英伟达报告：2026年金融服务领域人工智能应用趋势与现状分析

调查概览

金融服务中的人工智能：行业领导者的关键趋势

AI革命才刚刚开始，但它已经对金融机构产生了深远影响。从重塑算法交易到加速文档处理与分析，从利用基于Transformer的支付基础模型重构欺诈检测，再到利用编程智能体（Coding Agents）实现遗留代码现代化——AI已成为行业的重大利好，为增长、生产力和成本管理提供了新途径。

在第六份《金融服务业 AI 现状》年度报告中，英伟达探讨了 AI 对该行业的影响、它是如何改变行业运作方式的，以及大小规模不一的机构是如何开始规模化应用新型 AI 能力的。

自 2022 年进入市场以来，生成式 AI 在金融服务领域的应用逐年增长。在 2025 年的调查中，61% 的受访者表示正在使用或评估该技术。随着关注点转向具有明确投资回报率（ROI）的具体业务场景（如智能体 AI/Agentic AI），这一进程仍在持续演进。

这种快速采用和投资 AI 的原因显而易见：领先机构的高管已公开承认 AI 带来了显著的投资回报，尤其是在运营效率和员工生产力领域。因此，近 100% 的受访者确认其 2026 年的 AI 支出将增加或持平，其中 44% 的受访者表示增幅将超过 10%，这并不令人意外。

2026 年《金融服务业 AI 现状》报告的受访人数创下该调查历史新高。报告探讨了该领域日益增长的 AI 采用率、核心 AI 用例、金融机构的目标与挑战、解决方案与基础设施的投资计划、影响与投资回报率、基础设施与开发趋势，以及今年新增的板块：AI 智能体（AI Agents）的采用与应用。

执行摘要

在金融服务领域投资 AI 的时机就在当下。在担任领导职务的受访者中，有 73% 的人认为 AI 对公司未来的成功至关重要。原因何在？因为 AI 能从数据中创造“智能”，而没有任何一个行业比金融服务业更擅长、或更依赖于将“智能”转化为利润。

以下是今年报告中的其他核心亮点。

AI 已从试点阶段走向普及阶段

65%表示，他们的组织正在积极使用人工智能，这一比例从 2024 年的 45% 有所上升。

42% 表示，他们的组织正在积极使用或评估智能体。

AI 结合了大数据的力量与先进的机器学习技术——从深度学习、强化学习到生成式及预测性模型——从而驱动金融服务业中广泛的应用场景。活跃使用 AI 的机构数量达到了历史新高，约 90% 的受访者表示其机构正处于活跃使用、评估 AI 解决方案或开展试点项目的阶段。智能体 AI（Agentic AI）是下一个前沿领域，42% 的机构表示他们已在业务流程中使用或评估 AI 智能体。

开源的重要性企业级 AI 需要针对特定用例进行微调的模型，而托管服务和通用大语言模型（LLMs）往往无法胜任。因此，各机构正转向开源模型，以构建针对特定场景微调的解决方案。总体而言，84% 的受访者认为开源软件的重要性处于“中等”到“极其重要”之间，其中近半数（48%）的管理层受访者认为开源“非常”甚至“极其”重要。

银行和其他金融机构等大型组织正将其最核心的 AI 用例从托管服务转移到开源基础模型上。随着推理模型变得日益先进，且单标记（Token）定价持续上涨，通过拥有自主模型而非依赖第三方来降低持续成本的经济压力也在加剧。这种方式不仅能以更低的总成本交付更准确、更有用的成果，还能确保私有数据安全，防止企业价值外流。

73% 受访者中担任领导职位的人士认为人工智能对公司未来的成功至关重要。84% 报告开源软件对其组织的人工智能战略从中度到极其重要。

AI 的投资回报率很明确

89% 认为人工智能不仅帮助提升了年度收入，还降低了年度成本。

52% 将运营效率列为人工智能在过去一年提升业务的主要方式之一。

AI 正在影响机构的营收（Top Line）和净利润（Bottom Line）。83% 的受访者表示已在 AI 用例中看到了投资回报，其中文档处理、文档管理及客户体验方面的解决方案表现尤为突出。此外，89% 的受访者报告称，AI 实现了年度营收增长与年度成本降低的双重目标。超过半数（52%）的受访者将“运营效率”列为过去一年 AI 改善业务的首要方式。同时，AI 也极大提升了员工生产力，48% 的受访者认为这是其业务获得的最大益处之一，而去年这一比例仅为 22%。

