银行智能体采购逻辑“大切换”
2026年09月18日
字数：2978
近期，浙商银行近7500万元金融智能体采购大单刷新行业纪录，银行业技术采购逻辑加速切换，不同梯队银行的落地路径已出现明显分化。
本报综合报道 近期，浙商银行一纸中标公告在金融科技圈引发关注——据公开中标信息，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采购单笔金额纪录。
银行是金融智能体采购的绝对主力，但银行与银行之间打法不同。国有大行以自研为主，中小银行则多以外采为主，走“精打细算、务实高效”之路。
值得注意的是，目前多数银行智能体仍主要停留在研发侧、办公侧或测试环境，距离核心业务流程仍有距离。
智能体大单频现
查询企业预警通的招标数据，近期浙商银行“智能体基础软硬件”采购由北京可利邦中标，金额6489.61万元。叠加946万元的“财富及供应链智能体”订单，该行8月智能体公开采购金额合计约7436万元。
这不是孤例。据公开招标及中标信息，重庆农商行“2026年财富及运维智能体设备购置项目”连落两个标段，合计超过1000万元；上海银行“高代码智能体工作站”以约442万元定标，中科金财中标，科大讯飞备选（据公开中标公示信息）。此外，浦发银行采购火山引擎的智能体创设平台，恒丰银行在已有平台上新增智能体观测功能模块（据公开信息），广州银行、渤海银行、大连银行等数十家银行密集释放智能体招标需求。
大单频现的背后是银行业采购逻辑的一次重要切换。
在传统金融IT采购目录里，6000万元预算通常会被拆分为服务器硬件、数据库软件和系统集成服务。但浙商银行这次将它们统一装进一个全新概念中——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。
这意味着银行不再只是购买“能计算数据的硬件”，而是直接购买“能够自主执行任务、串联业务的大脑”。据行业分析，这场静悄悄的IT预算重构，正在重构整个金融业的技术底座。
同时，数据也印证了这一趋势。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，较2024年的133个项目、2.4亿元实现跨越式增长；项目数增幅约341%，披露金额增幅约527%。
银行业尤为突出，发起采购项目290个，占金融行业总项目数近一半，披露中标金额占比高达75.2%。更值得关注的是，进入2025年下半年，应用类项目（含智能体、场景融合解决方案）数量已超越算力类项目，成为最主要的采购方向，行业焦点正从“拥有大模型”转向“用好大模型”。
银行路径分化
银行是金融智能体采购绝对主力，但不同银行落地路径明显分化。据观察，国有大行鲜有参与，智能体招标需求主要来自城农商行。
在城商行中，宁波银行和苏州银行发布的金融智能体招标数量最多，两行今年均发布了超十次招标公告。
“国有大行和头部股份行以自研为主。”金融科技业内人士表示，“这些银行不缺钱、不缺人，核心底座必须自己掌控。”与国有大行动辄上亿元“囤算力”和自研底层平台不同，中小银行在智能体招标上表现出“精打细算”和“务实高效”的特点。其采购重心在于“场景落地”，聚焦于离风险最近、见效最快的核心业务环节，且单笔项目预算多控制在百万元级别。
从上述招标需求来看，信贷风控与合规审查智能体是目前中小银行智能体招标最集中的领域。银行通过AI智能体实现信贷全流程的智能化升级，涵盖贷前尽调、贷中审批与放款审核、贷后管理等环节。例如，苏州银行连续发布了涵盖信贷全流程的智能体项目，包括放款审核智能体、尽调智能体、文档识别智能体等。
此外，中小银行大量采购营销与客服类智能体，旨在挖掘营销线索、实现客户分层运营、提升服务体验并释放一线人员产能。另一个最常见的智能体即办公赋能类，中小银行通过智能体优化内部运营流程，提升办公效率。
对于中小银行的AI建设，清华大学五道口金融学院金融发展与监管科技研究中心主任张健华近期在2026Inclusion·外滩大会“AI原生时代·信用经济的应用探索”论坛上指出，不必重资产全自研，优先采用“采购/共建+本地化部署”路径，从知识库问答、文件解读、客服助手等低风险和高回报场景起步，再向营销、风控等场景拓展。
而近期银行的大额采购项目显示，非头部的银行已在智能体建设上加大了投入。上述业内人士指出，金融机构已经普遍意识到，智能体的落地不能依赖零散的单点应用，必须搭建统一的基础平台与开发底座，实现大模型管理、智能体编排、工具调用、效果评估等能力的统一，为更多场景的智能体开发落地筑牢底座。
在浙商银行今年的半年报业绩会上，管理层表示，明年AI应用要在业务侧真正落地。“科技投入不再是简单的成本项，而要成为降本增效的收益项。”该行董事长陈海强如此表示。
落地仍存边界
然而，招标大单的热闹并不等同于业务落地深度。出于合规、数据安全和业务流程复杂性的考虑，目前多数银行智能体仍主要停留在研发侧、办公侧或测试环境，距离核心业务流程仍有距离。
