當前，人工智能技術在國內金融行業呈現爆發式發展態勢，大模型與智能體技術正從技術探索走向規模化落地，成為銀行業數字化轉型、智能化升級的核心驅動力。國內各大銀行紛紛加大人工智能領域投入，系統化、體系化推進大模型在客戶服務、風險管控、運營管理、科技研發等全業務領域應用，以技術創新打造差異化競爭優勢，推動金融服務從數字化向數智化深度變革。

中國郵政儲蓄銀行軟件研發中心副總經理朱禮華

在此背景下，2026金融業大模型與智能體應用研討會順利召開，業內專家與企業代表齊聚一堂，共探金融大模型的技術落地與場景賦能路徑。中國郵政儲蓄銀行軟件研發中心副總經理朱禮華在會上發表主題分享，全面闡述郵儲銀行“郵智”大模型的基礎能力建設成果、場景化實踐經驗與未來發展規劃，為銀行業大模型規模化應用提供了可參考、可復制的實踐樣本。

一、筑牢技術底座：構建全棧自主可控的人工智能基礎能力

朱禮華表示，郵儲銀行大模型建設始終堅持全域場景賦能、全面能力構建、全棧自主可控建設原則，圍繞算力、數據、模型、服務四大核心維度，打造支撐大模型訓練、微調、推理與場景落地的完整體系，為全行智能化轉型夯實底層基礎。

1.算力建設：建成千卡規模信創集群，實現算力自主可控

算力是大模型應用的核心底座，郵儲銀行聚焦國產算力自主創新，建成訓推一體的千卡信創算力集群，實現算力資源集中部署、統一運維與彈性調度。

在算力管理層面，郵儲銀行打造“高容量、高性能、高穩定、高集成”特性的AI算力管理平臺，支持多種異構算力統一納管與自動分配，通過大EP部署、資源潮汐調度提升算力使用效率，實現算力資源“可用、好用、可看、可管”。

2.數據體系：打造五層高質量數據集，激活數據要素價值

數據是大模型訓練的核心生產要素，郵儲銀行搭建全自研、智能化、可視化的一站式數據工程平臺，構建原始類、集成類、應用類、規范類四類數據資產，形成“通識-行業-企業-領域-場景”五層高質量數據集體系，搭建全域數據資產底座，沉淀數據資產超40萬項。

依托數據平臺，郵儲銀行建立“數據-模型-場景”全鏈路形成數據飛輪效應，形成共生共進的良性循環，充分釋放數據要素在客戶服務、風險防控、產品創新等場景中的價值。

3.模型研發：大小模型協同，構建混合AI能力體系

在模型建設方面，郵儲銀行引入Qwen、DeepSeek、Glm等主流基座大模型，結合行內業務數據與專家經驗，形成大模型與小模型協同、生成式與決策式AI混合的模型體系，實現模型資源的靈活調配與高效管理，為模型的快速迭代奠定基礎。

在模型應用落地中，郵儲銀行通過知識蒸餾技術，將大模型能力遷移至小尺寸模型，同時面向零售、信貸、風控、運營等場景，開展監督微調與強化學習增訓，讓模型能力深度貼合銀行業務需求。

4.服務輸出：以MaaS模式賦能全行，實現能力快速復用

郵儲銀行以MaaS（模型即服務）模式統一對外提供大模型應用能力，強調能力可重用、服務可遷移、系統可擴展，實現大模型能力的“開箱即用”。目前，銀行已上線文本處理、語音交互、圖像生成等多項標準化能力，形成公共能力清單。

同時，郵儲銀行積極推動集團及分行場景接入，將大模型能力快速輸出至客戶服務、企業經營、內部管理等領域，實現場景規模化、低成本快速落地，為分行業務發展提供統一的AI能力支撐。

二、聚焦價值落地：推進大模型全場景賦能，實現金融服務數智升級

朱禮華指出，郵儲銀行大模型應用堅持價值導向，聚焦價值性、引領性、可行性三大維度篩選場景，從企業級視角統籌規劃AI應用布局，目前已布局超260項大模型場景，覆蓋客戶服務、營銷輔助、風險管控、運營分析、內部提效、創新探索六大領域，構建“前臺+中臺+后臺”全閉環、“線上+線下+遠程”的大模型應用生態。