数据分析是 AI 的主力军（Workhorse）

68%受访者表示，数据分析是他们组织的人工智能工作量最大，较 2024 年增长了 11 个百分点。

61% 认为生成式人工智能是他们主要的人工智能工作负载之一，较 2024 年的 52% 有所上升。

数据分析的重要性贯穿了金融服务的全频谱，从金融科技（Fintech）、资本市场到消费金融均有体现。数据分析支持着一系列业务流程和应用场景，从处理支付交易以进行欺诈检测，到分析结构化与非结构化数据以辅助投资研究和投资组合管理。

增长最快的 AI 工作负载当属生成式 AI。在中国以外的市场，生成式 AI 的采用率已从 2023 年的50% 增长到当年的 73%，这巩固了基础模型作为驱动全球金融服务和业务运营核心引擎的地位。

混合架构显著增加过去几项调查的数据显示出一个明显趋势：机构正越来越多地为其 AI 工作负载部署混合架构（Hybrid Architecture），而非单纯依赖本地部署或云端。首要原因是经济因素，混合方案能够通过在不同环境中运行不同的工作负载来优化成本。由于数据分散在各地，利用跨环境可用的软件平台来简化数据科学工作流便成了关键。

47%受访者表示他们的组织采用混合架构，较2024年的26%有所上升。

深入解析结果金融服务正在拥抱人工智能驱动的未来随着 AI 在商业生态系统中的成熟，各公司正从评估阶段转向在核心业务运营中积极应用并规模化扩展 AI。超过三分之二（65%）的受访者表示其机构正在积极使用 AI，这一比例高于 2024 年的45%。各公司正积极将试点项目转化为生产力，今年仅有 24% 的受访者表示处于评估 AI 试点的阶段，较去年的 50% 大幅下降。

其中，大型公司（员工人数超过 1,000 人）的表现尤为突出，76% 的大型公司受访者表示已在积极使用 AI。在金融服务的不同细分领域中，AI 的采用情况分布相当均匀：在金融科技（Fintech）、消费金融和资本市场领域，均有超过 60% 的受访者表示其机构正在积极应用 AI。

76%的大型公司（1000+员工）正在积极使用人工智能。

在整体应用方面，数据分析是金融服务机构使用或评估最多的领域，占比达 68%。生成式 AI 以 61% 的占比位居第二，紧随其后的是智能体 AI（Agentic AI）和预测分析，占比均为 42%。数据处理工作负载，如特征工程以及提取、转换和加载（ETL）操作，占比为 35%。

随着 AI 应用场景及其需求变得愈发个性化，各机构所需的工具和 AI 解决方案开发也变得更加专注。例如，开源模型和软件通常最适合用于构建特定的 AI 应用。受访者对此表示赞同：40% 的受访者认为开源软件对其组织战略“中等重要”，而 43% 的受访者认为其“非常”甚至“极其”重要。

在构建 AI 解决方案和支持计算基础设施方面，金融机构依赖第三方合作伙伴。总体而言，44% 的受访者表示，他们会根据特定项目的需要聘请第三方；另有 31% 的受访者表示，他们在 AI 基础设施方面严重依赖第三方。

最常见的第三方合作伙伴是云服务提供商（CSP），占比达 75%。独立软件供应商（ISV）位居第二，占比 31%；随后是原始设备制造商（OEM），占比 25%。排名前五的还包括托管服务提供商（MSP，19%）和全球系统集成商（GSI，18%）。

根据 50% 受访者的说法，“部署速度”和“缩短价值实现周期（Time to Value）”是聘请第三方的首要原因。紧随其后的是“计算资源的可扩展性”（45%）以及“通过共享或托管基础设施实现成本效率”（42%）。

AI 智能体在金融服务领域开局稳健

在 2026 年英伟达《金融服务业 AI 现状》调查中，一个新增问题涉及了智能体 AI（Agentic AI）在机构运营中的应用。AI 智能体是先进的 AI 系统，旨在根据高层目标自主进行推理、规划并执行复杂任务。

如上所述，42% 的受访者表示其机构目前正在使用或评估智能体 AI。在这一群体中，近一半（49%，占总受访人数的 21%）表示其机构已经部署了智能体。另有 41%（占总受访人数的 18%）表示将在未来一年内部署 AI 智能体。

