的體征與軌跡監測，大幅填補了重復抵押與資產滅失的風控盲區；

興業銀行與平安銀行已上線的生物資產數字化監管平臺，也讓偏遠地區的活體資產在總行風控大屏上實現了遠程可視可控。

當微觀的地面傳感觸及基站覆蓋的極限，已有大行繼續將廣域物聯網接駁至太空星座，試圖以“空天地一體”的架構，進一步收緊底層資產的數據閉環。

一場由商業銀行發起的自建星座浪潮，正在太空中上演。

2026年4月，“郵儲銀行號”遙感衛星成功入軌，該衛星具備優于0.5米分辨率的高清成像能力，將賦能高標準農田、儲備林及基建等對公核心場景；

在此之前，招商銀行也在2025年密集發射了“招銀1號”、“招銀2號”等低軌寬帶衛星；

浦發銀行則將“浦銀數智”衛星送入軌道，并全面接入低軌物聯網星座。

航天動作的背后，不僅是單一的風控考量，而是金融科技在物理世界觸角的全面延伸，銀行正在越過傳統的數據服務商，直接將海量的空間軌跡轉化為獨占的高價值數據資產。

當天空成為數據的傳輸帶，遙感影像與物聯網信號便成了業務上的電子圍欄。

據悉，招商銀行借助自研的遙感解譯系統，已實現了對全國重點合作按揭樓盤高達95%精度的施工進度實時監測。

行至2026年，審視這份總計1800億元的科技賬本，國股行金融科技的脈絡已逐漸清晰。

監管收緊、息差空間收窄正共同倒逼著每一筆科技投入走向務實，無法將研發開支轉化為實際效能的機構，必將在新周期中承受更沉重的財務拖累。

如今的頭部銀行，也已漸漸告別堆砌服務器規模與單純強調技術概念的粗放時代，開始夯實算力底座與數據主權、打破業技壁壘，將數據觸角延伸至物理世界的交易節點。

對于下一個發展周期而言，涵蓋底層算力、生產關系與數據要素的全盤重構，已是國股行競爭的必然門檻；

也只有真正將每一行代碼都轉化為實質的風控防線，將每一份算力都確鑿地嵌入利潤表，才能在凜冽的市場中穩固生存底盤。