这种谨慎源于金融行业特殊属性。神州信息AI创新中心总经理晋梅博士将其总结为“严、密、贵”三个字：监管严，敏感数据不能离开行内环境，每一步判断必须可复现、可审计；业务环节密，金融场景环环相扣，任何问题都可能带来风险；人力资本贵，资深员工多年积累的判断力难以被完整写成规则。
据艾瑞咨询报告，96%的金融智能体应用实践仍处于初步探索期，仅有4%进入敏捷实践期。预计至2026年底，20%至25%的金融机构客户将因预期偏差或错误采纳“伪智能体”而失去投资信心。市场乱象已经显现——据行业观察，一些厂商将对话机器人、流程自动化软件包装成AIAgent产品推向市场，可能误导认知不足的客户做出错误投资决策。
项目失败原因被归纳为四类：产品技术能力不足、成本规划缺失(低估算力消耗和数据治理隐性开支)、真实生产环境制约、组织适配能力不足。这也提醒行业，智能体规模化落地不仅是技术问题，更是组织和治理问题。
不过，在监管层面，2026年金融智能体监管框架正在快速完善。5月，国家互联网信息办公室、国家发展和改革委员会、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，明确提出在金融服务场景中研发金融风控智能体，提升信贷审批、交易监控、账户安全等环节风险识别能力。6月，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》(金发〔2026〕8号)。8月，据北京金融科技产业联盟发布信息，该联盟发布《智能体技术金融应用安全要求》团体标准，明确“双重授权”原则：智能体操作金融App须同时获得用户与机构授权，涵盖初始化与输入、模型推理与决策、身份鉴别与操作、数据安全和隐私保护、风险防控与合规五个方面。
从政策引导到安全标准，监管层正在为智能体规模化应用划定跑道。这些规则既是对风险的防范，也是对行业健康发展的保护。正如业内人士所言，金融业具有高严谨性、强合规性，对AI智能体应用提出远高于其他行业的要求。
浙商银行签订近7500万元的智能体大单，标志着银行业金融科技采购正从过去分散的硬件、系统采购，转向面向全流程任务执行的智能体底座建设。不同梯队银行的落地路径已清晰分化：国有大行依托自研掌控核心技术底座，中小银行则以务实外采快速切入信贷风控、营销运营等见效快的场景，避免重资产投入的资源浪费。当前，行业仍处于“重招标、轻履约”的早期阶段，多数智能体尚未真正嵌入核心业务流程。随着金融智能体监管框架与安全标准逐步完善，行业将告别“对话机器人包装智能体”的乱象，真正进入“能自主执行任务、全流程可审计可管控”的规模化落地新阶段，最终实现AI从降本增效工具向业务价值创造载体的跨越。
本报综合报道 近期，浙商银行一纸中标公告在金融科技圈引发关注——据公开中标信息，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采购单笔金额纪录。
银行是金融智能体采购的绝对主力，但银行与银行之间打法不同。国有大行以自研为主，中小银行则多以外采为主，走“精打细算、务实高效”之路。
值得注意的是，目前多数银行智能体仍主要停留在研发侧、办公侧或测试环境，距离核心业务流程仍有距离。
智能体大单频现
查询企业预警通的招标数据，近期浙商银行“智能体基础软硬件”采购由北京可利邦中标，金额6489.61万元。叠加946万元的“财富及供应链智能体”订单，该行8月智能体公开采购金额合计约7436万元。
这不是孤例。据公开招标及中标信息，重庆农商行“2026年财富及运维智能体设备购置项目”连落两个标段，合计超过1000万元；上海银行“高代码智能体工作站”以约442万元定标，中科金财中标，科大讯飞备选（据公开中标公示信息）。此外，浦发银行采购火山引擎的智能体创设平台，恒丰银行在已有平台上新增智能体观测功能模块（据公开信息），广州银行、渤海银行、大连银行等数十家银行密集释放智能体招标需求。
大单频现的背后是银行业采购逻辑的一次重要切换。
在传统金融IT采购目录里，6000万元预算通常会被拆分为服务器硬件、数据库软件和系统集成服务。但浙商银行这次将它们统一装进一个全新概念中——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。
这意味着银行不再只是购买“能计算数据的硬件”，而是直接购买“能够自主执行任务、串联业务的大脑”。据行业分析，这场静悄悄的IT预算重构，正在重构整个金融业的技术底座。
同时，数据也印证了这一趋势。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，较2024年的133个项目、2.4亿元实现跨越式增长；项目数增幅约341%，披露金额增幅约527%。
银行业尤为突出，发起采购项目290个，占金融行业总项目数近一半，披露中标金额占比高达75.2%。更值得关注的是，进入2025年下半年，应用类项目（含智能体、场景融合解决方案）数量已超越算力类项目，成为最主要的采购方向，行业焦点正从“拥有大模型”转向“用好大模型”。
银行路径分化
