9月银行AI月报:上海首开面客试点,采购近亿

上半月看账本，下半月看合同，月末看政策——一个月里，行业的问法换了三次

9 月的银行 AI 有三条并行的线。上半月看账本：六大行和股份行在半年报里密集披露场景数、Token 消耗量和等效人工工时。下半月看合同：浙商银行一纸 6489.61 万元的"智能体基础软硬件"中标公告，刷新年内金融机构单笔智能体采购纪录。

而月末出现的那份文件，把前两条线都重新定位了——9 月 18 日，国家金融监督管理总局上海监管局印发 16 条措施，首次为生成式 AI"直接面客"打开试点口子。这意味着银行 AI 下一阶段的竞争，不再只是"谁部署得多"，而是"谁敢让模型直接对客户说话、以及能不能说好"。

01本月最重要的一件事：上海 16 条

核心政策 · 沪金发〔2026〕19 号

           《推动上海银行业保险业人工智能应用的若干措施》｜国家金融监督管理总局上海监管局｜2026 年 9 月 18 日印发（9 月 24 日起陆续公开）｜原文刊于上海市委金融办官网         

允许金融机构在可控环境下逐步开展直接面客的大模型应用，并与网信部门的生成式人工智能服务备案、应用登记机制相衔接。

这句话的分量在于它改的是应用边界。过去两年，金融机构的大模型基本都跑在"后院"——风控、投研、核赔、客服辅助、知识管理，客户看到的界面还是人工或传统系统。这次文件明确把大模型推向客户经理辅助、产品咨询、财富陪伴、业务办理引导这些客户可直接感知和交互的前台场景。文件同时提出，积极争取上海纳入金融监管总局开展的地区试点。

措施分三大方面共十六条，三条主线值得单独拎出来：

• 场景升级
  ：深化智能营销、智能信贷、智能核赔、智能风控，建设多维风控模型以提升对舆情、非法集资、欺诈、洗钱的前瞻预警；并支持"稳妥探索新一代智能终端和金融智能体建设"，推动服务方式从"数字赋能"向"智能驱动"演进。
• 基础设施（最实在的部分）
  ：算力上采用"租购并举"构建混合云平台，可租赁使用国家算力节点或行业基础设施，并完善云边协同；模型上确立"通用大模型兜底 + 行业大模型落地"的采购策略，建立大模型与轻量模型的分层协同架构；数据上提出建立"数据 + 模型"双闭环机制，要求把 AI 能力封装为标准化接口供业务系统调用、用微服务架构解耦能力模块。
• 治理与准入
  ：把 AI 纳入数智化转型战略规划，建立高风险应用场景准入控制机制；健全模型风险管理体系，提高可解释性，重点防范幻觉、黑箱与大模型安全漏洞。

监管同时也把红线画得很清楚，三条值得逐字记：① 备案登记全覆盖——面向公众服务的生成式 AI 模型须按网信部门规定备案或登记，自研、微调、私有化部署、API 调用等情形均在列；② 高风险场景先批后上——须经本机构风险管理委员会批准，上线前向上海金融监管局报告；③ 外包名单制 + 风险隔离——外部算力、模型服务、数据处理须纳入信息科技外包风险管理体系，对合作机构实行名单制管理并设立有效"防火墙"，重要外包情形提前报告。

还有一句被很多人忽略但很关键：文件提出研究包容审慎、分类分级的弹性监管框架，探索建立人工智能应用的容错机制，对不同风险等级事件建立差异化容忍度。翻译过来就是——监管开始承认"试错"是过程的一部分，但要把试错的边界和代价提前算清楚。

把时间点放回 9 月，这个文件不是孤立动作。同期，中国香港金融管理局与数码港把生成式 AI 测试框架升级为 GenA.I. Sandbox++，重点从静态文本生成转向自主智能体执行，据报道该沙盒已有超过半数的金融测试用例转入生产环境，背后是 17 亿港元的 AI 补贴计划。沪港两地在一个月内做出方向一致的动作，说明"让 AI 从前台走到客户面前"已经是区域金融中心之间的竞争命题。

029月时间线

上半月是展示与披露，下半月是采购与治理，月末落在一纸政策上。

2026 年 9 月 · 银行 AI 关键节点

金色 ★ 为月度最关键节点；时间线按公开披露日期排列

03钱花在哪：9月可查采购与中标

本月最值得记的一笔是浙商银行。该行"智能体基础软硬件"采购项目由北京可利邦中标，金额 6489.61 万元，刷新年内公开可查的金融机构智能体单笔采购纪录；叠加 946 万元的"财富及供应链智能体"订单，浙商银行单月智能体公开采购合计约 7436 万元。