在正在使用或评估智能体 AI 的受访者中，56% 的人将“知识管理与检索”视为最核心的应用场景。紧随其后的是“内部流程优化”（52%）和“客户支持自动化”（43%）。知识管理和检索是使用或评估智能体人工智能的主要应用场景。

智能体 AI 在企业端的部署仍处于早期阶段，其面临的挑战反映了大多数新技术引入时所遭遇的共性问题。“性能与可靠性问题”是受访者的首选答案，占比达 34%。紧随其后的是“缺乏内部技能或专业知识来管理和监控 AI 智能体”（33%）、“数据相关问题”（30%）以及“实施与落地问题”（28%）。

AI 正在业务运营中得到广泛采用

金融服务是一个高度依赖语言和数字的行业，极其强调文档处理与数值分析。这些特质使得该行业非常适合在广泛的流程和应用场景中采用 AI。调查结果反映了这一现实：据报告，AI 应用场景已广泛分布于机构的各项业务运营中。总体而言，金融服务业首选的 AI 驱动用例是“客户体验与参与”，占比达 42%。紧随其后的是“文档处理”（40%），随后是“算法交易”（32%），以及包含机器人流程自动化（RPA）和光学字符识别（OCR）在内的“文档管理”（30%）。

机构在使用 AI 时面临的首要挑战与数据相关——40% 的受访者提到了这一点，高于 2024 年的 33%。核心问题包括隐私保护、数据主权以及数据散落在不同地点（数据孤岛）。第二大显著挑战是 AI 专家和数据科学家的短缺，35% 的受访者提到了这一问题。

数据相关问题是 AI 在行业采用上面临的最大挑战

今年调查的一个显著趋势是，金融服务机构在利用数据进行模型训练和提升准确性方面似乎取得了重大进展。“拥有充足的训练数据量和准确性”不再是行业面临的首要挑战——该比例从 2023 年的 49% 降至 2024 年的 31%，而到 2025 年仅为 16%。

运营效率与员工生产力：金融服务业 AI 投资回报率（ROI）之首

AI 正在对金融机构的净利润产生积极影响。89% 的受访者表示，AI 既帮助增加了收入，又降低了年度成本。这种影响非常显著：64% 的受访者报告 AI 助力营收增长超过 5%；61% 的受访者表示成本也降低了同等比例。

这种影响在大型和小型公司中均有体现：63% 的大型公司认同 AI 助力营收增长超过 5%。特别是在金融科技（Fintech）领域，比例高达 75%。

AI 的影响体现在多个领域。当被问及 AI 如何改善业务时，52% 的整体受访者表示 AI 帮助实现了“运营效率”。“提升员工生产力”紧随其后，占比 48%，远高于去年调查的 22%。排名第三的是“改善客户体验”（37%），这在直面客户的金融领域尤为突出。57% 的消费金融受访者报告 AI 改善了客户体验，而资本市场领域这一比例为 27%。

数据相关问题是行业内 AI 采用面临的最大挑战。在过去一年里，各机构在利用数据进行模型培训方面取得了显著进展。无论行业大小公司，AI 都带来了积极变化。

受访者列举了一长串已获得最大投资回报率（ROI）的 AI 应用场景。总体而言，ROI 排名最高的前三大用例分别是：文档处理（32%）、客户体验与参与（30%）以及文档管理（23%）。对该问题的回答展现了 AI 在业务运营中的广泛获益，共有 12 种不同的答案获得了至少 10% 的选择率。

不同行业细分领域也展现了各自不同的优先级：26% 的资本市场受访者将“算法交易”列为最高 ROI 用例之一。在金融科技（Fintech）机构中，28% 的受访者认为“AI 驱动的风险管理”是产生最高 ROI 的场景。此外，24% 的消费金融受访者将“欺诈检测与反洗钱（AML）”视为其最高 ROI 用例之一。

金融机构计划在 2026 年提升人工智能整体投资

由于 AI 对营收和净利润均产生了显著影响，对该技术的投资持续攀升。总体而言，近 100% 的受访者表示，其所在机构在 2026 年的 AI 投资将增加或持平，其中 83% 的受访者明确表示将增加投入。近半数（44%）的受访者表示，明年其 AI 预算将大幅增长 10% 以上，这一比例较 2024 年上升了 14 个百分点。大型公司也计划在明年增加 AI 预算，46% 的受访者表示其 AI 预算增幅将超过 10%。