1.對外服務升級：打造有溫度的全域客戶體驗

郵儲銀行以大模型技術重塑客戶服務模式，全面提升線上、線下、遠程全渠道服務體驗。

①線上：手機銀行智能助理，實現主動式服務

郵儲銀行基于大模型、AIAgent技術打造手機銀行智能助理，支持語音、文字多模態交互，推進AI技術深度融入客戶旅程，引入對話服務模式，探索以自然語言完成高頻業務辦理；場景服務上，通過個性化首頁與智能化待辦展示，推動服務由“人找功能”向“功能懂人”轉變。

②線下：云柜數字員工，構建自助+遠程服務新模式

為解決網點服務標準不統一、人力調配復雜的問題，郵儲銀行推出云柜數字員工，融合大模型業務理解、流程決策、多輪交互能力，打造“客戶線下自助操作+座席遠程輔助”的云柜作業模式。目前已覆蓋近百項高頻自助交易，服務效率提升約40%，有效替代傳統臨柜人員完成轉賬、查詢、改密等業務操作，實現網點服務集約化、智能化。

③遠程：智能外呼，打造擬人化精準營銷

針對傳統外呼話術生硬、體驗差、運營效率低的痛點，郵儲銀行構建大模型外呼營銷服務體系，實現擬人化語音交互、動態話術生成、全流程合規管控。文字首響≤500ms，流程樹契合度100%，既提升客戶溝通體驗，又實現外呼運營精細化、合規化。

2.對內運營提效：推動前中后臺全流程智能化

郵儲銀行以大模型技術，實現前臺交易、中臺審貸、后臺問數、科技研發全環節提質增效。

①前臺：智能交易機器人，實現秒級金融交易

針對金融交易速度、精準度、風控協同需求，郵儲銀行打造智能交易機器人，覆蓋債券、票據等業務場景，實現交易意圖智能解析、詢價自動應答、全流程風控閉環。債券交易機器人“郵小寶"實現債券包銷交易智能詢價應答，交易執行效率提升95%以上。票據交易機器人"郵小盈”交易執行效率提升約10倍。

②中臺：智能審貸體系，自動化完成信貸審批

依托大模型多模態理解與信息處理能力，郵儲銀行構建智能審貸體系，實現信貸材料自動提取、校驗、分析與審查報告自動生成。影像分類識別率達98%，關鍵信息提取準確率92%，賦能超20個業務場景，大幅降低人力投入，提升信貸審批標準化與智能化水平。

③后臺：智能問數，降低數據使用門檻

為解決業務人員不懂代碼、取數難、效率低的問題，郵儲銀行自主調優DeepSeek-R1模型，打造自然語言交互、精準數據反饋、可視化呈現的智能問數服務，提供"白話訴求、準確答數、可視展示、隨時可用"的數據服務，服務已覆蓋總分行經營管理人員及業務骨干超2萬人，結果采納率超95%。

④科技：代碼大模型，賦能研發全流程

針對研發周期長、重復性工作多的痛點，郵儲銀行推出代碼大模型，覆蓋代碼生成、代碼審查、SQL優化、測試用例生成等場景，推動研發從AI輔助向AI原生轉變。通過多Agent架構、算力優化、流程標準化，提升復雜業務代碼生成效果，降低研發成本，助力科技研發效率與質量雙提升。

三、展望未來：深化數智轉型，推動大模型從表層應用走向深層重構

朱禮華表示，郵儲銀行將持續深化大模型與智能體技術應用，推動AI技術從“表層應用”向“業務深層重構”變革，深化對內全員提效、對外全域觸達的AI2ALL數字生態建設。

未來，郵儲銀行將重點聚焦四大方向推進工作：一是技術創新，建設自主可控、開放協同的人工智能體系，共建國產AI生態；二是算力優化，聚焦自主可控算力升級、高可用服務容災體系及模型全生命周期管理，持續強化AI賦能金融的深度與廣度，持續提升算力支撐能力；三是安全管控，打造大模型全生命周期安全管控體系，形成全流程、可追溯、強管控的安全治理閉環；四是人才建設，深化業務、數據、技術融合，構建復合型AI人才梯隊，為智能化轉型提供堅實人才支撐。同時，郵儲銀行將持續聚焦高價值業務場景，推動大模型在客戶體驗升級、精準營銷、基層賦能、運營增效、風險防控、辦公提質六大核心領域深度落地，以技術創新驅動金融服務高質量發展，為銀行業智能化轉型貢獻郵儲實踐與郵儲方案。