这笔钱的结构比金额本身更有信息量。在传统金融 IT 采购目录里，六千万预算通常会被拆成服务器硬件、数据库软件和系统集成服务三块；而这次它们被统一装进一个全新科目——"智能体基础软硬件"，GPU 算力池、知识工程、模型调度、工具调用平台全套打包。银行不再只是买"能算数据的机器"，而是直接买"能串起业务的那套东西"。值得注意的是，上海 16 条里"能力封装为标准化接口、微服务架构解耦"的表述，恰好给这类采购提供了政策依据。

把时间拉长看，这不是一个月的偶然。据第三方机构"智能超参数"统计，2025 年金融行业大模型中标项目达 587 个、披露金额 15.06 亿元，而 2024 年只有 133 个项目、2.4 亿元——项目数增幅约 341%，披露金额增幅约 527%。其中银行发起采购项目 290 个，占金融行业总数近一半，披露中标金额占比达 75.2%。

更关键的是结构性变化：进入 2025 年下半年，应用类项目（含智能体、场景融合解决方案）数量已超过算力类，成为最主要的采购方向。行业焦点从"拥有大模型"转向了"用好大模型"。上海 16 条中"租购并举用算力"的提法，某种程度上正是对这一变化的官方确认：算力不必自己买，但要能弹性调度。

当所有人还在讨论"大模型会不会取代打工人"时，银行已经把账算明白了。

—— 9月，这句话第一次有了预算表作证

04各家的账本：谁在什么位置

9 月披露的数据显示，不同体量的银行已经走出三条明显不同的路。国有大行拼底座与场景覆盖，股份行拼投入产出的精细账，中小银行则更多靠"抱团 + 外采"补齐能力。

国有大行：铺底座，覆盖场景数以百计

• 工商银行
  ："工银智涌"大模型落地场景超 600 个，金融市场业务智能询价交易占比突破 96%，审核效率是引入前的 5 倍；"智融通"信贷全流程智能体矩阵含 30 余个智能体；"AI 智审"累计输出 36 万条合规审查意见，采纳率 98.6%；私行综合服务方案生成时长由 5 天降至 3 小时。
• 建设银行
  ：生成式 AI 覆盖超 600 个场景，累计金融科技专利授权 5505 件；客户经理智能助理"帮得"上半年月活超 4 万人、累计交互近 9000 万次，使用成效较好的客户经理，管理客户资产规模新增较全行平均高出 57 个百分点。
• 中国银行
  ：智能化助手超 2200 个，自动化替代覆盖超 3800 个场景；AI 大模型用户突破 3.2 万人，智能研发助手月活超万人。
• 农业银行
  ：手机银行月活客户超 2.82 亿户；自研智能体"ABC-Claw"，企业级数字助手"一明"全链路嵌入服务、管理、办公。
• 邮储银行
  ：联合华为发布"邮智"金融行业大模型，落地超 370 个应用场景，大模型能力接入超 90 个行内系统；日均调用超 600 万次（业绩会口径为超千万次）、日均输入输出词元超百亿（业绩会口径三百亿）。

股份行：把投入产出算到小数点

• 招商银行
  ：智能化场景 1386 个（较上年末 +62%），日均 Token 吞吐量同比 +78%，领域模型 256 个较上年末 +40%；上半年信息科技投入 46.79 亿元，占营业收入 2.99%；研发人员 10946 人，占员工总数 8.98%；AI 带来 1388 万小时等效人工工时；金葵花客户经理人均有效触客 +14.65%、客均成交金额 +35.82%。
• 平安银行
  ：Token 消耗量超 53 亿、同比 +130%，累计落地场景超 450 个；零售信贷 AI 产能占比提升至 12%，对公贸易合同背景审查提效 30%，资金同业报表生成提效 70%。副行长项有志的一句表态在业内流传很广："纯粹为了做 AI 玩炫技没有意义。"
• 中信银行
  ：AI 服务场景累计超 1900 个。
• 兴业银行
  ：上线主流大模型 21 个，日均调用量超 210 万笔，累计部署智能策略 2.18 万个，触客 5.97 亿人次，带动综合金融资产 1784.59 亿元。
• 交通银行
  ：累计落地 420 个场景，连续两年完成"降千人力"目标；正在建设个人智能体工作台 BocomWork，集成日常工作、创意设计、代码开发三大能力，打磨百余个开箱即用的 Skill 与智能专家。
• 光大银行
  ：上线"零售客户 AI 速写"，靠大小模型协同把客户金融需求分析压缩到 1 分钟以内；提出建设"三新"智能银行——新流量（A2A 智能体间交互）、新服务、新风控。
• 渤海银行
  ：自研"风险探查分析报告智能体"入选中国信通院《2026 智能经济新形态：智能体创新实践汇编》，采用"数据挖掘 + 指标筛查 + 风控分析"多智能体协同，从业务结构、资产质量、产品类型、分支机构、客户经理等七大维度构建评估矩阵，风险分析报告编写时长从 3 天缩短至 3 分钟，已提供风控报告 2000 余份。