银行是金融智能体采购绝对主力，但不同银行落地路径明显分化。据观察，国有大行鲜有参与，智能体招标需求主要来自城农商行。
在城商行中，宁波银行和苏州银行发布的金融智能体招标数量最多，两行今年均发布了超十次招标公告。
“国有大行和头部股份行以自研为主。”金融科技业内人士表示，“这些银行不缺钱、不缺人，核心底座必须自己掌控。”与国有大行动辄上亿元“囤算力”和自研底层平台不同，中小银行在智能体招标上表现出“精打细算”和“务实高效”的特点。其采购重心在于“场景落地”，聚焦于离风险最近、见效最快的核心业务环节，且单笔项目预算多控制在百万元级别。
从上述招标需求来看，信贷风控与合规审查智能体是目前中小银行智能体招标最集中的领域。银行通过AI智能体实现信贷全流程的智能化升级，涵盖贷前尽调、贷中审批与放款审核、贷后管理等环节。例如，苏州银行连续发布了涵盖信贷全流程的智能体项目，包括放款审核智能体、尽调智能体、文档识别智能体等。
此外，中小银行大量采购营销与客服类智能体，旨在挖掘营销线索、实现客户分层运营、提升服务体验并释放一线人员产能。另一个最常见的智能体即办公赋能类，中小银行通过智能体优化内部运营流程，提升办公效率。
对于中小银行的AI建设，清华大学五道口金融学院金融发展与监管科技研究中心主任张健华近期在2026Inclusion·外滩大会“AI原生时代·信用经济的应用探索”论坛上指出，不必重资产全自研，优先采用“采购/共建+本地化部署”路径，从知识库问答、文件解读、客服助手等低风险和高回报场景起步，再向营销、风控等场景拓展。
而近期银行的大额采购项目显示，非头部的银行已在智能体建设上加大了投入。上述业内人士指出，金融机构已经普遍意识到，智能体的落地不能依赖零散的单点应用，必须搭建统一的基础平台与开发底座，实现大模型管理、智能体编排、工具调用、效果评估等能力的统一，为更多场景的智能体开发落地筑牢底座。
在浙商银行今年的半年报业绩会上，管理层表示，明年AI应用要在业务侧真正落地。“科技投入不再是简单的成本项，而要成为降本增效的收益项。”该行董事长陈海强如此表示。
落地仍存边界
然而，招标大单的热闹并不等同于业务落地深度。出于合规、数据安全和业务流程复杂性的考虑，目前多数银行智能体仍主要停留在研发侧、办公侧或测试环境，距离核心业务流程仍有距离。
这种谨慎源于金融行业特殊属性。神州信息AI创新中心总经理晋梅博士将其总结为“严、密、贵”三个字：监管严，敏感数据不能离开行内环境，每一步判断必须可复现、可审计；业务环节密，金融场景环环相扣，任何问题都可能带来风险；人力资本贵，资深员工多年积累的判断力难以被完整写成规则。
据艾瑞咨询报告，96%的金融智能体应用实践仍处于初步探索期，仅有4%进入敏捷实践期。预计至2026年底，20%至25%的金融机构客户将因预期偏差或错误采纳“伪智能体”而失去投资信心。市场乱象已经显现——据行业观察，一些厂商将对话机器人、流程自动化软件包装成AIAgent产品推向市场，可能误导认知不足的客户做出错误投资决策。
项目失败原因被归纳为四类：产品技术能力不足、成本规划缺失(低估算力消耗和数据治理隐性开支)、真实生产环境制约、组织适配能力不足。这也提醒行业，智能体规模化落地不仅是技术问题，更是组织和治理问题。
不过，在监管层面，2026年金融智能体监管框架正在快速完善。5月，国家互联网信息办公室、国家发展和改革委员会、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，明确提出在金融服务场景中研发金融风控智能体，提升信贷审批、交易监控、账户安全等环节风险识别能力。6月，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》(金发〔2026〕8号)。8月，据北京金融科技产业联盟发布信息，该联盟发布《智能体技术金融应用安全要求》团体标准，明确“双重授权”原则：智能体操作金融App须同时获得用户与机构授权，涵盖初始化与输入、模型推理与决策、身份鉴别与操作、数据安全和隐私保护、风险防控与合规五个方面。
从政策引导到安全标准，监管层正在为智能体规模化应用划定跑道。这些规则既是对风险的防范，也是对行业健康发展的保护。正如业内人士所言，金融业具有高严谨性、强合规性，对AI智能体应用提出远高于其他行业的要求。
浙商银行签订近7500万元的智能体大单，标志着银行业金融科技采购正从过去分散的硬件、系统采购，转向面向全流程任务执行的智能体底座建设。不同梯队银行的落地路径已清晰分化：国有大行依托自研掌控核心技术底座，中小银行则以务实外采快速切入信贷风控、营销运营等见效快的场景，避免重资产投入的资源浪费。当前，行业仍处于“重招标、轻履约”的早期阶段，多数智能体尚未真正嵌入核心业务流程。随着金融智能体监管框架与安全标准逐步完善，行业将告别“对话机器人包装智能体”的乱象，真正进入“能自主执行任务、全流程可审计可管控”的规模化落地新阶段，最终实现AI从降本增效工具向业务价值创造载体的跨越。