金融机构的 AI 投资将用于优化现有工作流以及探索该技术的新用途。总体来看，41% 的受访者将“优化 AI 工作流和生产周期”列为首要支出重点，而 2024 年这一比例仅为 26%。本质上，受访者表示他们正寻求改进那些已经行之有效的环节。接下来的支出重点分别是：识别额外的 AI 应用场景（34%）以及构建 AI 基础设施的访问权限（30%）。

AI 正在对金融机构的营收（Top Line）和净利润（Bottom Line）产生积极影响。受访者一致认为，2026 年的 AI 投资将增加或保持不变。而优化 AI 工作流与生产周期则是首要的支出优先级。

这段文字深度解析了 2026 年金融 AI 的“中枢神经系统”——推理（Inference），以及支撑它的混合架构逻辑。它解释了为什么银行不再纠结于“上云”还是“本地”，而是选择“全都要”。

金融服务业为 AI 工作负载选择混合架构

AI 推理（Inference）是已训练好的 AI 模型通过对新数据进行推理和预测来生成新输出的过程——即实时对输入进行分类并应用已学到的知识。从本质上讲，推理就是 AI 模型的输出结果。推理与模型训练不同，它是一个持续的过程且会产生持续成本。模型每被查询一次，就会进行一次推理。

推理是 AI 的多面性体现，它需要平衡准确性、速度、模型与基础设施性能、功耗以及整个系统的成本效率。当被问及机构运行推理时最重要的因素时，37% 的受访者认为“模型性能与基准测试”最为关键。紧随其后的是“数据驻留与合规性”（36%）、“优化总体拥有成本（TCO）与成本效率”（34%），以及“延迟、准确性和吞吐量”（32%）。

金融机构正日益转向混合架构（Hybrid Architectures）来处理 AI 工作负载，即整合云端与本地系统。总体而言，47% 的受访者表示其机构使用混合架构，高于 2024 年的 26%。混合架构的兴起与独立云架构或独立本地架构的下降直接相关：云架构占比从 2024 年的 57% 降至 2025 年的 42%；纯本地基础设施则从 2024 年的 16% 降至 2025 年的 12%。

根据 41% 受访者的说法，运行混合架构的首要原因是：通过在不同环境中运行不同的工作负载来优化成本。

展望未来展望未来，行业领导者正积极寻找 AI 能够发挥影响的更多领域，包括欺诈检测、算法交易、风险管理、合规、客户参与和文档处理。AI 的目标分布于各个业务部门，42% 的受访者认为首要目标是“提高运营效率”。其后分别是“创造竞争优势”（34%）以及“提高员工生产力和客户体验”（均为 33%）。

47%的公司使用混合架构——高于 2024 年的 26%。

这段文字是报告的收官总结与方法论说明。它勾勒出了 2026 年金融 AI 的最终形态：一个由数据驱动、以“AI 工厂”为核心、由智能体（Agents）负责执行的全新金融生态。

在接下来的年度中，预计金融机构将扩大那些已证明其价值的应用场景，采用开源工具和模型，并与专家伙伴合作构建专业化解决方案。预计许多这类解决方案将以“智能体AI”（Agentic AI）的形式呈现，因为其自动化流程的能力正变得清晰，而新方法也使得在企业内部构建和管理AI智能体变得更加容易。所有这一切都将建立在“AI 工厂”之上，这些工厂从数据中加工出“智能”，为支撑金融服务各个部门和业务线的AI应用提供动力。

调查方法本次调查于 2025年8月至9月期间进行，共收集了839份受访者回复。受访者在管理层（包括高管）与AI从业人员之间保持了50/50的比例，涵盖了广泛的行业细分领域——资产管理人、资产所有者、经纪交易商、咨询机构、商业与零售银行、金融科技（Fintech）、投资银行、保险、市场数据与交易所、支付以及监管机构。受访者来自不同规模的公司，其中三分之一的公司报告年收入超过2.5亿美元，另有40%的公司员工人数超过500人。此项在线调查通过英伟达（NVIDIA）的全球分发名单及社交媒体进行，在中国市场则通过第三方机构完成。

编译：刘斌 中国（上海）自贸区研究院金融研究室主任