城商行/农商行：抱团与外采的两条路

• 江苏银行
  ：提出"AI Inside"，落地"1860"体系（1 个智能底座、8 个数字行员助手、60 个高价值场景）；日均 Token 使用量较 2025 年末 增长 18 倍，部署从十亿级到万亿级的 15 种模型，AI 相关应用累计替代 120 万工时。
• 民生银行
  ：建成支持 Skill、MCP 协议的企业级 Agent 平台，通过网关技术实现智能体身份认证与越权防控；采用权重量化与推测解码，大模型推理速度提升 40%；下一步为零售经营团队全面配置 AI 助手。
• 昆山农商银行
  ：自研"昆小智"2.0 上线，从"一问一答"升级为能理解目标、拆解步骤、调用工具、交付成果；上线首周承接 1200 项任务、日均 Token 消耗超 2 亿；"风控策略智能体"把原本 1—2 周的规则挖掘压缩到 5—10 分钟。
• 四川天府银行
  ：适配大模型的全渠道智能客服 AI 外呼系统投产，梳理出 40 余项外呼场景清单；人工外呼业务负荷降低约 80%，每日节约等效人力约 1.51 人。
• 南京银行
  ：累计建成 156 个 AI 智能体。
• 浙江农商联合银行（浙农数科）
  ：以"丰收农场"智能体创作平台 +"丰收萝卜"智能体系列向多家成员行输出，覆盖公司、零售、财务、风险等 16 个领域；瑞丰银行已打通生态连接，并把现有 AI 能力封装为 MCP 服务。

9 月三个"能干活"的实测样本

15万→40万外滩大会上，网商银行百灵 2.0 现场演示：餐饮经营者提出"想把额度提一提"，智能体主动追问新店投入与老店经营，结合流水与商圈给出方案，从提出需求到审批方案确定约 10 分钟（此前同类复杂需求通常需 3 天）。关键决策仍由有权限的人员作出。

2周→1天四川天府银行 AI 外呼系统：传统模式完成话术与问答对配置约需 2 周，依托大模型提示词工程仅需 1 天完成业务主干配置；首个落地场景为账户回访，覆盖 13 类合规回访业务。

3天→3分钟渤海银行"风险探查分析报告智能体"：多智能体协同 + 七大维度评估矩阵，把风险分析报告编写压缩到分钟级，并为分行输出"一行一策"的风险管理方案，已产出报告 2000 余份。

05技术与管理侧的四条暗线

• 协议正在成为银行内的事实标准。
  民生银行的企业级 Agent 平台明确支持 Skill 与 MCP 协议；瑞丰银行把行内 AI 能力封装为 MCP 服务，推动业务中台、数据中台与 AI 中台协同。上海 16 条进一步要求"推动能力封装为标准化接口，供业务系统调用"——MCP 从开源社区名词变成了监管文件里的技术路线。
• 智能体的"身份与越权"被当成安全问题单独立项。
  民生银行用网关技术做智能体身份认证与越权防控，并构建 AI 安全漏洞检测智能体；昆山农商银行"昆小智"2.0 全栈部署于行内受控内网、与互联网物理隔离，设安全沙箱，所有 AI 生成结果需经员工确认后使用。海外一侧，NVIDIA 在 9 月 28 日发布 Open Agent Safety Platform，用运行时策略与独立监控组件追踪、隔离越界智能体，摩根大通参与共建；摩根大通同期还给部分工程师设了每月 2000 美元的模型调用额度上限，并用容器环境限制模型对内部凭证与系统的访问。
• 组织架构在动。
  浦发银行成立总行人工智能中心，构建千卡智算基座与企业级知识资产管理体系；北京银行提出"点—面—网"立体化组织体系，推动 AI 能力"全员覆盖、全业务渗透"；海外，汇丰在新加坡设立全球 AI 卓越中心，约 100 个专职岗位，向今年 3 月上任的首位首席 AI 官汇报。
• 成本侧开始有了度量体系。
  工商银行正在建立以 Token 为核心的精细化成本收益度量体系，覆盖分配管理、成本核算、价值评估与低效治理，实现全行 Token 全生命周期运营。业内共识也很直白：同样数量的 Token，因算力卡、模型、推理优化不同，成本能差数十倍，看的不是总量绝对值，而是单位 Token 创造的价值。这也解释了上海 16 条为什么强调算力"租购并举"而非自建。

