个人炒股配资:散户炒股怎么加杠杆-民营银行竞渡：欲乘AI方舟先算成本账

　　“行业对科技浪潮的态度已从‘是否拥抱’的选择题转变为‘如何拥抱’的必答题 。AI的价值，最终要体现在业务成效上
。”2025年上半年 ，成功扭转去年增收不增利的一家民营银行人士告诉中国证券报记者
，将AI技术嵌入核心业务场景，真正实现效能提升是民营银行摆脱传统业务模式、实现高效获客的关键。

　　然而 ，AI技术的落地尚存阻碍
，安全 、成本以及效益是银行的主要顾虑 。

　　“近几年银行普遍面临IT预算紧缩的困境，而完整的智能化系统建设成本多在数千万元级别
。 ”某中小银行科技部负责人告诉记者 ，尽管免费的AI模型可降低银行初始部署成本，但后续的算力资源投入
、模型持续训练、团队人才建设等对部分民营银行来说也是不小的成本开支。

　　头尾阶梯分化态势显著

　　多家民营银行2025年上半年业绩指标随着其股东财报浮出水面 。具体来看
，浙江网商银行 、江苏苏商银行
、四川新网银行为“千亿俱乐部
”成员。截至6月末，这三家银行的资产规模分别为4835.55亿元、1436.08亿元 、1056.96亿元
。福建华通银行、梅州客商银行
、温州民商银行的资产规模分别为375.66亿元、430.95亿元 、511.95亿元。

　　经营业绩方面 ，浙江网商银行
、四川新网银行、江苏苏商银行排名居前 。上半年
，这三家银行分别实现营业收入100.05亿元 、34.12亿元
、29.36亿元；分别实现净利润20.47亿元、4.86亿元 、4.19亿元
。

　　而其他民营银行营业收入多在15亿元以下，净利润多在4亿元以下。例如 ，北京中关村银行上半年实现营业收入10.31亿元
、净利润1.23亿元；福建华通银行上半年实现营业收入4.49亿元、净利润1.29亿元 。

　　值得注意的是
，资产规模为517.44亿元的湖南三湘银行上半年实现营业收入6.51亿元 、净利润-2.41亿元
。对比去年同期，该行资产规模
、营业收入、净利润均有所下滑 ，其中净利润同比下降超400%。

　　对此
，该行股东湖南汉森制药在其2025年半年报主要控股参股公司情况说明中表示，湖南三湘银行利润较去年同期大幅下降 ，主要原因是小微企业经营难度加大
，作为主要服务普惠小微企业客户的金融机构，信用风险上升 。

　　此外 ，需要说明的是，作为行业龙头
，微众银行尚未披露2025年上半年业绩
。根据微众银行2024年年报，截至2024年末 ，微众银行资产规模6517.76亿元。2024年
，微众银行实现营业收入381.28亿元 、净利润109.03亿元 。

　　资源禀赋与科技能力是关键变量

　　“民营银行业绩分化显著的核心原因是在资源禀赋、生态支撑和科技能力等方面差距明显
。”上海金融与发展实验室主任曾刚表示，例如网商银行背靠阿里巴巴生态 ，能够高效获取海量的小微企业客户和个人客户
，同时能够深度利用阿里巴巴平台的大数据等资源，形成数字驱动的业务发展模式 ，从而实现业绩增长。

　　曾刚表示
，许多中尾部民营银行自有客户基数有限，主要依赖传统存贷款业务 ，抗风险和盈利能力薄弱 。此外
，头部民营银行在金融科技
、合规能力等方面投入较大，能够持续优化成本结构、快速响应市场变化 ，而不少中尾部民营银行在IT 、人才
、风控等方面存在明显短板，经营步伐落后
，导致分化愈演愈烈。

　　事实上，民营银行聚焦发展零售信贷 ，主要为小微企业、个人消费等提供信贷支持
，客户下沉特点明显
。随着其他银行业务下沉，民营银行面临的同业竞争加剧 ，差异化竞争优势弱化。对于部分民营银行来说
，业务结构相对单一，科技实力不足 ，导致其业务触角延伸受限
，整体存贷款业务拓展均面临压力 。

　　因而，常有民营银行以高息揽储来吸引客户 ，但长期维持过高 、不合理的存款利率势必会增加银行自身经营成本
，对经营利润形成挤压
。业内人士普遍认为，民营银行应在运营管理中更多依赖金融科技 ，此举不仅有利于覆盖更多的客户群体，还能降低成本支出。

　　在人工智能技术飞速发展的当下
，AI无疑成为民营银行破局的关键 。

　　“我们的目标是人人AI，处处AI
。让每位员工都能便捷使用AI工具 ，覆盖全行各条线。 ”2025年上半年营业收入
、净利润同比实现两位数增长的新网银行信息科技总监毛航直言
，该行正在实现从数字化到数智化的转型 。2024年新网银行以试点形式落地了首个智能体应用，探索解决了十余个业务痛点 ，这些尝试为后续规模化应用积累了经验
。

　　破解AI落地难题成转型“胜负手
”

　　“从2023年小范围测试大模型到2025年规模化应用相关技术
，我们能够明显感受到技术创新的周期越来越短，但真正将AI技术嵌入核心业务、实现AI技术落地在现阶段仍是难题。”一家民营银行科技部负责人告诉记者 ，主要原因有三：一是安全问题
，出于安全考虑，各家银行一般会采取大模型技术的本地化部署 ，对于银行算力等科技能力提出了更高的要求 。二是成本问题
，近几年银行普遍面临着IT预算紧缩的困难，小银行IT预算整体规模小 ，与大银行每年数十亿元，甚至百亿元的科技投入形成鲜明对比
。三是效益问题
，业内鲜少有大模型技术嵌入核心业务场景当中，并带来实际效益的案例。

　　在中国邮政储蓄银行研究员娄飞鹏看来 ，AI技术在落地过程中面临多重挑战
，如数据治理难，小银行普遍存在数据规模有限 、质量不高
、治理基础薄弱的问题 。通用AI工具对金融行业的理解不够深入 ，难以契合中小银行的审批和数据流程。

　　幻觉问题也是一大困扰
。AI大模型在金融场景中可能出现幻觉问题
，导致决策失误。因此，需要在关键环节引入人工干预 ，确保大模型运行的可靠性 。在此过程中
，人工复核等环节对银行而言又是一笔支出
。

　　此外，投入与产出不匹配也是重要问题。“AI项目的投入周期较长 ，见效慢
，部分银行在短期内难以看到明显收益 。此外，如果AI应用未能与业务紧密结合 ，可能会导致资源浪费
。 ”娄飞鹏表示，中小银行在科技投入方面需要采取更加务实和精细化的策略
，以确保投入与效益的平衡。

　　具体而言，应聚焦高价值场景 ，优先选择能解决具体痛点、快速见效的业务场景进行AI应用；轻量化部署
，例如采用大模型训练后形成的小模型与客户进行交互；加强数据治理，建立或完善数据治理委员会 ，统一数据标准和口径；推动生态合作
，借助开源生态的力量，与其他机构合作开发AI应用；持续优化与迭代 ，在实际应用过程中不断优化模型和服务 。

（文章来源：中国证券报）