06四个判读

1

监管口子开了，但开的是"有条件的门"

上海 16 条把"直接面客"写成试点，同时配了三条硬约束：模型必须备案登记（自研、微调、私有化部署、API 调用全覆盖）、高风险场景须经风险管理委员会批准并向监管报告、外包机构名单制加风险隔离。这说明下一阶段的门槛不在模型能力，而在合规工程能力——能不能把模型的可解释性、留痕、准入审批、外包尽职调查做成一套可被检查的体系。

2

采购逻辑切换：从"买算力"到"买智能体"

浙商银行把 GPU 算力池、知识工程、模型调度、工具调用平台打包成一个"智能体基础软硬件"科目，单笔 6489.61 万元。它意味着智能体已经从技术概念变成银行采购目录里的一个正式品类。而上海 16 条明确"租购并举"用算力，等于告诉市场：算力可以不买，但调度与编排能力必须自己有。

3

中小银行两条路都已跑通

一条是"抱团"：浙江农商联合银行用"丰收农场 + 丰收萝卜"向成员行输出能力，山东城商行合作联盟做了 2026—2028 三年规划。另一条是"外采"：重庆农商行、广西北部湾银行、徽商银行直接招标。两条路共同指向一件事——中小银行真正的资产不是模型，是区域产业集群与小微商户数据，能不能把它们加工成动态信用画像，才是壁垒所在。

4

"AI 干活、人兜底"这个说法正在被否定

9 月末《金融时报》组织的一场银行科技从业者交流里，一个判断被反复确认：这一轮不是把线下流程搬到线上，业务的信息处理与决策核心已经不再只是单一的人工主体，而是人工主导、人工可控、全程可溯源的模型体系与人机协同机制。Sibos 2026 上微软的说法是"人主导、智能体执行"（human-led, agent-operated）——责任边界怎么划，比技术能力更影响落地速度。

07给从业者的三条提示

• 合规工程能力正在成为投标的入场券。
  上海 16 条要求备案登记全覆盖、高风险场景先批后上、外包名单制管理。这意味着供应商不仅要证明"模型效果好不好"，还要配合甲方完成模型登记、可解释性说明与外包风险隔离，甚至需要提前进入甲方的外包合作名单。
• 交付能力压过模型能力。
  本月大单的共性都是"平台 + 场景矩阵"——上海银行买的是高代码智能体工作站，要的是原子化、可编排、可追溯、可审计的开发运行平台；中科金财的中标说明写得很直白：不要单点 Agent，要能复用的智能基座。
• "面客"打开的是增量场景，不是通用能力。
  政策允许的方向是客户经理辅助、产品咨询、财富陪伴、业务办理引导——都是有明确业务边界、可留痕、可回溯的场景。反过来，靠"通用对话能力"讲故事的方案，在这类场景里过不了准入这一关。

数据来源与口径说明

1. 政策依据：《推动上海银行业保险业人工智能应用的若干措施》（沪金发〔2026〕19 号），国家金融监督管理总局上海监管局 2026 年 9 月 18 日印发，原文刊于中共上海市委金融委员会办公室官网；解读引自人民网上海频道、中国新闻网、上海证券报·中国证券网等公开报道。文中对政策条款的归纳以原文表述为准。

2. 采购与中标数据：取自各机构官网采购信息公示（徽商银行 9.09、广西北部湾银行 9.18）与公开中标/招标信息及媒体报道（浙商银行、重庆农商行、上海银行、浦发银行、恒丰银行）。金额为投标总报价口径，部分含 5 年维保费；浦发、恒丰两笔未披露金额，未计入合计。"可查金额合计约 9200 万元"为已披露项目下限加总，非全市场全量。

3. 经营与场景数据：取自 2026 年 A 股上市银行半年报、业绩发布会公开披露及 9 月财经媒体报道（经济参考报、证券时报、中国银行保险报、金融时报、中国经营报等）。同一指标存在多个披露口径时（如邮储银行日均调用量与词元数），已在文中并列标注。

4. 境外动态：取自 Sibos 2026 公开议程与报道、汇丰与美国银行官方新闻稿、NVIDIA 官方发布，以及关于中国香港金融管理局与数码港"GenA.I. Sandbox++"的公开报道。相关地区表述已按规范标注。

5. 市场结构数据：金融行业大模型中标项目数与金额数据来自第三方机构"智能超参数"统计，经公开报道引用；"约 80% 金融机构已部署金融智能体"来自艾瑞咨询调查。

6. 本报告为公开信息整理，不含非公开信息，不构成投资建议。数据截至 2026 年 9 月 30 日。